arXiv · cs.AI· Vignesh Nagarajan·· 2 天前
CANVAS：利用叙事视觉-音频AI系统为艺术作品生成描述
CANVAS: Captioning Art with Narrative Visual-Audio AI Systems
arXiv:2606.09846v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Vignesh Nagarajan
研究任务与主要进展
基于论文摘要，研究者构建了CANVAS无代码Zapier工作流，将艺术作品图像发送给多模态大语言模型生成描述，再用固定ElevenLabs语音进行播报，并比较了Gemini 2.5 Flash、GPT-5 Mini和Claude 3.5 Haiku对同50幅作品的150条描述。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org