Opis obrazu
Na tej stronie
Wydobywaj wnioski ze swoich obrazów
Opis obrazu to najbardziej naturalny przypadek użycia wielomodalnego widzenia modelu Grok. Wysyłasz obraz, zadajesz pytanie, a model zwraca szczegółową analizę tekstową. Ta pozornie prosta zdolność otwiera znaczące możliwości w środowisku produkcyjnym.
Opis ogólny
Najprostszym żądaniem jest poproszenie o opis w formie dowolnej:
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."}
]
)
Model identyfikuje kluczowe elementy (obiekty, osoby, tekst, kolory, kompozycję) i tworzy opisowy akapit. Dla większości obrazów tryb auto jest wystarczający.
Opis strukturalny
W środowisku produkcyjnym opisy w formie dowolnej rzadko nadają się do użycia. Będziesz chciał pokierować modelem za pomocą strukturalnego promptu:
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}
]
)
Ten format jest gotowy do użycia w Twojej aplikacji do wypełniania bazy danych, silnika wyszukiwania lub katalogu.
Przykład: Karty produktów e-commerce
Bardzo często oczekiwanym przypadkiem użycia jest automatyczne generowanie opisów produktów na podstawie zdjęć:
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
Używając detail: "high", model wychwytuje drobne szczegóły produktu (tekstury, etykiety, wykończenia), które wzbogacają opis.
Przykład: Tekst alternatywny (dostępność)
Automatyczne generowanie atrybutów alt dla obrazów na Twojej stronie poprawia dostępność i 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
Tryb low jest tutaj wystarczający, ponieważ tekst alternatywny stanowi ogólny opis, a nie szczegółową analizę.
Przykład: Moderacja treści
Możesz wykorzystać widzenie komputerowe do automatycznego filtrowania obrazów przesyłanych przez użytkowników:
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
Najlepsze praktyki dotyczące opisu
- Bądź precyzyjny w prompcie: „Opisz ten obraz“ daje niejasne wyniki. „Zidentyfikuj produkty, kolory i widoczny tekst“ jest znacznie skuteczniejsze.
- Żądaj formatu strukturalnego (JSON, lista), aby ułatwić automatyczne przetwarzanie.
- Dostosuj poziom szczegółowości do potrzeb:
lowdo klasyfikacji,highdo dokładnej analizy. - Używaj
store: falsedla obrazów wrażliwych lub podlegających RODO.
Kluczowe wnioski
- Opis obrazu to fundamentalny przypadek użycia widzenia modelu Grok.
- Strukturyzuj swoje prompty, aby otrzymywać użyteczne odpowiedzi (JSON, listy).
- Dostosuj parametr
detaildo wymaganego poziomu precyzji. - Typowe zastosowania obejmują e-commerce, dostępność i moderację.
- Pamiętaj o
store: falsew przypadku danych wrażliwych.