Gyakorlati alkalmazások

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.

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.

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.

Forrás

Az Anthropic hivatalos Claude Vision dokumentációjának (platform.claude.com/docs/en/build-with-claude/vision) magyar feldolgozása.