Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Attēla apraksts

Nodarbība 5 no 12 Atjaunota 2026. gada 30. jūlijs Iesācējs
Šajā lapā
  1. Iegūsti ieskatus no saviem attēliem
  2. Vispārīgs apraksts
  3. Strukturēts apraksts
  4. Piemērs: E-komercijas produktu lapas
  5. Piemērs: Alternatīvais teksts (pieejamība)
  6. Piemērs: Satura moderācija
  7. Labākā prakse attēlu aprakstīšanai
  8. Galvenās atziņas

Iegūsti ieskatus no saviem attēliem

Grok OCR - teksta ekstrakcija no attēla 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.

E-komercija
Automātiskas produktu lapas
Pieejamība
Automātisks alternatīvais teksts
Moderācija
Satura filtrēšana
Katalogs
Automātiska indeksēšana

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: low klasifikācijai, high smalkai analīzei.
  • Izmanto store: false sensitīviem 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 detail nepieciešamajam precizitātes līmenim.
  • Biežākie pielietojumi ir e-komercija, pieejamība un moderācija.
  • Atceries store: false sensitīviem datiem.