Billedtekstværktøj

Værktøjet modtager et billede og returnerer en flydende hovedtekst samt valgfrie alternativer og metadata-tags. Det understøtter flere sprog og kan integreres i publicerings-pipelines, tilgængeligheds-workflows, e-læring platforme og forskningsdatasæt. Hovedmålet er at producere nøjagtige, beskrivende billedtekster, der afspejler synligt indhold uden at afsløre identiteter eller følsomme attributter.
Internt bruger det en CNN-backbone til at ekstrahere visuelle funktioner og en Transformer-dekoder til at generere tekst. Beam search forfiner de mest flydende tekster, mens varieringsmoduser giver alternative formuleringer. Objektbaserede tags afledes fra registrerede regioner for at berige metadata og støtte søgeindeksering i kataloger.
Udgivelserne inkluderer en tillids-score, hovedtekst, top-k alternativer og et tag-sæt, der passer til alt-tekst og SEO-metadata. Systemet kan begrænse längden af billedtekster, justere formalitet og skifte sprog for lokalisering og tilgængelighedsretningslinjer.
Privatliv: billeder behandles i hukomelsen uden vandmærkning; ingen ansigts-identitetsinferens medmindre det er eksplicit aktiveret; resultater kan gemmes kun hvis konfigureret. Batchgenerering via API og integration i CMS-workflows til automatisk billedtekst ved ingestion.
Typiske anvendelsestilfælde inkluderer tilføjelse af tilgængelige alt-tekster, forbedring af billed metadata for opdagelse, generering af beskrivelser til e-handelkataloger og uddannelsesarkiver samt hjælp til forskere med at mærke store billedsamlinger med konsistente billedtekster.