Generate keterangan alami dan alt-text sesuai WCAG untuk gambar. Berjalan sepenuhnya di browser.
Gambar Anda diproses sepenuhnya di browser melalui ViT-GPT2. Tidak ada yang diunggah ke server mana pun.
Catatan: Model ViT-GPT2 berukuran ~250MB. Disarankan WiFi untuk unduhan pertama.
Seret gambar ke sini atau klik untuk memilih
PNG, JPG, WebP — hingga 20 gambar
Berjalan sepenuhnya di browser Anda. Data Anda tidak pernah keluar dari perangkat Anda.
Tidak. Semuanya diproses lokal dengan WebAssembly.
Deskripsi untuk pengguna pembaca layar. Diwajibkan WCAG 2.1.
ViT-GPT2 dilatih pada dataset COCO dan mencapai skor CIDEr yang setara dengan model tercanggih. Hasil terbaik diperoleh dari foto yang jelas dan pencahayaan baik. Seni abstrak, gambar penuh teks, dan diagram bisa menghasilkan deskripsi yang kurang akurat.
Model visi dan bahasa harus menyandikan gambar (encoder ViT) sekaligus menghasilkan teks (decoder GPT-2). Model gabungan dengan kuantisasi berukuran ~250MB. Disarankan memakai WiFi untuk unduhan pertama. Setelah di-cache, setiap deskripsi butuh 1-3 detik.
200 foto beragam — rata-rata 1,8 s di MacBook Air M2.
| Metrik | Nilai |
|---|---|
| Ukuran model | ~250 MB (INT8) |
| CIDEr | 103,2 |
| Waktu rata-rata | 1,8 s per gambar |
Jika Anda baru saja memakai Deskripsi gambar AI, langkah berikutnya yang wajar adalah Deteksi objek di foto, Pengenalan gambar AI, Penghapus latar AI, atau telusuri semua alat Alat AI lokal.