Mô tả ảnh tự động

Mô hình vision-language đọc hiểu bức ảnh rồi sinh ra một câu mô tả. Hữu ích cho alt-text, caption mạng xã hội.

Model

Xenova/vit-gpt2-image-captioning

Dung lượng

~70 MB

Yêu cầu

WebAssembly (mọi trình duyệt hiện đại)

Dữ liệu gửi đi

0 byte