Porównywanie wielu obrazów
Na tej stronie
Analiza wielu obrazów w jednym żądaniu
Jedną z kluczowych zalet Grok Vision jest możliwość wysłania nieograniczonej liczby obrazów w ramach jednego żądania. Otwiera to unikalne możliwości porównań, śledzenia zmian w czasie oraz analizy krzyżowej, których nie oferują interfejsy API obsługujące pojedyncze obrazy.
Struktura żądania wieloobrazowego
Format jest prosty: dodaj do tablicy input tyle obiektów input_image, ile potrzebujesz, przeplatając je tekstem kierującym analizą:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "Obraz A:"},
{"type": "input_image", "image_url": url_image_a},
{"type": "input_text", "text": "Obraz B:"},
{"type": "input_image", "image_url": url_image_b},
{"type": "input_text", "text": "Porównaj szczegółowo te dwa obrazy."}
]
)
Opisanie każdego obrazu etykietą tekstową („Obraz A“, „Obraz B“) pomaga modelowi ustrukturyzować odpowiedź i jednoznacznie odnosić się do poszczególnych grafik.
Przypadek użycia: Porównanie przed i po
Idealne rozwiązanie do śledzenia postępów projektów, remontów, prac projektowych lub kontroli jakości:
def comparer_avant_apres(url_avant, url_apres):
prompt = """Porównaj te dwa obrazy (przed i po) i zidentyfikuj:
1. Główne zmiany
2. Elementy, które pozostały bez zmian
3. Widoczne ulepszenia
4. Wszelkie potencjalne problemy, które mogły powstać
Przedstaw odpowiedź w formie ustrukturyzowanej listy."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "PRZED:"},
{"type": "input_image", "image_url": url_avant, "detail": "high"},
{"type": "input_text", "text": "PO:"},
{"type": "input_image", "image_url": url_apres, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Przypadek użycia: Śledzenie zmian w czasie
Śledź ewolucję lokalizacji, produktu lub procesu na przestrzeni czasu:
def analyser_evolution(images_chronologiques):
"""images_chronologiques: lista {"url": ..., "date": ...}"""
input_data = []
for img in images_chronologiques:
input_data.append({
"type": "input_text",
"text": f"Zdjęcie z dnia {img['date']}:"
})
input_data.append({
"type": "input_image",
"image_url": img["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Przeanalizuj chronologiczną ewolucję widoczną na
tych obrazach. Zidentyfikuj zmiany postępujące, trendy
oraz wszelkie istotne wydarzenia między poszczególnymi datami."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Przypadek użycia: Kontrola jakości
Porównaj wyprodukowany wyrób z jego modelem referencyjnym:
def controle_qualite(url_reference, url_produit):
prompt = """Porównaj sfotografowany produkt z modelem referencyjnym.
Zidentyfikuj:
1. Zgodność (co odpowiada modelowi)
2. Niezgodności (odchylenia, wady, różnice)
3. Wagę każdej niezgodności (drobna, poważna, krytyczna)
Zwróć wynik w formacie JSON:
{
"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": "REFERENCJA (oczekiwany model):"},
{"type": "input_image", "image_url": url_reference, "detail": "high"},
{"type": "input_text", "text": "PRODUKT do sprawdzenia:"},
{"type": "input_image", "image_url": url_produit, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Przypadek użycia: Analiza konkurencji
Porównaj interfejsy, opakowania lub prezentacje produktów konkurencji:
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": """Porównaj te produkty/interfejsy konkurencji.
Dla każdego z nich zidentyfikuj wizualne mocne i słabe strony.
Przedstaw rekomendację dotyczącą pozycjonowania."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Optymalizacja żądań wieloobrazowych
Gdy wysyłasz wiele obrazów, zużycie tokenów rośnie bardzo szybko. Oto kilka strategii optymalizacji:
Dostosowanie poziomu szczegółowości
Używaj wartości low do ogólnych porównań, a high tylko wtedy, gdy analizujesz drobne detale:
# Porównanie ogólne: low wystarczy
detail = "low" # ~256 tokenów na obraz
# Analiza wad: wymagane high
detail = "high" # ~1024-1792 tokenów na obraz
Ograniczenie liczby obrazów na żądanie
Mimo że nie istnieje sztywny limit, przy więcej niż 10–15 obrazach jakość analizy może spaść. Model ma skończony kontekst i musi go rozdzielić między wszystkie obrazy:
# Jeśli więcej niż 10 obrazów, przetwarzaj partiami
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)
Zmiana rozmiaru obrazów
Jeśli porównujesz zdjęcia o wysokiej rozdzielczości w celu ogólnej analizy, zmniejsz ich rozmiar przed wysłaniem, aby zredukować liczbę tokenów:
def preparer_pour_comparaison(chemin, taille_max=(800, 800)):
img = Image.open(chemin)
img.thumbnail(taille_max)
# ... kodowanie do base64
Kluczowe wnioski
- Liczba obrazów na żądanie jest nieograniczona – to kluczowa zaleta interfejsu API xAI
- Opisuj każdy obraz tekstem, aby ustrukturyzować analizę
- Dostosuj parametr
detaildo rodzaju przeprowadzanego porównania - Przy więcej niż 10–15 obrazach przetwarzaj dane partiami, aby utrzymać wysoką jakość
- Do przypadków użycia należą: porównanie przed i po, śledzenie zmian w czasie, kontrola jakości oraz analiza konkurencji