Przejdź do głównej treści
Polski— Wybierz język
Menu

Generowanie wsadowe i parametr n

Lekcja 9 z 14 Zaktualizowano 2 listopada 2026 Początkujący
Na tej stronie
  1. Generowanie wielu obrazów w jednym żądaniu
  2. Parametr n w szczegółach
  3. Wpływ na koszty i limity szybkości
  4. Strategie wyboru
  5. Wsadowe przetwarzanie wielu promptów
  6. Pobieranie wsadowe
  7. Kluczowe wnioski

Zaktualizowano 2 listopada 2026 — Imagine. Model grok-imagine-image-quality został usunięty 2 listopada 2026 r. (jego 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.

Generowanie wielu obrazów w jednym żądaniu

Parametr n w API generowania pozwala utworzyć do 10 obrazów na podstawie jednego promptu. Każdy obraz jest unikalną wariacją, co daje Ci zakres wyborów do选出 najlepszego wyniku lub zbudowania galerii wizualnej.

Parametr n w szczegółach

Parametr n przyjmuje liczbę całkowitą od 1 do 10, a domyślnie wynosi 1. Jego prawdziwa wartość leży we właściwości generowania obrazów, o której łatwo zapomnieć: wynik jest niedeterministyczny. Ten sam prompt za każdym razem generuje różne obrazy i żaden z nich nie jest bardziej „poprawny“ od innego. Generowanie czterech wariacji naraz nie jest marnotrawstwem – to uznanie faktu, że z góry nie wiesz, która z nich zadziała.

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

# Generowanie 5 wariacji
response = client.images.generate(
    model="grok-imagine-image",
    prompt="A zen Japanese garden with a red bridge, ukiyo-e style",
    n=5,
    extra_body={"aspect_ratio": "16:9", "resolution": "1k"},
)

for i, image in enumerate(response.data):
    print(f"Variation {i + 1}: {image.url}")

Wpływ na koszty i limity szybkości

Kluczową rzeczą, którą musisz zrozumieć przed zbudowaniem potoku opartego na tej funkcji: n=10 to nie rabat. Płacisz za dziesięć obrazów i zużywasz dziesięć jednostek limitu szybkości, dokładnie tak samo jak w przypadku dziesięciu osobnych wywołań. Jedyną korzyścią jest sieć – jedna podróż w obie strony zamiast dziesięciu – co pomaga zmniejszyć opóźnienia, ale nie zmienia budżetu.

Parametr n=1 n=5 n=10
Koszt (Imagine 1.0) $0.02 $0.10 $0.20
Koszt (Imagine 2.0, low) $0.04 $0.20 $0.40
Wygenerowane obrazy 1 5 10

Żądanie z n=10 zużywa taki sam budżet jak 10 indywidualnych żądań z n=1, ale jest szybsze, ponieważ wymaga tylko jednego wywołania sieciowego.

Strategie wyboru

Generowanie dziesięciu wariacji bez metody sortowania jedynie przesuwa problem: miałeś jeden niepewny obraz, teraz masz dziesięć obrazów do oceny. Pierwszym pytaniem, które musisz rozstrzygnąć, jest kryterium – estetyczne, gdzie ludzkie oko pozostaje niezastąpione; lub weryfikowalne (czy produkt jest widoczny, czy tekst jest czytelny, czy format został zachowany), gdzie automatyzacja staje się możliwa.

Wybór ręczny

W przypadkach krytycznych (reklama, okładki książek) pobierz wszystkie wariacje i porównaj je wizualnie:

import urllib.request

response = client.images.generate(
    model="grok-imagine-image-2.0",
    prompt="Science fiction book cover, organic spaceship",
    n=8,
    extra_body={"aspect_ratio": "3:4", "resolution": "2k"},
)

for i, image in enumerate(response.data):
    urllib.request.urlretrieve(image.url, f"variation_{i + 1}.png")
    print(f"Variation {i + 1} saved")

Wybór automatyczny

Polecanie modelu wizyjnego do oceny obrazów działa pod jednym warunkiem: kryterium musi być faktograficzne. Pytanie „Czy ten obraz zawiera produkt wyśrodkowany na jednolitym tle?“ otrzyma wiarygodną odpowiedź; „Który jest najpiękniejszy?“ otrzyma arbitralną odpowiedź przedstawioną z pewnością siebie. Formułuj kryteria weryfikowalne, a osąd estetyczny zostaw sobie.

def generate_and_select(prompt, n=5):
    """Generuje n wariacji i zwraca wszystkie adresy URL."""
    response = client.images.generate(
        model="grok-imagine-image",
        prompt=prompt,
        n=n
    )
    return [image.url for image in response.data]

Wsadowe przetwarzanie wielu promptów

Aby generować obrazy na podstawie wielu różnych promptów, połącz wywołania:

prompts = [
    "Illustration of a Parisian café, impressionist style",
    "Aerial view of terraced rice fields, photographic style",
    "Interior of an old library, dim lighting"
]

all_results = {}
for prompt in prompts:
    response = client.images.generate(
        model="grok-imagine-image",
        prompt=prompt,
        n=3
    )
    all_results[prompt] = [img.url for img in response.data]

# 3 prompty x 3 wariacje = 9 obrazów, całkowity koszt: $0.18

Pobieranie wsadowe

To nawyk, który musisz wyrobić sobie od pierwszej linii kodu, a nie dopiero przy wdrażaniu do produkcji: adresy URL wygasają. Wsada dziesięciu obrazów wygenerowana rano i pobrana wieczorem to stracona wsada – i będziesz musiał zapłacić za nią ponownie.

import urllib.request
import os

def download_batch(response, output_dir="generated"):
    """Pobiera wszystkie obrazy z odpowiedzi."""
    os.makedirs(output_dir, exist_ok=True)

    for i, image in enumerate(response.data):
        filepath = os.path.join(output_dir, f"image_{i + 1}.png")
        urllib.request.urlretrieve(image.url, filepath)

    print(f"{len(response.data)} images saved in {output_dir}/")

Cennik na dzień 5 sierpnia 2026 r. – ceny zmieniają się regularnie: przed jakimkolwiek obliczeniem budżetu sprawdź aktualny cennik na oficjalnej stronie modeli i cen xAI.

Kluczowe wnioski

  • Parametr n pozwala generować od 1 do 10 wariacji na żądanie
  • Każdy obraz jest liczony indywidualnie do rozliczeń
  • Generowanie wsadowe (jedno żądanie z n>1) jest szybsze niż n indywidualnych żądań
  • Pobieraj wyniki natychmiast, ponieważ adresy URL są tymczasowe
  • Używaj n=3 do 5 do eksploracji, a n=1 do ukierunkowanej produkcji