CANVAS：用无代码AI工作流为艺术品生成语音描述

论文作者（Vignesh Nagarajan 等）在 arXiv 发布 CANVAS：一个无代码 Zapier 工作流，把艺术品图像发送给多模态大语言模型生成描述，经检查后用固定 ElevenLabs 语音播报并记录每次运行，面向视障（BLV）听众描述艺术作品。 在提示、流程和语音保持不变的条件下，研究比较了 Gemini 2.5 Flash、GPT-5 Mini 和 Claude 3.5 Haiku 对同 50 幅作品生成的 150 条描述。结果发现只有 16–18% 的描述使用明确的空间布局词（如左、右、前景、背景），至多 10% 标示了不确定性。 作者称，空间结构需要显式要求并由人工核查；描述对视障听众的准确性和实用性尚未经过测试。以上结论基于论文摘要。

AI 根据报道生成 · 2 天前更新