Bildtextverktyg

Verktyget tar emot en bild och returnerar en flytande huvudbildtext samt eventuella alternativ och metadata-taggar. Det stöder flera språk och kan integreras i publicerings-pipelines, tillgänglighetsworkflows, e-lärande-plattformar och forskningsdatasätt. Huvudmålet är att producera exakta, beskrivande bildtexter som speglar synligt innehåll utan att avslöja identiteter eller känsliga attribut.
Internt används en CNN-backbone för att extrahera visuella funktioner och en Transformer-dekoder för att generera text. Beam search förbättrar de mest flytande texterna, medan diversitetslägen ger alternativa formuleringar. Objektbaserade taggar hämtas från detekterade regioner för att berika metadata och stödja sökindexering över kataloger.
Utdata inkluderar en tillförlitlighetspoäng, huvudtext, topp-k-alternativ och en taggsats som passar som alt-text och SEO-metadata. Systemet kan begränsa längden på bildtexter, justera formellhet och byta språk för lokaliseringsbehov och tillgänglighetsriktlinjer.
Integritet: bilder behandlas i minnet utan vattenstämpel och utan identitetsavslöjande om det inte aktiveras; resultat kan sparas endast om konfigurerat. Batchgenerering via API och integration i CMS-flöden för automatisk bildtext vid ingest.
Typiska användningsfall inkluderar tillägg av tillgängliga alt-texter, förbättring av bildmetadata för sökbarhet, genera­tion av beskrivningar för e‑handelskataloger och utbildningsarkiv samt hjälp för forskare att märka stora bildsamlingar med konsekventa bildtexter.