پرسش از AI درباره تصاویر: دریافت پاسخ از عکس یا اسکرین‌شات

هر دو مدل GPT در چت ما می‌توانند تصاویر را ببینند و به سوالات پاسخ دهند: خواندن تابلوها، توضیح نمودارها و یافتن خطا در اسکرین‌شات. کیفیت عکس و وضوح پرسش مهم‌ترین فاکتورها هستند.

زمان مطالعه: 6 دقیقهبه‌روزرسانی

گاهی سریع‌ترین راه برای پرسیدن یک سؤال، نشان دادن آن است. تصویری از یک تابلوی پارک گیج‌کننده، اسکرین‌شاتی از یک خطا، نموداری از یک گزارش، یا صفحه‌ای از محاسبات ریاضی دست‌نویس: هر دو مدل GPT در چت رایگان ما می‌توانند تصویر را بررسی کرده و به سؤالات مربوط به آن پاسخ دهند. آن‌ها متن‌های چاپی را می‌خوانند، خطوط نمودار را دنبال می‌کنند، جزئیات صحنه را تشخیص می‌دهند و آن را به سؤال شما ربط می‌دهند. کیفیت نتایج به دو موردی بستگی دارد که در کنترل شماست: وضوح تصویر و دقت سؤال. این راهنما هر دو مورد را به همراه محدودیت‌هایی که قبل از اعتماد به پاسخ‌ها باید بدانید، پوشش می‌دهد.

درباره تصویر چه سؤالاتی می‌توانید بپرسید

برخی از کاربردهای بسیار مناسب:

  • خواندن و ترجمه. منوها، تابلوها، برچسب‌ها و نامه‌ها به زبانی که به آن مسلط نیستید.
  • توضیح نمودار یا جدول. «روند اصلی در اینجا چیست، و آیا نکته غیرعادی وجود دارد؟»
  • عیب‌یابی صفحه نمایش. پیام‌های خطا، صفحه تنظیمات، یا فرمول اکسلی که نتیجه اشتباه می‌دهد.
  • بررسی مراحل حل مسئله. عکسی از راه‌حل ریاضی یا معادله شیمی با درخواست «اولین اشتباه را پیدا کن».
  • درک اسناد. قبض، جدول زمان‌بندی، برگه راهنما، یا فرمی که باید پر کنید.
  • توصیف یا مقایسه. دو تصویر از محصول، چیدمان یک اتاق، یا بخش‌های مختلف یک دیاگرام.
  • شناسایی محتاطانه اشیاء. یک گیاه، پرنده، نوع کابل یا ابزار. این نتایج را صرفاً حدس اولیه‌ای برای بررسی در نظر بگیرید و هرگز بر اساس آن گیاه یا قارچی را مصرف نکنید.

نحوه افزودن تصویر در چت ما

  1. دکمه + در سمت چپ کادر پیام را بزنید و عکس یا اسکرین‌شات را انتخاب کنید، یا در رایانه فایل را مستقیماً داخل چت بکشید. در گوشی می‌توانید از گالری انتخاب کنید.
  2. سؤال خود را در همان پیام بنویسید و ارسال کنید.
  3. مانند معمول سؤالات بعدی را بپرسید. مدل در همان گفتگو درباره تصویر پاسخ می‌دهد.

چند نکته کاربردی: در هر پیام می‌توانید یک تصویر با فرمت‌های رایج مثل JPG، PNG یا WebP پیوست کنید. تصاویر بزرگ قبل از ارسال کوچک می‌شوند تا سرعت حفظ شود، اما این کار ممکن است خواندن نوشته‌های بسیار ریز را دشوار کند؛ بنابراین بخش مهم تصویر را برش (Crop) دهید. تصاویر سهمیه روزانه کوچک و مجزایی در کنار پیام‌های رایگان دارند؛ جزئیات در سؤالات متداول آمده است. هر دو مدل GPT-6 Luna و GPT-6.1 Terra توانایی پردازش تصویر را دارند و می‌توانید از هر کدام استفاده کنید.

