Analisar imagens e fotografias
Nesta página
Visão do ChatGPT: Compreender imagens
O ChatGPT não se limita ao texto: todos os modelos aceitam imagens. Fotografias, capturas de ecrã, gráficos, documentos fotografados, diagramas — o sistema descreve-os, lê-os e comenta-os. O valor é imediato, pois esta funcionalidade elimina a etapa de transcrição: mostra em vez de descrever. Está disponível nos planos Gratuitos e pagos, sujeito às quotas de cada plano.
Enviar uma imagem para o ChatGPT
Na web e na aplicação de desktop, três caminhos levam ao mesmo resultado: o botão + na área de introdução de texto, seguido de Adicionar fotos e ficheiros; arrastar e largar uma imagem na área de introdução; ou colar uma imagem copiada da área de transferência (Ctrl+V ou Cmd+V). No telemóvel, o mesmo botão + adiciona uma fotografia, seja uma que acabou de tirar ou uma mais antiga; no iPhone, um toque longo no + abre diretamente as suas fotos recentes. O ChatGPT aceita formatos PNG, JPEG e GIF não animados, até 20 MB por imagem.
Não precisa de enviar apenas uma imagem de cada vez. Incluir vários elementos visuais numa única mensagem permite pedir uma comparação, e pode adicionar novas imagens à medida que a conversa progride para aprofundar ou mudar de perspetiva.
O que a visão permite no trabalho diário
O primeiro e mais valioso caso de uso envolve gráficos. Capture uma curva de um relatório anual, de um painel de controlo ou de uma apresentação e peça ao ChatGPT que a comente em vez de a decifrar você mesmo.
[imagem de gráfico] “Analise este gráfico. Quais são as principais tendências? Existem alguma anomalia? Resuma as conclusões em 3 pontos.”
Segue-se a leitura de documentos: o ChatGPT lê o texto presente numa imagem. “Transcreva o texto deste documento e, em seguida, resuma-o em 3 frases.” A mesma abordagem funciona para faturas, com uma extração estruturada que lhe poupa a introdução manual — “Extraia as informações desta fatura: fornecedor, data, montante sem IVA, IVA, montante com IVA.” — e para tradução quando fotografa uma placa ou um menu numa língua estrangeira.
A identificação forma uma terceira categoria: uma mensagem de erro apresentada no ecrã cujo significado e resolução precisa de conhecer, um objeto cujo nome procura, um prato para o qual deseja uma receita semelhante. Por fim, a visão serve como olhar crítico para elementos visuais profissionais.
[captura de ecrã de um website] “Analise esta página inicial. Pontos fortes e fracos em termos de experiência do utilizador. Proponha 3 melhorias concretas.”
O que separa uma boa análise de uma má
A qualidade do resultado depende, em primeiro lugar, da qualidade da imagem. A OpenAI recomenda ampliar o texto a ser lido sem cortar detalhes importantes e evitar imagens rodadas ou de cabeça para baixo, bem como vistas panorâmicas ou “olho de peixe”, que são frequentemente mal interpretadas. Para chamar a atenção para uma área específica, anote a imagem antes de a enviar, utilizando, por exemplo, a ferramenta de edição do seu telemóvel.
A segunda variável é o texto que acompanha a imagem. “O que é isto?” convida a uma descrição geral, muitas vezes inútil. “Este é o nosso gráfico de vendas do 1.º trimestre: analise a tendência e identifique os meses problemáticos” convida a uma resposta acionável. O princípio aplica-se também ao combinar vários elementos visuais: “Este é o logótipo do meu concorrente [imagem]. Compare-o com o nosso [imagem]. Qual é o posicionamento visual de cada um?”
Limites a conhecer
A própria OpenAI publica uma lista de limites. O modelo não foi concebido para interpretar imagens médicas especializadas, como tomografias computorizadas, e não deve servir como conselho médico. Lê texto em alfabetos não latinos, como japonês ou coreano, com menos fiabilidade. Pode cometer erros em gráficos onde apenas a cor ou o estilo da linha (contínua, tracejada, pontilhada) distingue as curvas, em tarefas de localização precisa como ler uma posição de xadrez, e fornece apenas contagens aproximadas. Não lê o nome do ficheiro nem os seus metadados, e a imagem é redimensionada antes da análise.
Uma ressalva merece ênfase: para números lidos a partir de uma imagem, como uma tabela fotografada ou um PDF digitalizado, os valores exatos não são extraídos de forma fiável. Quando a precisão é importante, envie a folha de cálculo original ou o ficheiro de texto e verifique manualmente qualquer dado que oriente uma decisão. Por fim, os vídeos podem ser anexados como ficheiros, mesmo no plano Gratuito, mas a sua análise pode ser parcial.
A sua vez
Três tentativas. Fotografe ou capture uma página de relatório ou uma fatura e peça a extração das informações principais para uma tabela; verifique cada montante. Em seguida, capture um gráfico de um artigo ou painel de controlo e peça uma análise de tendências. Termine com uma fotografia de qualquer objeto, enviada duas vezes: uma sem instruções, outra com uma pergunta específica. Compare a profundidade das duas respostas.
Fontes oficiais: ChatGPT Image Inputs FAQ (Centro de Ajuda da OpenAI: planos, formatos, adição de imagens, limites) · Data analysis with ChatGPT (tabelas digitalizadas ou baseadas em imagens) · ChatGPT capabilities overview (análise de imagens)
Pontos-chave
- Todos os modelos do ChatGPT analisam fotografias, capturas de ecrã, gráficos e documentos fotografados, em todos os planos
- Envie uma imagem com o botão +, arrastar e largar, colar ou, no telemóvel, a partir das suas fotos
- Uma pergunta específica e uma imagem nítida superam um vago “o que é isto?”
- Limites oficiais: imagens médicas, alfabetos não latinos, curvas distinguidas apenas pelo estilo, contagens
- Números lidos a partir de uma imagem não são fiavelmente exatos: prefira o ficheiro original