Attēla apraksts
Šajā lapā
Iegūsti ieskatus no saviem attēliem
Attēla apraksts ir pats dabiskākais Grok daudzmodāļu redzes lietojums. Tu nosūti attēlu, uzdod jautājumu, un modelis atgriež detalizētu teksta analīzi. Šī šķietami vienkāršā spēja ražošanas vidē paver ievērojamas iespējas.
Vispārīgs apraksts
Vienkāršākais pieprasījums ir lūgt brīvas formas aprakstu:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": url_image},
{"type": "input_text", "text": "Describe this image in detail."}
]
)
Modelis identificē galvenos elementus (objektus, cilvēkus, tekstu, krāsas, kompozīciju) un ģenerē aprakstošu rindkopu. Lielākajai daļai attēlu pietiek ar auto režīmu.
Strukturēts apraksts
Ražošanas vidē brīvas formas apraksti reti ir lietojami. Tev būs jāvirza modelis, izmantojot strukturētu uzdevumu:
prompt = """Analyze this image and return a JSON with:
- "subject": the main subject in one sentence
- "objects": list of identified objects
- "dominant_colors": the 3 main colors
- "mood": the general mood (bright, dark, warm, etc.)
- "visible_text": any text readable in the image
"""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": url_image},
{"type": "input_text", "text": prompt}
]
)
Šis formāts ir gatavs lietošanai tavā lietotnē, lai aizpildītu datubāzi, meklētājprogrammu vai katalogu.
Piemērs: E-komercijas produktu lapas
Viens no pieprasītākajiem lietojumiem ir automātiska produktu aprakstu ģenerēšana no fotogrāfijām:
def generate_product_sheet(image_url):
prompt = """You are an expert e-commerce copywriter. Based on this
product photo, generate:
1. A catchy product title (max 80 characters)
2. A marketing description (2-3 sentences)
3. Visible features (material, color, shape)
4. Relevant SEO keywords (5 maximum)
Respond in JSON."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Izmantojot detail: "high", modelis uztver smalkas produkta detaļas (tekstūras, etiķetes, apdari), kas bagātina aprakstu.
Piemērs: Alternatīvais teksts (pieejamība)
Automātiska alt atribūtu ģenerēšana tava vietnes attēliem uzlabo pieejamību un SEO:
def generate_alt_text(image_url):
prompt = """Generate alternative text (alt attribute) for this
web image. The text must:
- Be concise (max 125 characters)
- Describe the content, not the style
- Not start with "Image of" or "Photo of"
- Be useful for a screen reader
Return only the alt text, without quotes."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": "low"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Šeit pietiek ar low režīmu, jo alternatīvais teksts ir vispārīgs apraksts, nevis smalka analīze.
Piemērs: Satura moderācija
Tu vari izmantot redzi, lai automātiski filtrētu lietotāju augšupielādētos attēlus:
def moderate_image(image_url):
prompt = """Analyze this image and classify it:
- "safe": content appropriate for all audiences
- "warning": sensitive content but not prohibited
- "reject": inappropriate content
Return a JSON with "classification" and "reason"."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": "auto"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Labākā prakse attēlu aprakstīšanai
- Esi precīzs savā uzdevumā: „Apraksti šo attēlu” rada neskaidrus rezultātus. „Identificē produktus, krāsas un redzamo tekstu” ir daudz efektīvāk.
- Pieprasi strukturētu formātu (JSON, sarakstu), lai atvieglotu automātisko apstrādi.
- Pielāgo detalizācijas līmeni vajadzībām:
lowklasifikācijai,highsmalkai analīzei. - Izmanto
store: falsesensitīviem attēliem vai tiem, uz kuriem attiecas VDAR (GDPR).
Galvenās atziņas
- Attēla apraksts ir fundamentāls Grok redzes lietojums.
- Strukturē savus uzdevumus, lai iegūtu lietojamas atbildes (JSON, saraksti).
- Pielāgo parametru
detailnepieciešamajam precizitātes līmenim. - Biežākie pielietojumi ir e-komercija, pieejamība un moderācija.
- Atceries
store: falsesensitīviem datiem.