Edycja wielu obrazów i odwołania do nich
Na tej stronie
Zaktualizowano 2 listopada 2026 r. — Imagine. Model
grok-imagine-image-qualityzostał wycofany z dniem 2 listopada 2026 r. (żądania są teraz obsługiwane przez Imagine 2.0 w jakościlow): przykłady wykorzystują obecniegrok-imagine-image(Imagine 1.0) orazgrok-imagine-image-2.0(Imagine 2.0, jakośćlow,mediumlubauto). W przypadku korzystania z OpenAI SDK parametryaspect_ratio,resolutioniqualityprzekazuje się przezextra_body, a edycję obsługuje się za pomocą xAI SDK lub żądania HTTP.
Praca z wieloma obrazami źródłowymi
Jedną z największych zalet punktu końcowego edycji jest możliwość dostarczenia do 5 obrazów referencyjnych w jednym żądaniu. Otwiera to zaawansowane możliwości twórcze: łączenie elementów z wielu źródeł, mieszanie stylów lub tworzenie złożonych kompozycji.
Parametr images (liczba mnoga)
Zmiana z image na images to nie tylko zmiana struktury parametru – zmienia się też zadanie, które stawiasz przed modelem. Przy jednym źródle model modyfikuje obraz; przy wielu musi rozstrzygnąć, co z nich wziąć – decyduje, które elementy zaczerpnąć z każdego z nich. Model i tak dokona takiego rozstrzygnięcia; pytanie brzmi tylko, czy pokierujesz tym procesem. Właśnie tym zajmiemy się w następnej sekcji.
Pamiętaj, że te dwa parametry są wzajemnie wykluczające się: image (pojedynczy obiekt) i images (tablica) nie mogą być użyte razem.
import requests
import os
headers = {
"Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
"Content-Type": "application/json"
}
payload = {
"model": "grok-imagine-image",
"prompt": "Połącz postać z pierwszego obrazu z "
"krajobrazem z drugiego obrazu",
"images": [
{"url": "https://exemple.com/personnage.jpg"},
{"url": "https://exemple.com/paysage.jpg"}
]
}
response = requests.post(
"https://api.x.ai/v1/images/edits",
headers=headers,
json=payload
).json()
Odwoływanie się do obrazów w prompcie
Gdy dostarczasz wiele obrazów, możesz odwoływać się do nich indywidualnie w prompcie, używając składni <IMAGE_0>, <IMAGE_1> itd. Indeksowanie zaczyna się od 0.
payload = {
"model": "grok-imagine-image",
"prompt": "Umieść produkt z <IMAGE_0> na stole z <IMAGE_1>, "
"z oświetleniem otoczenia z <IMAGE_2>",
"images": [
{"url": "https://exemple.com/produit.jpg"}, # <IMAGE_0>
{"url": "https://exemple.com/table.jpg"}, # <IMAGE_1>
{"url": "https://exemple.com/ambiance.jpg"} # <IMAGE_2>
]
}
To właśnie ta składnia odróżnia kontrolowaną kompozycję od przybliżonego połączenia. Polecenie „połącz te obrazy“ pozostawia wszystko modelowi; polecenie „umieść produkt z <IMAGE_0> w scenerii z <IMAGE_1>, zachowując oświetlenie z <IMAGE_1>“ nie pozostawia miejsca na interpretację. Gdy tylko podasz więcej niż jedno źródło, odwołuj się do nich jawnie.
Przypadki użycia z wieloma obrazami
Transfer stylu
Zastosuj styl obrazu referencyjnego do innego obrazu:
payload = {
"model": "grok-imagine-image-2.0",
"prompt": "Odtwórz zawartość <IMAGE_0> w artystycznym stylu z <IMAGE_1>",
"images": [
{"url": "https://exemple.com/photo-originale.jpg"},
{"url": "https://exemple.com/reference-style.jpg"}
]
}
Kompozycja produktowa
Zintegruj produkt z otoczeniem, używając referencyjnego oświetlenia:
payload = {
"model": "grok-imagine-image-2.0",
"prompt": "Zrób zdjęcie produktu z <IMAGE_0> umieszczonego na meblu z <IMAGE_1> "
"w pokoju z <IMAGE_2>, spójne naturalne oświetlenie",
"images": [
{"url": "https://exemple.com/produit-detouré.png"},
{"url": "https://exemple.com/meuble.jpg"},
{"url": "https://exemple.com/piece.jpg"}
]
}
Łączenie twarzy i tła
Połącz portret z konkretnym tłem:
payload = {
"model": "grok-imagine-image",
"prompt": "Umieść osobę z <IMAGE_0> przed budynkiem z <IMAGE_1>, "
"zachowując naturalne oświetlenie i perspektywę",
"images": [
{"url": "https://exemple.com/portrait.jpg"},
{"url": "https://exemple.com/batiment.jpg"}
]
}
Ograniczenia i najlepsze praktyki
Limit techniczny to 5 obrazów na żądanie; możesz swobodnie mieszać formaty – niektóre źródła jako URL-e, inne jako Base64 – w tej samej tablicy. Prawdziwe wyzwanie nie leży jednak tutaj, lecz w precyzji promptu, która musi rosnąć wraz z liczbą obrazów. Przy dwóch źródłach często wystarczy „połącz postać i scenerię“; przy pięciu model nie jest w stanie odgadnąć, który element wziąć z którego obrazu. Właśnie tu przydają się odwołania <IMAGE_1> do <IMAGE_5>: „umieść logo z <IMAGE_2> na koszulce postaci z <IMAGE_1>, w atmosferze oświetlenia z <IMAGE_3>“ nie pozostawiają żadnej niejasności. W przypadku złożonych kompozycji wieloźródłowych model profesjonalny (grok-imagine-image-quality) uzasadnia swoją wyższą cenę: to właśnie tam różnica względem modelu standardowego jest najbardziej widoczna – w spójności między heterogenicznymi elementami.
Ćwiczenie praktyczne
Spróbuj połączyć dwa obrazy, które masz pod ręką:
payload = {
"model": "grok-imagine-image",
"prompt": "Stwórz scenę, w której obiekt z <IMAGE_0> unosi się na niebie z <IMAGE_1>, "
"w stylu surrealistycznym",
"images": [
{"url": "URL_OF_YOUR_FIRST_IMAGE"},
{"url": "URL_OF_YOUR_SECOND_IMAGE"}
],
"n": 3
}
Wygeneruj 3 warianty, aby porównać interpretacje modelu.
Kluczowe wnioski
- Parametr
imagesprzyjmuje do 5 obrazów źródłowych w tablicy image(liczba pojedyncza) iimages(liczba mnoga) są wzajemnie wykluczające się- Składnia
<IMAGE_0>,<IMAGE_1>pozwala odwoływać się do każdego obrazu w prompcie - Przypadki użycia obejmują transfer stylu, kompozycję i fuzję
- Bądź precyzyjny w prompcie, gdy używasz wielu źródeł