Beskrivning av bilder
På denna sida
Extrahera insikter från dina bilder
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.
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:
lowför klassificering,highför djupgående analys. - Använd
store: falseför 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
detailtill önskad precisionsnivå. - Vanliga tillämpningar inkluderar e-handel, tillgänglighet och moderering.
- Kom ihåg
store: falseför känslig data.