Funkcja AI Vision – Opisz obraz do promptu
AI Vision to funkcja umożliwiająca opisanie obrazu i przekształcenie go w prompt. Odbywa się to przy użyciu jednego z popularnych modeli SI, takich jak ChatGPT lub Gemini. Możesz wybrać model, który preferujesz, biorąc pod uwagę wydajność lub koszt.
Dlaczego opisujesz swoje zdjęcia?
Znalezienie odpowiednich słów do zdjęć jest łatwe dzięki Light Image Resizer's Funkcja AI Vision W Light Image Editor. Analizuje Twoje obrazy na poziomie technicznym, aby automatycznie generować opisy. Aplikacja przygotowuje Twój obraz (konwertując na JPEG i zmieniając rozmiar na około 1024×1024, który jest regulowany) dla efektywnego przetwarzania AI. Ten etap wstępnej analizy pomaga zapewnić szybsze przetwarzanie i może uczynić funkcję bardziej opłacalną. Pozwól AI opisywać, żebyś ty nie musiał!
Pobierz Light Image Editor
Pobierz i zainstaluj Light Image Resizer 7
Znajdź Light Image Editor w ikonie tacki, załaduj zdjęcie i uruchom w menu głównym – Narzędzia – Wizja AI.
Pobierz klucz API
Funkcja AI Vision AI jest obecnie dostępna w Light Image Editor aplikacji. Który jest dołączony do pakietu instalacyjnego Light Image Resizer. To aplikacja lokalna tylko dla Windowsa. Będziesz potrzebować klucza API, albo do Google Gemini, albo do ChatGPT od OpenAI. Oznacza to, że będziesz płacić w trakcie pracy, nie potrzebujesz miesięcznej subskrypcji.
Po pierwsze, pobierz klucz API modeli wizualnych
Pobierz klucz API dla Google AI studio (Gemini)
Pobierz klucz API z OpenAI (ChatGPT)
Na razie polecamy Gemini, jest tańszy i dobrze sprawdza się do opisywania obrazów.
Gdy już masz klucz (i napisy końcowe), możesz wprowadzić klucz w opcji Light Image Resizer widzenia AI dostępnej w tym menu.
Modele wizji LLM działają dobrze w języku angielskim, francuskim, niemieckim i w popularnych językach, co nie dotyczy niektórych innych popularnych modeli wizji. Ollama może być wspierana później, jeśli uznasz to za interesujące, a dużą zaletą jest to, że dane będą w pełni prywatne i lokalne, i nie będziesz obciążany żadnymi żądaniami ani tokenami. Zobacz modele wizji wspierane przez Ollamę
Wyłączenie: Aby być w pełni w 100% lokalnym i prywatnym, musisz używać Ollama i modelu lokalnego. W przypadku ChatGPT i Gemini aplikacja zmienia rozmiar obrazu i wysyła go do chmury, ale nie przechowuje żadnej kopii. Jeśli nie chcesz udostępniać swoich zdjęć ani wrażliwych danych (szczególnie treści NSFW), nie korzystaj z modeli chmurowych, a z Ollama.
Jakie zadania możesz wykonać?
Oznaczaj swoje zdjęcia, aby znaleźć je za pomocą słów kluczowych. Odgadywanie położenia zdjęcia, gdy nie pamiętasz, gdzie je zrobiłeś. Znajdź inspirację, gdy chcesz opublikować nowy post na Instagramie lub TikToku. To doda ładne ikony, które poprawią Twój marketing.
Wszystko zależy od twojego promptu, zobacz kilka przykładów promptów i jak wpływają na efekt.
Gdy już masz klucz (i napisy końcowe), możesz wprowadzić klucz w opcji Light Image Resizer widzenia AI dostępnej w tym menu.
Modele wizji LLM działają poprawnie w języku angielskim, francuskim, niemieckim i popularnych językach, czego nie można powiedzieć o niektórych innych popularnych modelach wizji. Ollama może być wspierane później, jeśli uznasz to za interesujące, a dużą zaletą jest to, że dane będą całkowicie prywatne i lokalne, i nie zostaniesz obciążony żadnymi opłatami za żądania ani tokeny. Zobacz modele wizji wspierane przez Ollamę
Jaka jest różnica między opisywaniem obrazu, analizą obrazu, streszczeniem obrazu?
I może to być to samo pytanie o różnicę między obrazem, fotografią a zdjęciami. To trochę podobnie, ale zależy od tego, co musisz zrobić i kim jesteś. Zobacz jakieś możliwe zadania AI Vision:
- Znajdowanie słów kluczowych dla fotografów
- OCR i dokumenty podsumowujące dla księgowych
- Automatycznie obrazy podpisów
- Inspiracja inspiracją do posta na Instagramie lub TikToku
- Zidentyfikuj marki i celebrytów
- E-commerce modowy
- Geozgadywanie – znajdź lokalizację na zdjęciu
- Diagnostyka naukowa, zdrowotna, astronomiczna
Kilka inspiracji w postaci podpowiedzi do opisania obrazu
Słowa kluczowe dla fotografii
Zwróć bezpośrednio, bez komentarza, listę 50 słów kluczowych oddzielonych przecinkiem, aby opisać temat, tło, obiekty, miejsce i nastrój
Kobieta, kabriolet, samochód, pustynia, wielbłądy, piasek, droga, podróże, turystyka, przygoda, wakacje, stylowe, moda, portret, natura, słonecznie, wiatr, włosy, rude włosy, szalik, biały samochód, skórzane siedzenia, zagłówek, suchy krajobraz, suchy, upał, słońce, modelka, pozowanie, pewność siebie, zrelaksowana, atrakcja turystyczna, horyzont, tło, odległe, rozmyte, nieostre, transport, otwarty dach, wypoczynek, pragnienie podróży, nowoczesność, moda, styl, elegancja, wolność, podróż, odkrywca, odległe, malownicze, destynacyjne, nieformalne, letnie, dzienne, wakacje, ucieczka, przygoda, podróże, podróż samochodem.
