Popis obrázka
Na tejto strane
Získavaj poznatky z svojich obrázkov
Popis obrázka je najprirodzenejším prípadom použitia multimodálneho videnia modelu Grok. Pošleš obrázok, položíš otázku a model vráti podrobnú textovú analýzu. Hoci to znie jednoducho, táto schopnosť otvára v produkčnom prostredí významné možnosti.
Všeobecný popis
Najjednoduchšia požiadavka spočíva v získaní voľného popisu:
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 identifikuje kľúčové prvky (objekty, ľudí, text, farby, kompozíciu) a vytvorí opisný odsek. Pre väčšinu obrázkov postačuje režim auto.
Štruktúrovaný popis
V produkčnom prostredí sú voľné popisy zriedkavo použiteľné. Model budeš chcieť nasmerovať pomocou štruktúrovaného 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}
]
)
Tento formát je pripravený na použitie v tvojej aplikácii na naplnenie databázy, vyhľadávača alebo katalógu.
Príklad: Produktové listy pre e-commerce
Veľmi žiadaným prípadom použitia je automatické generovanie popisov produktov z fotografií:
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
Použitím parametra detail: "high" model zachytí jemné detaily produktu (textúry, štítky, povrchové úpravy), ktoré obohatia popis.
Príklad: Alternatívny text (prístupnosť)
Automatické generovanie atribútov alt pre obrázky na tvojej stránke zlepšuje prístupnosť aj 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
Režim low tu postačuje, pretože alternatívny text predstavuje všeobecný opis, nie detailnú analýzu.
Príklad: Moderácia obsahu
Videnie môžeš využiť na automatické filtrovanie obrázkov nahraných používateľmi:
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
Najlepšie postupy pri popise
- Buď v prompte presný: „Popíš tento obrázok“ prináša vágne výsledky. „Identifikuj produkty, farby a viditeľný text“ je oveľa efektívnejšie.
- Požaduj štruktúrovaný formát (JSON, zoznam), aby sa uľahčilo automatické spracovanie.
- Prispôsob úroveň detailu potrebe:
lowna klasifikáciu,highna detailnú analýzu. - Použi
store: falsepre citlivé obrázky alebo tie, ktoré podliehajú nariadeniu GDPR.
Kľúčové poznatky
- Popis obrázka je základným prípadom použitia videnia modelu Grok.
- Štruktúruj svoje prompty, aby si získal použiteľné odpovede (JSON, zoznamy).
- Prispôsob parameter
detailpožadovanej úrovni presnosti. - Medzi bežné aplikácie patrí e-commerce, prístupnosť a moderácia.
- Na citlivé údaje nezabúdaj používať
store: false.