Hvilke filformater understøtter Claude til billedupload i multimodal prompting?

Claude understøtter typisk standard billedformater som JPEG, PNG og WebP til multimodal prompting. Disse formater sikrer en bred kompatibilitet og god billedkvalitet for analyse. Det anbefales at bruge formater, der balancerer filstørrelse og visuel klarhed for optimal ydeevne.

Kan Claude analysere videoer eller lydfiler udover billeder i multimodal prompting?

Nej, Claudes multimodale kapacitet er primært fokuseret på at kombinere tekst og stillbilleder. Den kan ikke direkte analysere video- eller lydfiler i deres native formater. For den type medier ville en forudgående transskription eller udtræk af stillbilleder være nødvendig for at bruge Claude.

Hvad er den primære fordel ved multimodal prompting frem for blot at beskrive et billede med tekst?

Den primære fordel er, at Claude direkte kan "se" og forstå billedets indhold, hvilket eliminerer fejl og unøjagtigheder fra manuel beskrivelse. Det giver mulighed for dybdegående analyse af visuelle data som grafer, screenshots og dokumenter, som ville være yderst tidskrævende eller umuligt at formidle præcist med tekst alene. Dette sikrer mere præcise og kontekstuelt relevante svar.

Hvad sker der, hvis jeg uploader et billede med meget lille eller ulæselig tekst til Claude?

Hvis teksten i et uploaded billede er meget lille eller ulæselig, vil Claude have svært ved at transskribere eller forstå den korrekt. Det kan resultere i fejlfortolkninger eller mangelfulde svar. For at opnå de bedste resultater bør billeder beskæres, så den relevante tekst er stor og tydelig, og billedkvaliteten skal være høj.

Hvilke andre store AI-modeller tilbyder også multimodal prompting-funktioner?

Blandt andre førende AI-modeller tilbyder Google Gemini og OpenAI's ChatGPT (Vision) også robuste multimodale funktioner. Disse modeller kan ligesom Claude behandle og analysere både tekst- og billedinput i samme prompt. Hver model har sine specifikke styrker og anvendelsesområder inden for multimodalitet.

Kan multimodal prompting i Claude bruges til at generere nye billeder eller redigere eksisterende?

Nej, Claudes multimodale funktionalitet er designet til analyse og forståelse af billedinput i kombination med tekst, ikke til billedgenerering eller redigering. Claude kan beskrive et billede eller udtrække information, men den har ikke evnen til at skabe nye visuelle elementer eller modificere de uploadede billeder.

Hvordan påvirker billedstørrelse og -opløsning Claudes evne til at analysere et billede korrekt?

Billedstørrelse og opløsning har stor betydning for Claudes analysepræcision. Højere opløsning og en passende størrelse sikrer, at detaljer som tekst og små elementer er tydelige og læsbare for modellen. Meget lav opløsning eller overdrevent store, uoptimerede billeder kan dels fylde kontekstvinduet hurtigere, dels forringe modellens evne til præcist at identificere indhold.

Multimodal Prompting i Claude: Kombinér tekst og billeder for præcise svar

Øvet Deep dive 7 min læsning

Din kollega sender dig et screenshot af en fejlmeddelelse, en graf fra en kvartalsrapport eller et foto af en whiteboard-brainstorm. Du åbner billedet, kigger på det i ti sekunder og skriver så en lang forklaring i chatten. Hvad nu hvis du bare kunne sende billedet direkte til Claude og få præcis det svar, du har brug for? Det er præcis, hvad multimodal prompting gør muligt. Her får du konkrete teknikker til at kombinere tekst og billeder, så du får markant bedre svar ud af Claude. Artiklen er en del af vores Masterclass i Claude, hvor du kan dykke dybere ind i alle Claudes funktioner.

Indholdsfortegnelse

Hvad betyder "multimodal" i praksis?
Tre situationer hvor visuel AI prompting slår ren tekst
Sådan skriver du gode multimodale prompts
Fire færdige prompts du kan bruge i dag
Begrænsninger du skal kende
Kom godt i gang allerede i morgen

Hvad betyder "multimodal" i praksis?

