Mikor éri meg a magas felbontás
A magas felbontás akkor indokolt, ha a feladat aprólékos munkát igényel, mint egy sűrű, apró betűs dokumentum elolvasása, egy diagram pontos adatainak kiolvasása, vagy egy felület elemeinek pontos beazonosítása, amilyen a computer use jellegű feladatoknál szokott előfordulni. Ezzel szemben egyszerűbb feladatoknál, mint egy termékfotó általános leírása vagy egy kép hangulatának megállapítása, a standard felbontás is elég, és jelentősen olcsóbb.
Standard felbontás elég
- Termékfotó általános leírása
- Kép hangulatának megállapítása
- Egyszerű kategorizálás
Jelentősen olcsóbb, az eredmény nem romlik.
Magas felbontás indokolt
- Sűrű, apró betűs dokumentum olvasása
- Diagram pontos adatainak kiolvasása
- Felületelemek beazonosítása, computer use
A pontosság itt megéri a magasabb token költséget.
Konkrét üzleti alkalmazások
A leggyakoribb gyakorlati esetek közé tartozik a beérkező számlák vagy nyugták adatainak kinyerése egy fotó alapján, egy termékkatalógus képeinek automatikus leírása és kategorizálása, egy technikai hibaüzenetről készült képernyőkép elemzése ügyfélszolgálati kontextusban, valamint egy több oldalas szerződés vagy jelentés beszkennelt oldalainak feldolgozása egyszerre. Mindegyik esetben a közös pont, hogy a kép önmagában hordozza az információt, amit korábban kézzel kellett volna kiolvasni és begépelni.
Korábbi munkamenet
A számla, katalógus vagy szerződés adatait ember olvassa ki és gépeli be, oldalanként, kézzel.
Vision alapú munkamenet
A kép önmagában hordozza az információt, a modell nyeri ki az adatot, az ember csak ellenőriz.
Képminőségi tanácsok
A jó eredmény érdekében érdemes tiszta, nem homályos képet küldeni, amelyen a szöveg, ha van, olvashatóan látszik. A tömörítés, mint a JPEG vagy WebP veszteséges tömörítése, csökkenti a fájlméretet, de ronthatja a szövegolvashatóságot, ezért szöveget tartalmazó dokumentumoknál érdemes óvatosan bánni vele. Végül fontos emlékezni arra is, hogy a képfeltöltések efemerek, nem tárolódnak a kérés feldolgozása utáni időn túl, és az Anthropic nem használja fel a feltöltött képeket modell tanításhoz.
- Tiszta, éles képHomályos vagy elforgatott kép helyett újrafotózod, mielőtt elküldenéd.
- Olvasható szövegHa a képen szöveg van, ránézésre is olvashatónak kell lennie.
- Óvatos tömörítésA veszteséges JPEG vagy WebP tömörítés dokumentumoknál ronthatja a szövegolvashatóságot.
- Adatkezelés tudvaA feltöltött kép efemer, nem tárolódik a feldolgozás után, és nem kerül modell tanításba.
Forrás
A hivatalos Claude Vision dokumentáció alapján, magyar feldolgozásban.
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 →