Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Tqabbil ta' Diversi Immaġnijiet

Lezzjoni 8 / 12 Aġġornat 30 ta’ Lulju 2026 Bidbieni
F'din il-paġna
  1. Analiżi ta’ Diversi Immaġnijiet f’Talba Waħda
  2. Struttura tat-Talba għal Diversi Immaġnijiet
  3. Każ ta’ Użu: Tqabbil Qabel/Wara
  4. Każ ta’ Użu: Traċċar Temporali
  5. Każ ta’ Użu: Kontroll tal-Kwalità
  6. Każ ta’ Użu: Analiżi Kompetittiva
  7. Ottimizzazzjoni tat-Talbiet b’Diversi Immaġnijiet
  8. Punti Ewlenin

Analiżi ta’ Diversi Immaġnijiet f’Talba Waħda

Waħda mill-aktar punti qawwija ta’ Grok Vision hija l-kapaċità li tibgħat numru illimitat ta’ immaġnijiet f’talba waħda. Dan jiftaħ possibbiltajiet uniċi għat-tqabbil, it-traċċar temporali u l-analiżi trasversali li l-APIs b’immaġni waħda ma jistgħux joffru.

Struttura tat-Talba għal Diversi Immaġnijiet

Il-format huwa sempliċi: żid kemm-il oġġett input_image ikollok bżonn fl-array input, u ħallathom mat-test biex tiggwida l-analiżi:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_text", "text": "Image A:"},
        {"type": "input_image", "image_url": url_image_a},
        {"type": "input_text", "text": "Image B:"},
        {"type": "input_image", "image_url": url_image_b},
        {"type": "input_text", "text": "Compare these two images in detail."}
    ]
)

Li ttikkettja kull immaġni b’test (“Image A”, “Image B”) jgħin lill-mudell jistruttura r-risposta tiegħu u jirreferi b’mod ċar għal kull immaġni.

Każ ta’ Użu: Tqabbil Qabel/Wara

Ideali għat-traċċar tal-proġetti, ir-rinovazzjoni, id-disinn jew il-kontroll tal-kwalità:

def comparer_avant_apres(url_avant, url_apres):
    prompt = """Compare these two images (before and after) and identify:

1. The main changes
2. Elements that have not changed
3. Visible improvements
4. Any potential issues introduced

Present your response as a structured list."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_text", "text": "BEFORE:"},
            {"type": "input_image", "image_url": url_avant, "detail": "high"},
            {"type": "input_text", "text": "AFTER:"},
            {"type": "input_image", "image_url": url_apres, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Każ ta’ Użu: Traċċar Temporali

Segwi l-evoluzzjoni ta’ post, prodott jew proċess maż-żmien:

def analyser_evolution(images_chronologiques):
    """images_chronologiques: list of {"url": ..., "date": ...}"""
    input_data = []

    for img in images_chronologiques:
        input_data.append({
            "type": "input_text",
            "text": f"Photo from {img['date']}:"
        })
        input_data.append({
            "type": "input_image",
            "image_url": img["url"],
            "detail": "auto"
        })

    input_data.append({
        "type": "input_text",
        "text": """Analyze the chronological evolution visible in
these images. Identify progressive changes, trends,
and any notable events between the different dates."""
    })

    response = client.responses.create(
        model="grok-4.5",
        input=input_data,
        store=False
    )
    return response.output_text

Każ ta’ Użu: Kontroll tal-Kwalità

Qabbel prodott manifatturat mal-mudell ta’ referenza tiegħu:

def controle_qualite(url_reference, url_produit):
    prompt = """Compare the photographed product to the reference model.

Identify:
1. Compliance (what matches the model)
2. Non-compliance (deviations, defects, differences)
3. Severity of each non-compliance (minor, major, critical)

Return a JSON with:
{
  "compliant": true/false,
  "score": 0-100,
  "compliances": [...],
  "non_compliances": [
    {"description": "...", "severity": "minor|major|critical"}
  ]
}"""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_text", "text": "REFERENCE (expected model):"},
            {"type": "input_image", "image_url": url_reference, "detail": "high"},
            {"type": "input_text", "text": "PRODUCT to check:"},
            {"type": "input_image", "image_url": url_produit, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Każ ta’ Użu: Analiżi Kompetittiva

Qabbel interfaċċi, ippakkjar jew preżentazzjonijiet ta’ prodotti mingħand il-kompetituri:

def analyser_concurrence(images_concurrents):
    """images_concurrents: [{"brand": "...", "url": "..."}]"""
    input_data = []

    for concurrent in images_concurrents:
        input_data.append({
            "type": "input_text",
            "text": f"{concurrent['brand']}:"
        })
        input_data.append({
            "type": "input_image",
            "image_url": concurrent["url"],
            "detail": "auto"
        })

    input_data.append({
        "type": "input_text",
        "text": """Compare these competitor products/interfaces.
For each, identify visual strengths and weaknesses.
Provide a positioning recommendation."""
    })

    response = client.responses.create(
        model="grok-4.5",
        input=input_data,
        store=False
    )
    return response.output_text

Ottimizzazzjoni tat-Talbiet b’Diversi Immaġnijiet

Meta tibgħat ħafna immaġnijiet, il-konsum tat-tokens jiżdied malajr. Hawnhekk hemm xi strateġiji ta’ ottimizzazzjoni:

Aġusta l-Livell tad-Dettall

Uża low għal tqabbil ġenerali u high biss meta tanalizza dettalji fini:

# Global comparison: low is sufficient
detail = "low"  # ~256 tokens per image

# Defect analysis: high required
detail = "high"  # ~1024-1792 tokens per image

Illimita n-Numru ta’ Immaġnijiet għal Kull Talba

Għalkemm m’hemm l-ebda limitu riġidu, b’aktar minn 10-15 immaġni l-kwalità tal-analiżi tista’ tonqos. Il-mudell għandu kuntest finit u jrid jiddistribwixxieh fuq l-immaġnijiet kollha:

# If more than 10 images, process in batches
def analyser_par_lots(images, taille_lot=10):
    resultats = []
    for i in range(0, len(images), taille_lot):
        lot = images[i:i + taille_lot]
        resultat = analyser_lot(lot)
        resultats.append(resultat)
    return fusionner_resultats(resultats)

Ibiddel id-Daqs tal-Immaġnijiet

Jekk qed tqabbel ritratti b’riżoluzzjoni għolja għal analiżi ġenerali, ibiddel id-daqs tagħhom qabel ma tibgħathom biex tnaqqas it-tokens:

def preparer_pour_comparaison(chemin, taille_max=(800, 800)):
    img = Image.open(chemin)
    img.thumbnail(taille_max)
    # ... encode to base64

Punti Ewlenin

  • In-numru ta’ immaġnijiet għal kull talba huwa illimitat — dan huwa vantaġġ ewlieni tal-API ta’ xAI
  • Ittikkettja kull immaġni b’test biex tistruttura l-analiżi
  • Aġusta l-parametru detail skont it-tip ta’ tqabbil
  • Wara 10-15 immaġni, ipproċessa f’lotti biex iżżomm il-kwalità
  • Il-każijiet ta’ użu jinkludu: qabel/wara, traċċar temporali, kontroll tal-kwalità, analiżi kompetittiva