گرفتن عکسی مناسب برای پردازش توسط مدل

مدل تنها روی داده‌ای که دریافت می‌کند کار می‌کند. رعایت این نکات بیشترین تفاوت را ایجاد می‌کند:

  • کادر را پر کنید. تصویر را طوری برش دهید که فقط جدول، پاراگراف یا بخشی از صفحه که درباره‌اش می‌پرسید باقی بماند.
  • نور کافی داشته باشید و از انعکاس دوری کنید. نور روز در کنار پنجره بسیار بهتر از فلاش است، زیرا فلاش روی کاغذ براق و صفحه نمایش بازتاب ایجاد می‌کند.
  • از روبرو عکس بگیرید. گوشی را موازی با صفحه نگه دارید تا خطوط صاف بمانند و متن کشیده نشود.
  • به جای عکس از مانیتور، اسکرین‌شات بگیرید. اسکرین‌شات واقعی واضح‌تر است و انعکاس نور یا خطوط موآره (Moiré) ندارد.
  • یک موضوع در هر تصویر. دو مشکل جداگانه در یک عکس باعث پاسخ‌های مبهم می‌شود؛ آن‌ها را در پیام‌های جداگانه بفرستید.
  • خوانایی را بررسی کنید. روی عکس خود زوم کنید. اگر خواندن یک عدد برای شما سخت است، برای مدل هم همین‌طور خواهد بود.

پرامپت‌هایی برای دریافت پاسخ‌های کاربردی

ارسال تصویر بدون توضیح، یا با جمله مبهم «این چیست؟»، مدل را وادار به حدس زدن منظور شما می‌کند. مشخص کنید چه چیزی را می‌خواهید بدانید و چرا.

ضعیف:
[عکس یک قبض] این رو توضیح بده.

قوی:
[عکس یک قبض] این قبض برق من است. چرا مبلغ کل نسبت به ماه گذشته
بیشتر شده است؟ ردیف‌هایی را که تغییر کرده‌اند مشخص کن، هر هزینه‌ای با
اصطلاحات فنی را توضیح بده و بگو کدام اعداد را باید با شماره کنتورم
مقایسه کنم.
ضعیف:
[اسکرین‌شات یک ارور] کمک کن.

قوی:
[اسکرین‌شات یک ارور] هنگام باز کردن یک فایل در Excel روی Windows 11
با این ارور مواجه می‌شوم. از دیروز هیچ تغییری نداده‌ام. معنی این پیام
چیست و به ترتیب از کم‌خطرترین تا اساسی‌ترین راه‌حل، ابتدا چه کارهایی
را باید امتحان کنم؟

سایر عبارت‌های کمکی: «تمام متن این تصویر را دقیقاً همان‌طور که نوشته شده بازنویسی کن»، «تنها بر اساس آنچه می‌بینی پاسخ بده و اگر بخشی ناخواناست اعلام کن»، «پیش از تحلیل نمودار، محورها و واحدهای آن را توضیح بده». عبارت آخر مانع از اشتباه خواندن مقیاس‌ها می‌شود. برای امتحان، یک نمودار را با دکمه + به این پرامپت تحلیل نمودار اضافه کرده و ارسال کنید.

برای تصاویر Luna بهتر است یا Terra؟

برای خواندن تابلو، ترجمه منو یا توصیف یک عکس، مدل پیش‌فرض GPT-6 Luna سریع و توانمند است. برای تصاویر پرجزئیات یا تخصصی، گزینه Think را بزنید تا از GPT-6.1 Terra استفاده شود. OpenAI توانایی Terra را ترکیب استدلال بصری دقیق با نگارش واضح معرفی می‌کند؛ مثل تحلیل نقشه‌های فنی و تطبیق عکس محصول با اطلاعات کاتالوگ. این مدل برای نمودارهای شلوغ، نقشه‌های سیم‌کشی، پلان ساختمان، مسائل چندمرحله‌ای ریاضی در عکس و اسکرین‌شات‌های پر از جزئیات ریز انتخاب بهتری است. در مقایسه Luna و Terra تفاوت‌های بیشتری را بررسی کرده‌ایم.

