Gere legendas em linguagem natural e alt-text compatível com WCAG para imagens. Funciona totalmente no seu navegador.
Suas imagens são processadas totalmente no seu navegador via ViT-GPT2. Nada é enviado a nenhum servidor.
Nota: O modelo ViT-GPT2 tem ~250MB. Recomendamos WiFi para o primeiro download.
Arraste imagens aqui ou clique para selecionar
PNG, JPG, WebP — até 20 imagens
Roda completamente no seu navegador. Seus dados nunca saem do seu dispositivo.
Não. Tudo processado localmente com WebAssembly.
Descrição para leitores de tela. Requerido pelo WCAG 2.1.
O ViT-GPT2 foi treinado no conjunto de dados COCO e alcança pontuações CIDEr comparáveis às de modelos de última geração. Funciona melhor com fotos nítidas e bem iluminadas. Arte abstrata, imagens com muito texto e diagramas podem gerar resultados menos precisos.
Modelos de visão e linguagem precisam codificar a imagem (codificador ViT) e gerar o texto (decodificador GPT-2). O modelo combinado com quantização tem ~250MB. Recomendamos WiFi para o primeiro download. Depois do cache, cada descrição leva de 1 a 3 segundos.
200 fotos diversas — média de 1,8 s no MacBook Air M2.
| Métrica | Valor |
|---|---|
| Tamanho do modelo | ~250 MB (INT8) |
| CIDEr | 103,2 |
| Tempo médio | 1,8 s por imagem |
Se você acabou de usar Descrição de imagens com IA, os próximos passos naturais são Detecção de objetos em fotos, Reconhecimento de imagens, Remover fundo IA, ou explore todas as ferramentas de Ferramentas de IA local.