AI 图像识别:从照片或截图中快速获取答案

聊天中的 GPT 模型均支持看图答疑:辨识标牌、解读图表、排查报错截图等。一张清晰的图片配合精准的问题,即可发挥极佳效果。

阅读时间 5 分钟更新于

有时候,提问最快的方式就是直接展示出来。无论是令人困惑的停车标志照片、报错截图、报告中的图表,还是一页手写数学题:在我们的免费聊天中,两款 GPT 模型都能查看图片并回答相关问题。它们能识别印刷文字、看懂图表走势、发现画面中的细节,并结合你的问题给出解答。回答效果很大程度上取决于你可控的两点:图片的清晰度和提问的精准度。本指南将介绍这两点,并说明在参考答案前需要了解的局限性。

你可以围绕图片提问什么

以下场景效果很好:

  • 阅读与翻译。 外语菜单、路标、标签或信件。
  • 解读图表或表格。 “这里的主要趋势是什么,有什么异常数据吗?”
  • 排查屏幕问题。 报错弹窗、设置页面,或显示错误结果的表格公式。
  • 检查演算过程。 拍摄数学解题过程或化学方程式,并提问“找出第一处错误”。
  • 看懂各类文档。 账单、时刻表、说明书,或是需要填写的表格。
  • 描述或对比。 两张产品照片、房间布局、流程图的组成部分。
  • 辅助辨认物品(需谨慎)。 植物、鸟类、接口或工具类型。请仅将其作为参考推测,切勿据此食用未知植物或野生菌。

如何在聊天中添加图片

  1. 点击输入框左侧的 + 按钮,选择照片或截图;在电脑上也可以直接把文件拖入聊天窗口。在手机上则可以直接从相册选择。
  2. 在同一条消息中输入你的问题并发送。
  3. 像往常一样继续追问。模型会在同一个对话中结合图片进行回答。

一些实用细节:每条消息可添加一张图片,支持 JPG、PNG 或 WebP 等常见格式。大图会在发送前被压缩以保证响应速度,但这可能导致极小的文字变得难以看清,因此建议紧贴重点内容进行裁剪。图片在免费消息之外设有单独的每日配额,具体额度见 FAQ。GPT-6 Luna 和 GPT-6.1 Terra 都支持图像识别,你可以任选其一。

拍出模型看得清的照片

模型只能处理它接收到的画面。养成以下习惯能带来巨大改善:

  • 主体填满画面。 裁剪掉多余背景,只保留你要提问的表格、段落或屏幕区域。
  • 光线充足,避免反光。 窗边的自然光远好于闪光灯,闪光灯容易在铜版纸和屏幕上产生刺眼亮斑。
  • 正对拍摄。 让手机与纸面保持平行,这样线条才能平直,文字也不会拉伸变形。
  • 优先用截图,而非拍屏幕。 真正的屏幕截图更清晰,且没有反光或摩尔纹。
  • 一图一事。 一张图里包含两个独立问题容易导致答案混乱,建议分两条消息发送。
  • 自己先确认是否清晰。 放大查看你拍的照片。如果你自己都很难辨认某个数字,模型同样也会看错。

写出能获得实用答案的提示词

只发图片不提问,或者只问一句“这是什么?”,会让模型只能去猜你在意什么。直接说清你想知道什么以及原因。

效果较弱:
[水电费账单照片] 解释一下这个。

效果较好:
[水电费账单照片] 这是我的电费账单。为什么总额比上个月高?
请指出发生变化的明细项,解释带有专业名称的收费项目,
并告诉我应该把哪些数字与电表读数进行核对。
效果较弱:
[报错截图] 求助。

效果较好:
[报错截图] 我在 Windows 11 上用 Excel 打开表格时出现了这个错误。
从昨天开始我没有改动任何东西。这个提示是什么意思?
我应该先尝试什么操作?请按从最安全到改动最大的顺序列出。

其他实用的要求包括:“一字不差地提取图片中的所有文字”、“仅根据能看清的内容回答,若有模糊不清的地方请明确指出”、“解读前先说明图表的坐标轴和单位”。最后一句能帮你尽早发现读错量程的问题。如需尝试,可以通过 + 按钮添加图表并配合此图表解读提示词发送。

看图该选 Luna 还是 Terra?

识别路标、翻译菜单或描述普通照片时,默认的 GPT-6 Luna 快速且完全够用。对于密集或技术性强的图片,点击 Think 切换到 GPT-6.1 Terra。OpenAI 称 Terra 结合了细致的视觉推理与清晰的文字表达,适用于解读工程图纸、将产品照片与产品目录匹配等场景。面对复杂的图表、接线图、户型图、照片中的多步数学计算以及充满细微之处的截图,它是更好的选择。详细区别请参阅我们的 Luna 与 Terra 对比。

它无法做到哪些事

  • 生成或编辑图片。 我们的聊天只能分析图片,无法绘制或修改图片。如果你要求生成图片,它会引导你使用专门的 AI 生图工具。
  • 读取其他文件格式。 无法直接上传 PDF、文档或表格。请对相关页面截图,或者直接复制粘贴文字。
  • 识别人脸身份。 请勿要求它识别照片中的陌生人是谁。这涉及严重的隐私问题,模型本身也被设定为拒绝此类请求。
  • 进行医疗诊断。 它可以描述皮疹、X 光片或汽车引擎舱的异常异响,但这绝不能替代专业医生或汽修师傅的现场检查。
  • 保证百分之百准确。 模型可能会看错数字、遗漏小字,有时还会虚构画面中不存在的内容。在据此采取行动前,请务必核对关键数字和名称。
先让它抄录文字。 对于任何包含数字的内容(如收据、时刻表或化验单),在让模型计算或解释之前,先要求它完整抄录读出的内容。这样你只需几秒钟就能发现认错的数据,避免后续得出完全错误的结论。

注意保护图片隐私

照片包含的信息往往比你想展示的更多:信封上的姓名、背景中的人脸、截图里未关闭的标签页、门牌号等。上传前请裁剪或遮挡这些内容。在 gpt.me 上,图片仅用于生成对应的回答,不会包含在公开分享的对话链接中。隐私与安全指南中有一份完整的注意事项清单。如果是学习用途(如拍摄作业),请参考我们的学生 AI 指南;针对照片中的数学题,数学解题助手可以提供分步讲解。

常见问题

我可以上传哪些图片格式?

支持 JPG、PNG 和 WebP 等常见图片格式。不支持 PDF 和各类文档;如需提问,请截取页面作为图片上传。

可以一次发送多张图片吗?

每条消息只能附带一张图片。如果有两张图片(如对比图),请分两条连续的消息发送,然后再针对这两张图片提问。

为什么它看错了照片里的文字?

通常是因为字迹太小、模糊或拍摄角度倾斜,也可能是图片被压缩得太厉害以至于细节丢失。请裁去无关边缘,在充足光线下正对重拍,并要求它在作答前先完整抄录一遍文字。

它可以帮我画图吗?

不行。我们的聊天功能可以看图,但无法生成或修改图片。当你提出画图要求时,它会推荐独立的 AI 生图工具。

上传图片需要额外付费吗?

不需要。带图片的消息计入普通消息额度,此外图片还有一个单独的每日限制额度,达到该上限后纯文本提问依然可以正常使用。

有疑问?立即提问

无需注册账号,无需下载安装。打开聊天界面,输入你的问题,一两秒内即可收到回答。

开始聊天