آنچه این قابلیت انجام نمی‌دهد

  • تولید یا ویرایش عکس. چت ما به پرسش‌های مربوط به تصاویر پاسخ می‌دهد؛ عکس تولید یا ویرایش نمی‌کند. در صورت درخواست، ابزار هوش مصنوعی مجزایی را برای تولید تصویر پیشنهاد می‌دهد.
  • خواندن سایر فرمت‌های فایل. امکان پیوست فایل‌های PDF، متنی و اکسل وجود ندارد. از صفحه مربوطه اسکرین‌شات بگیرید یا متن آن را کپی و پیست کنید.
  • شناسایی افراد. نخواهید که افراد ناشناس در تصویر را شناسایی کند. این کار خطرات حریم خصوصی جدی دارد و مدل‌ها برای رد چنین درخواست‌هایی طراحی شده‌اند.
  • تشخیص پزشکی. می‌تواند ضایعه پوستی، تصویر رادیولوژی یا بخش غیرعادی موتور خودرو را توصیف کند، اما هرگز جایگزین پزشک یا مکانیکی نیست که موضوع را از نزدیک بررسی می‌کند.
  • اطمینان صددرصدی. مدل‌ها ممکن است اعداد را اشتباه بخوانند، متن‌های ریز را نادیده بگیرند و گاهی مواردی را توصیف کنند که وجود ندارد. قبل از هر اقدامی، اعداد و نام‌ها را شخصاً چک کنید.
ابتدا درخواست بازنویسی متن را بدهید. برای مواردی مثل رسید، جدول یا برگه آزمایش که عدد دارند، قبل از محاسبه یا تحلیل از مدل بخواهید متنی را که می‌خواند بنویسد. به این ترتیب اعداد اشتباه خوانده‌شده را فوراً پیدا و اصلاح می‌کنید تا پاسخ نهایی خراب نشود.

حفظ حریم خصوصی تصاویر

عکس‌ها ممکن است اطلاعاتی بیش از قصد شما را نشان دهند: نام‌های روی بسته‌ها، چهره افراد در پس‌زمینه، تب‌های باز در اسکرین‌شات، یا پلاک خانه. قبل از ارسال، این موارد را برش دهید یا بپوشانید. در gpt.me، تصاویر فقط برای تولید پاسخ مربوطه ارسال می‌شوند و در لینک‌های اشتراک‌گذاری گفتگو قرار نمی‌گیرند. چک‌لیست کامل در راهنمای حریم خصوصی و امنیت موجود است. برای امور درسی مانند عکس تکالیف، راهنمای هوش مصنوعی برای دانش‌آموزان و دانشجویان را ببینید؛ همچنین برای مسائل ریاضی، بخش حل‌کننده ریاضی مراحل حل را توضیح می‌دهد.

سؤالات متداول

چه فرمت‌هایی از تصاویر قابل آپلود هستند؟

فرمت‌های رایج تصویری مانند JPG، PNG و WebP پشتیبانی می‌شوند. فایل‌های دیگر مثل PDF و اسناد متنی پشتیبانی نمی‌شوند؛ از صفحه مورد نظر اسکرین‌شات بگیرید.

آیا می‌توانم چند عکس را هم‌زمان بفرستم؟

در هر پیام یک عکس می‌توانید ارسال کنید. برای دو تصویر، مثل عکس‌های قبل و بعد، آن‌ها را در پیام‌های پشت سر هم بفرستید و سپس سؤالتان را درباره هر دو مطرح کنید.

چرا متن داخل عکسم اشتباه خوانده شد؟

معمولاً متن خیلی ریز، تار یا زاویه‌دار بوده، یا اندازه عکس بیش از حد کاهش یافته است. کادر را نزدیک‌تر برش دهید، در نور مناسب و زاویه مستقیم عکس بگیرید و پیش از تحلیل از مدل بخواهید متن را بازنویسی کند.

آیا می‌تواند برای من تصویر بسازد؟

خیر. چت ما تصاویر را بررسی می‌کند اما توانایی تولید یا ادیت آن‌ها را ندارد. در صورت درخواست تصویر، ابزار جداگانه‌ای برای ساخت تصویر با هوش مصنوعی پیشنهاد می‌دهد.

آیا ارسال تصویر هزینه اضافه دارد؟

خیر. پیامی که شامل تصویر است مانند سایر پیام‌ها شمرده می‌شود، و سهمیه روزانه کوچک و مجزایی هم برای تصاویر وجود دارد تا در صورت اتمام آن، ارسال پیام‌های متنی متوقف نشود.

سؤالی دارید؟ همین الان بپرسید

بدون نیاز به حساب کاربری و دانلود. چت را باز کنید، سؤال خود را بنویسید و در عرض یکی دو ثانیه پاسخ را ببینید.

شروع چت