Ordet lyder teknisk, men princippet er enkelt. "Multimodal" betyder bare, at du kan give Claude flere typer input på én gang. Tekst og billeder i samme besked. Tænk på det som forskellen mellem at ringe til en håndværker og beskrive problemet med ord, kontra at sende ham et billede af det utætte rør. Billedet giver kontekst, som ord alene sjældent fanger.

Claude billedanalyse fungerer ved, at du uploader et billede sammen med din tekstbesked. Claude "ser" billedet og kan svare på spørgsmål om indholdet, udtrække tekst, beskrive elementer eller analysere data direkte fra det visuelle. Det gælder alt fra grafer og diagrammer til screenshots, fotos af dokumenter og håndskrevne noter.

Det vigtige er, at billedet ikke bare er pynt. Det bliver en aktiv del af din prompt. Og det åbner for en helt anden type opgaveløsning.

Tre situationer hvor visuel AI prompting slår ren tekst

Når du sidder med data, der allerede er visualiseret

Forestil dig, at du er marketingansvarlig i en B2B-virksomhed og bruger to dage om ugen på kvartalsrapporter. Du har en graf fra Google Analytics, der viser trafikudviklingen de sidste 90 dage. I stedet for manuelt at aflæse tallene og skrive dem ind, uploader du bare grafen og skriver:

"Her er vores trafik de sidste 90 dage. Identificér de tre mest markante ændringer og giv mig en kort forklaring på, hvad der kan have forårsaget dem, baseret på tidspunkterne."

Claude analyserer grafen, peger på de relevante datapunkter og giver dig et udkast til den del af rapporten, der normalt tager en time. Det er visuel AI prompting i sin mest direkte form.

Når konteksten er svær at beskrive med ord

Screenshots af fejlmeddelelser, komplekse tabeller i PDF'er eller fotos af en whiteboard efter et strategimøde kræver mange ord at forklare. Med multimodal prompting springer du beskrivelsen over og går direkte til spørgsmålet. Har du brug for at udtrække data fra tunge PDF'er og grafer, har vi en hel guide til det.

Når du vil kvalitetssikre visuelt materiale

En ejendomsmægler, der bruger tre timer per boligfremvisning på dokumentation, kan uploade fotos af en bolig sammen med den eksisterende salgsopstilling og bede Claude identificere, om der er uoverensstemmelser mellem billederne og teksten. Det er en type krydscheck, der normalt kræver et ekstra par øjne.

Sådan skriver du gode multimodale prompts

Her er det, de fleste gør forkert: de uploader et billede og skriver "hvad ser du?" Det svarer til at sende en mail med emnelinjen "se vedhæftning" og ingen brødtekst. Claude giver dig et generisk svar, fordi du ikke har fortalt, hvad du leder efter.

Den gode multimodale prompt har tre elementer:

Kontekst: Fortæl Claude, hvad billedet er. "Dette er et screenshot af vores CRM-dashboard fra denne måned."
Opgave: Vær specifik om, hvad du vil have ud af analysen. "Identificér de tre kunder med lavest aktivitet."
Format: Angiv, hvordan svaret skal se ud. "Præsentér det som en tabel med kundenavn, sidste aktivitet og anbefalet handling."

Et konkret eksempel på en komplet prompt:

"Jeg uploader et foto af vores whiteboard fra dagens strategimøde. Transskribér alle punkter, organiser dem i tre kategorier (kort sigt, mellemlang sigt, langt sigt), og markér de punkter, hvor der ser ud til at mangle en ansvarlig person."

Bemærk, hvordan prompten gør alt det tunge løft. Billedet leverer rådata. Teksten leverer retning. Sammen giver de et svar, som hverken billede eller tekst kunne producere alene.

Vil du blive endnu skarpere til at styre Claudes output, kan du kombinere multimodal prompting med XML-tags til at strukturere dine svar. Det er særligt nyttigt, når du arbejder med flere billeder i samme samtale.

Fire færdige prompts du kan bruge i dag

Principperne er enkle. Men det er hurtigere at starte med en prompt, der allerede virker. Her er fire, du kan kopiere direkte og tilpasse til dit billede.

