AI-901 · Rozwiązania dla obrazu i generowania obrazów
Wysyłanie obrazu do modelu multimodalnego
Najważniejsze
- W wiadomości użytkownika umieść tablicę content: część tekstową z pytaniem i część image_url.
- Obraz to publiczny adres URL albo adres data: z base64.
- Opcjonalny parametr detail (low, high, auto) równoważy koszt i szczegółowość.
- Limity: 20 MB na obraz, 10 obrazów na żądanie.
Źródło: https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/gpt-with-vision
Przykładowe pytania
W wiadomości czatu wysyłanej do modelu z obsługą obrazu, jaki typ części treści przenosi obraz?
- Część z typem attachment_file
- Część z typem image_url
- Część z typem vision_blob
- Część z typem image_stream
Pokaż odpowiedź
Odpowiedź: B. Część z typem image_url
Obrazy przekazuje się jako część treści image_url obok części tekstowej. Pozostałe nazwy typów nie istnieją w formacie czatu.
Które stwierdzenia o ustawieniu detail w części z obrazem są poprawne?
- low używa zmniejszonego widoku 512x512 i mniej tokenów
- high dodaje szczegółowe fragmenty i zużywa więcej tokenów
- auto jest domyślne i pozwala modelowi zdecydować
- Żądanie kończy się błędem, gdy pominiemy detail
- high jest tańszym ustawieniem dla dużych obrazów
Pokaż odpowiedź
Odpowiedź: A. low używa zmniejszonego widoku 512x512 i mniej tokenów, B. high dodaje szczegółowe fragmenty i zużywa więcej tokenów, C. auto jest domyślne i pozwala modelowi zdecydować
low jest tanie i szybkie, high wydaje więcej tokenów na drobne szczegóły, a auto jest domyślne. Pominięcie detail jest dozwolone, a high nigdy nie jest tańsze.
Prawda czy fałsz: multimodalny model czatu może otrzymać obraz tylko wtedy, gdy jest dostępny pod publicznym adresem URL.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Adres data: z base64 osadza obraz w żądaniu, więc publiczny hosting nie jest potrzebny.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
