Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Beskrivning av bilder

Lektion 5 av 12 Uppdaterad 30 juli 2026 Nybörjare
På denna sida
  1. Extrahera insikter från dina bilder
  2. Allmän beskrivning
  3. Strukturerad beskrivning
  4. Exempel: Produktblad för e-handel
  5. Exempel: Alternativ text (tillgänglighet)
  6. Exempel: Moderering av innehåll
  7. Bästa praxis för beskrivning
  8. Viktiga punkter

Extrahera insikter från dina bilder

Grok OCR - textextraktion från en bild Beskrivning av bilder är det mest naturliga användningsområdet för Groks multimodala synförmåga. Du skickar en bild, ställer en fråga och modellen returnerar en detaljerad textanalys. Detta kan verka enkelt vid en första anblick, men funktionen öppnar upp betydande möjligheter i produktion.

E-handel
Automatiska produktblad
Tillgänglighet
Automatisk alt-text
Moderering
Filtrering av innehåll
Katalog
Automatisk indexering

Allmän beskrivning

Den enklaste förfrågan är att be om en fri beskrivning:

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."}
    ]
)

Modellen identifierar nyckelelement (objekt, personer, text, färger, komposition) och producerar ett beskrivande stycke. För de flesta bilder räcker läget auto.

Strukturerad beskrivning

I produktion är fria beskrivningar sällan användbara. Du vill styra modellen med en strukturerad prompt:

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}
    ]
)

Detta format är redo att användas i din applikation för att fylla en databas, sökmotor eller katalog.

Exempel: Produktblad för e-handel

Ett efterfrågat användningsområde är att automatiskt generera produktbeskrivningar från foton:

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

Genom att använda detail: "high" fångar modellen fina produktdetaljer (texturer, etiketter, ytbehandlingar) som berikar beskrivningen.

Exempel: Alternativ text (tillgänglighet)

Att automatiskt generera alt-attribut för dina webbplatsbilder förbättrar både tillgängligheten och 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

Läget low räcker här eftersom alternativ text är en generell beskrivning, inte en finmaskig analys.

Exempel: Moderering av innehåll

Du kan använda synförmågan för att automatiskt filtrera bilder som laddas upp av dina användare:

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

Bästa praxis för beskrivning

  • Var precis i din prompt: «Beskriv den här bilden» ger vaga resultat. «Identifiera produkterna, färgerna och synlig text» är mycket mer effektivt.
  • Begär ett strukturerat format (JSON, lista) för att underlätta automatisk bearbetning.
  • Justera detaljnivån efter behovet: low för klassificering, high för djupgående analys.
  • Använd store: false för känsliga bilder eller sådana som omfattas av GDPR.

Viktiga punkter

  • Beskrivning av bilder är det grundläggande användningsområdet för Grok Vision.
  • Strukturera dina prompts för att få användbara svar (JSON, listor).
  • Justera parametern detail till önskad precisionsnivå.
  • Vanliga tillämpningar inkluderar e-handel, tillgänglighet och moderering.
  • Kom ihåg store: false för känslig data.