Prompt 1: Fejlmeddelelse eller teknisk screenshot

"Dette er et screenshot af en fejlmeddelelse jeg fik, da jeg forsøgte at [beskriv handling]. Forklar hvad fejlen betyder på almindeligt dansk, og giv mig tre mulige løsninger i prioriteret rækkefølge. Start med den mest sandsynlige årsag."

Hvornår: Når du sidder med en teknisk fejl og ikke ved, hvor du skal starte.

Prompt 2: Graf eller datavisualisering

"Jeg uploader en graf der viser [hvad grafen måler] over [tidsperiode]. Identificér de tre mest markante ændringer. For hver ændring: angiv tidspunktet, beskriv hvad der sker i tallene, og giv én mulig forklaring på årsagen. Præsentér det som tre nummererede punkter."

Hvornår: Når du skal lave en rapport og ikke vil bruge en time på at aflæse data manuelt.

Prompt 3: Whiteboard eller håndskrevne noter

"Dette er et foto af vores whiteboard fra [mødetype] i dag. Gør følgende i rækkefølge: 1) Transskribér alt tekst præcist som skrevet. 2) Organiser punkterne i kategorierne: beslutninger, åbne spørgsmål og næste skridt. 3) Markér punkter, der mangler en ansvarlig person eller en deadline."

Hvornår: Lige efter et møde, inden whiteboard-teksten viskes ud.

Prompt 4: Dokument eller formular der skal udfyldes

"Jeg uploader et billede af [dokumenttype]. Udtrék alle felter der skal udfyldes og præsentér dem som en liste med feltnavn og en kort forklaring af, hvad der typisk skrives i feltet. Markér felter der ser obligatoriske ud."

Hvornår: Når du står med et ukendt dokument og hurtigt vil danne dig et overblik.

Alle fire prompts følger den samme struktur: kontekst, opgave, format. Du kan bruge dem som skabeloner og udskifte de kursiverede dele med dine egne oplysninger.

Begrænsninger du skal kende

Claude er ikke perfekt til alt visuelt. Meget lille tekst i billeder kan blive fejlaflæst. Håndskrift med dårlig læsbarhed er en udfordring. Og Claude kan ikke "zoome ind" på detaljer, så sørg for at billedkvaliteten er rimelig, før du uploader.

En god tommelfingerregel: Hvis du selv skal anstrenge dig for at læse teksten i billedet, skal du ikke forvente, at Claude klarer det fejlfrit. Upload i højest mulig opløsning, og beskær billedet, så kun det relevante er med. Mindre støj giver bedre svar.

Udover billedkvalitet er det også vigtigt at være opmærksom på Claudes kontekstvindue, da store billeder og lange prompts hurtigt kan fylde det op. Lær at maksimere Claudes hukommelse for at håndtere selv de mest komplekse multimodale opgaver effektivt.

Du kan også bruge Claudes Projekter-funktion til at gemme billeder og kontekst, så du ikke skal starte forfra hver gang.

Kom godt i gang allerede i morgen

Start småt. Find ét billede fra din arbejdsdag, som du normalt bruger tid på at fortolke manuelt. Brug en af de fire prompts ovenfor som udgangspunkt, tilpas den til dit billede, og upload det til Claude.

Sammenlign resultatet med det, du selv ville have lavet. Inden da kan det være relevant at overveje den rette Claude-model til dine multimodale behov, da ydeevne og pris varierer. Og hvis du stadig er i tvivl om, hvilken AI-assistent der passer bedst til jeres behov, giver vores guide Claude vs. ChatGPT et solidt overblik over forskelle og styrker.

Ofte stillede spørgsmål

Book en gratis og uforpligtende samtale her

Bruno Poulsen

Bruno Poulsen er partner i Poulsen & Vinding, et konsulenthus der hjælper danske virksomheder og styrelser med at tage generativ AI i brug i den daglige drift. Han er senior underviser hos Bigum&Co gennem 10+ år og har siden 2023 stået bag AI-implementeringer, foredrag og workshops for blandt andre Lægemiddelstyrelsen, GS1 Danmark, Bornholms Højskole og 30+ bornholmske SMV’er via Business Center Bornholm. Skriver om praktisk anvendelse af AI-værktøjer, prompt engineering og hvordan ledelser kommer i gang mandag morgen kl. 08.00.