Multimodális alkalmazások · Lecke 03

Több kép egy promptban

Claude egyetlen kérésben több képet is együttesen tud elemezni. Ez a lecke bemutatja, mikor érdemes ezt kihasználni, és hogyan érdemes felépíteni az ilyen kéréseket.

Vissza a tananyaghoz

Együttes elemzés több képből

Ha egy kérésben több kép is szerepel, Claude ezeket nem külön-külön, hanem együttesen elemzi, és a válaszban összefüggésbe is tudja hozni őket egymással. Ez különösen hasznos két kép összehasonlításánál, például két termékváltozat közötti különbség kiemelésénél, vagy egy folyamat egymást követő lépéseinek értelmezésénél, mint amilyen egy több oldalas dokumentum beszkennelt oldalai.

Image 1 1. oldal Image 2 2. oldal Image 3 3. oldal Egy közös válasz a 3 oldal alapján
A címkézett képeket Claude sorban dolgozza fel, majd egy összefüggő válaszban foglalja össze.

Címkézd a képeket

Ha több képet küldünk egy kérésben, érdemes minden kép elé egy rövid szöveges címkét illeszteni, például "Image 1:" vagy "Image 2:". Ez nem technikai kényszer, hanem gyakorlati segítség, mert így a kérdésben és a válaszban is pontosan lehet hivatkozni az egyes képekre, elkerülve a félreértést arról, hogy éppen melyik képről van szó.

Címke nélkül

"Hasonlítsd össze a két terméket a képeken."

A válaszban nem egyértelmű, melyik megállapítás melyik képre vonatkozik.

Címkékkel

"Image 1: a régi csomagolás. Image 2: az új csomagolás. Miben térnek el?"

A kérdés és a válasz is pontosan hivatkozhat az egyes képekre.

Több kép, egy limit

A képek száma nem korlátlan egy kérésen belül. A claude.ai felületen legfeljebb 20 kép küldhető egy üzenetben. Az API-n ennél nagyobb a mozgástér, a 200k tokenes kontextusablakú modelleknél 100 kép engedélyezett kérésenként, más modelleknél pedig akár 600 kép is. Emellett minden kép mérete is korlátozott, legfeljebb 8000x8000 pixel lehet, és 20 képnél többet tartalmazó kérésnél szigorúbb per-kép méretkorlát is életbe lép.

claude.ai 20 kép / üzenet API, 200k kontextus 100 kép / kérés Egyéb modellek 600 kép / kérés
A képenkénti limit a felülettől és a modell kontextusablakának méretétől is függ.
claude.ai felület20 kép
API, 200k tokenes kontextus100 kép
API, egyéb modellek600 kép

Kérésenkénti képlimitek az Anthropic dokumentációja szerint. Az API-n harmincszor több kép fér egy kérésbe, mint a chat felületen.

8000×8000

Ez a képenkénti pixelkorlát. Húsznál több képet tartalmazó kérésnél ennél szigorúbb per-kép méretkorlát lép életbe.

Emlékezet a beszélgetésben

Ha egy beszélgetés több fordulóból áll, Claude az összes korábbi fordulóból emlékszik a benne szereplő képekre. Ez azt jelenti, hogy egy követő kérdésnél nem kell újraküldeni a korábban már elküldött képeket, elég csak az új szöveges kérdést feltenni, a modell a teljes eddigi kontextust, beleértve a képeket is, figyelembe veszi.

  1. Első forduló képekkelElküldöd a képeket a kérdéssel együtt, Claude együttesen elemzi őket.
  2. Követő kérdés csak szöveggelNem kell újraküldeni a képeket, elég az új kérdést feltenni.
  3. A teljes kontextus élClaude a korábbi fordulók képeire is emlékszik, és azokat is figyelembe veszi a válaszban.
← Előző lecke Következő lecke →

Workshop

AI Transformation Day

Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, prioritizált cselekvési lista.

Érdekel a program →