Podsumowanie dokumentu OCR
Wykonaj szczegółowe OCR dokumentu, następnie przetłumacz na angielski i wyjaśnij w podsumowaniu o 200 słowach, czym jest dokument i jakie są ważne elementy.
Ten dokument to faktura z “Les Minotiers,” hotel/kwatera (Logis de France) znajdujący się w Mirepoix, Francja. Faktura oznaczona numerem 43197 i datowana na 18 lutego 2014 r. wyszczególnia opłaty za pobyt w pokoju nr 12. Gość przyjechał 17 lutego 2014 roku, a wyjechał 18 lutego 2014 roku. Całkowita kwota do zapłaty wynosi 73,92 euro. Opłaty obejmują cenę pokoju (57,00 euro), opłatę klimatyczną (0,92 euro) i śniadanie (16,00 euro). Faktura rozbija podatek VAT (podatek od wartości dodanej) w wysokości 10% na część opłat. Na fakturze widnieje również równowartość 484,88 w starej walucie francuskiej “Franki”. Dane kontaktowe firmy, identyfikatory biznesowe oraz VAT
Opis na Instagramie
Stwórz opis posta na Instagramie na niedzielę, bądź kreatywny i zabawny, by uzyskać jak najlepsze zaangażowanie oraz liczbę polubień lub komentarzy
Niedzielny nastrój: planowanie mojej kolejnej paryskiej przygody. 🥐 Ten klasyczny samochód + widok na rzekę = 💯. Ale prawdziwe pytanie brzmi… brunch z szampanem czy zwiedzanie muzeów? 🤔 Jaka jest TWOJA idealna niedzielna aktywność? Daj znać w komentarzach! 👇 #ParisianVibes #SundayFunday #ClassicCars #StyleInspo #WeekendGetaway #TravelDreams
Nauka & Edukacja
Jako ekspert proszę przeanalizować naukowo to zdjęcie i przesłać opis o długości 200 słów. Zaproponuj najlepszą specjalizację naukową do diagnozy rozwiązania.
Ten obraz rentgenowski przedstawia kości ludzkiej dłoni i nadgarstka. Kości nadgarstka, kości śródręczne i paliczki są widoczne. Wydaje się, że występuje złamanie proxymalnej paliczka czwartego palca (palca serdecznego). Złamanie wydaje się być złamaniem rozdrobnionym, co oznacza, że kość została złamana na wiele fragmentów. Widoczne jest przemieszczenie złamanych fragmentów kości, co wskazuje, że złamanie nie jest stabilne i może wymagać interwencji w celu zapewnienia prawidłowego gojenia i ustawienia. W tym konkretnym projekcie nie widać innych widocznych złamań ani zwichnięć w pozostałych kościach dłoni i nadgarstka. Gęstość kości wydaje się normalna w granicach tego obrazu.
Moda & E-commerce
Na stronie produktu e-commerce opisz zdjęcie kolorem, kształtem, materiałami, stylem. 100 słów opisu z wpływem marketingowym.
Odważ się być inna w tej oszałamiającej czarnej sukience. Wykonany z miękkiej, przylegającej do ciała dzianiny, ten model ma wyrafinowany golf i podkreślającą sylwetkę sylwetkę, która przechodzi w elegancką długość midi. Dramat tkwi w obszernych mankietach ze sztucznego futra, które dodają odrobinę bogatej faktury i niezaprzeczalnego pazura. Idealna na wieczorne wyjście lub wyrazistą imprezę, ta sukienka jest nowoczesnym arcydziełem. Bez wysiłku szykowny i nieskończenie wszechstronny, przygotuj się, aby przyciągnąć wzrok, gdziekolwiek jesteś. Bądź właścicielem pokoju. Posiadaj swój styl.
GeoGuessing
Zgadnij lokalizację zdjęcia, zacznij od kraju, obszaru, a potem miasta. Dodaj 50 słów, aby opisać temat. Zakończ z procentem od szacunku dokładności.
Oto moja analiza tego zdjęcia:
- Kraj: Francja
- Obszar: Nowa Akwitania
- Miasto: Cap Ferret
Opis tematu: Mała, jaskrawo pomalowana łódź spokojnie unosi się na wodzie, a jej czerwono-kadłub uderzająco kontrastuje z błękitem. Na pierwszym planie wystają drewniane słupki wystające z wody. Za drzewami widoczna jest latarnia morska Arcachon. W oddali rozciąga się piaszczysta plaża.
Szacowanie dokładności: 85%
Jeśli masz jakiś przypadek użytkownika, którym chcesz się z nami podzielić, lub jeśli chcesz uzyskać pomoc dotyczącą tej nowej funkcji wizji AI, daj nam znać!