Przejdź do głównej treści
Polski— Wybierz język
Menu

Edycja wielu obrazów i odwołania do nich

Lekcja 7 z 14 Zaktualizowano 2 listopada 2026 Początkujący
Na tej stronie
  1. Praca z wieloma obrazami źródłowymi
  2. Parametr images (liczba mnoga)
  3. Odwoływanie się do obrazów w prompcie
  4. Przypadki użycia z wieloma obrazami
  5. Ograniczenia i najlepsze praktyki
  6. Ćwiczenie praktyczne
  7. Kluczowe wnioski

Zaktualizowano 2 listopada 2026 r. — Imagine. Model grok-imagine-image-quality został wycofany z dniem 2 listopada 2026 r. (żądania są teraz obsługiwane przez Imagine 2.0 w jakości low): przykłady wykorzystują obecnie grok-imagine-image (Imagine 1.0) oraz grok-imagine-image-2.0 (Imagine 2.0, jakość low, medium lub auto). W przypadku korzystania z OpenAI SDK parametry aspect_ratio, resolution i quality przekazuje się przez extra_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 images przyjmuje do 5 obrazów źródłowych w tablicy
  • image (liczba pojedyncza) i images (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