Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Popis obrázka

Lekcia 5 z 12 Aktualizované 30. júla 2026 Začiatočník
Na tejto strane
  1. Získavaj poznatky z svojich obrázkov
  2. Všeobecný popis
  3. Štruktúrovaný popis
  4. Príklad: Produktové listy pre e-commerce
  5. Príklad: Alternatívny text (prístupnosť)
  6. Príklad: Moderácia obsahu
  7. Najlepšie postupy pri popise
  8. Kľúčové poznatky

Získavaj poznatky z svojich obrázkov

Grok OCR - extrakcia textu z obrázka 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.

E-commerce
Automatické produktové listy
Prístupnosť
Automatický alternatívny text
Moderácia
Filtrovanie obsahu
Katalóg
Automatické indexovanie

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: low na klasifikáciu, high na detailnú analýzu.
  • Použi store: false pre 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 detail požadovanej úrovni presnosti.
  • Medzi bežné aplikácie patrí e-commerce, prístupnosť a moderácia.
  • Na citlivé údaje nezabúdaj používať store: false.