Salt la conținutul principal
Română— Alege o limbă
Meniu

Descrierea imaginilor

Lecția 5 din 12 Actualizată 30 iulie 2026 Începător
Pe această pagină
  1. Extrageți informații din imaginile dumneavoastră
  2. Descriere generală
  3. Descriere structurată
  4. Exemplu: Fișe de produs pentru E-commerce
  5. Exemplu: Text alternativ (Accesibilitate)
  6. Exemplu: Moderarea conținutului
  7. Cele mai bune practici pentru descriere
  8. Puncte cheie

Extrageți informații din imaginile dumneavoastră

Grok OCR - extragerea textului dintr-o imagine Descrierea imaginilor reprezintă cazul de utilizare cel mai natural pentru capacitatea multimodală de viziune a lui Grok. Trimiteți o imagine, puneți o întrebare, iar modelul returnează o analiză textuală detaliată. De o simplitate înșelătoare, această funcționalitate deschide posibilități semnificative în mediul de producție.

E-commerce
Fișe de produs automate
Accesibilitate
Text alternativ automat
Moderare
Filtrarea conținutului
Catalog
Indexare automată

Descriere generală

Cea mai simplă cerere constă în solicitarea unei descrieri libere:

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."}
    ]
)

Modelul identifică elementele cheie (obiecte, persoane, text, culori, compoziție) și generează un paragraf descriptiv. Pentru majoritatea imaginilor, modul auto este suficient.

Descriere structurată

În producție, descrierile libere sunt rareori utilizabile. Veți dori să ghidați modelul printr-un prompt structurat:

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}
    ]
)

Acest format este gata de utilizare în aplicația dumneavoastră pentru a popula o bază de date, un motor de căutare sau un catalog.

Exemplu: Fișe de produs pentru E-commerce

Un caz de utilizare foarte solicitat este generarea automată a descrierilor de produse pe baza fotografiilor:

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

Utilizând detail: "high", modelul captează detalii fine ale produsului (texturi, etichete, finisaje) care îmbogățesc descrierea.

Exemplu: Text alternativ (Accesibilitate)

Generarea automată a atributelor alt pentru imaginile site-ului dumneavoastră îmbunătățește accesibilitatea și SEO-ul:

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

Modul low este suficient aici, deoarece textul alternativ reprezintă o descriere generală, nu o analiză detaliată.

Exemplu: Moderarea conținutului

Puteți utiliza viziunea artificială pentru a filtra automat imaginile încărcate de utilizatorii dumneavoastră:

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

Cele mai bune practici pentru descriere

  • Fiți precis în prompt: „Descrie această imagine“ produce rezultate vagi. „Identifică produsele, culorile și textul vizibil“ este mult mai eficient.
  • Solicitați un format structurat (JSON, listă) pentru a facilita procesarea automată.
  • Ajustați nivelul de detaliu în funcție de nevoie: low pentru clasificare, high pentru analiză fină.
  • Utilizați store: false pentru imaginile sensibile sau cele care fac obiectul GDPR.

Puncte cheie

  • Descrierea imaginilor este cazul de utilizare fundamental pentru viziunea Grok.
  • Structurați prompturile pentru a obține răspunsuri utilizabile (JSON, liste).
  • Ajustați parametrul detail la nivelul de precizie necesar.
  • Aplicațiile comune includ e-commerce, accesibilitatea și moderarea.
  • Nu uitați store: false pentru datele sensibile.