Топ-5 ИИ-ботов для описания картинки: проверяем нейросети «на прочность»

Нейросети берут на себя всё больше рутинных задач, освобождая нам время для творчества. В частности, с помощью сервисов на базе искусственного интеллекта можно генерировать описания иллюстраций. Причем модели ИИ уже справляются не только с распознаванием котиков — некоторые боты даже «умеют» анализировать сложные графики.

Проверим, насколько ожидания совпадают с реальностью. Сначала сделаем с помощью ИИ описание картинки, на которой изображен вечно молодой Эминем. А потом покажем нейросетям скриншот задачи с диаграммами и попросим ее решить.

Чтобы сделать подборку из пяти лучших моделей ИИ, которые делают описание по картинке, мне пришлось протестировать около пятидесяти нейросетей — в браузере и Telegram. О том, какие зашкварные результаты выдавали некоторые сервисы, наспех «состряпанные» энтузиастами, я расскажу в конце статьи.

Начну с бота, который мне понравился больше остальных. Эта модель ИИ по описанию и созданию картинок условно бесплатная — приветственных и бонусных токенов хватает на два запроса в день.

На мой взгляд, MazAi идеально подойдет для людей с нарушением зрения — он отлично распознает даже мелкие детали изображения и быстро генерирует текст, который можно озвучить с помощью десктопных читалок.

Я загрузила фото Эминема, и нейросеть отлично справилась с описанием его внешности, выражения лица, одежды, аксессуаров и фона. А еще искусственный интеллект разглядел на иллюстрации микрофон. Никаких плохо обоснованных «догадок», которыми грешили другие сервисы (читайте дальше и поймете, что я имею в виду).

Для второго испытания я выбрала несложную задачу из сборника психометрических тестов. Нейросеть представила информацию в упорядоченном виде — с маркированным и нумерованными списками. Как видите, ошибок в описании нет.

Соискателям на решение подобных задач обычно дают не больше одной минуты. Бот выдал правильный ответ за 5 секунд — к лишним символам не придираюсь.

Плюсы:

➕ интерфейс на русском языке;

➕ можно сразу писать запрос в чат — сервис сам определит, какая нейросеть справится с поставленной задачей;

➕ не нужно подписываться на телеграм-каналы разработчика, предоставлять доступ к номеру телефона и решать капчи;

➕ пользователю сразу начисляется 10 000 приветственных токенов;

➕ есть ежедневный бонус — когда на балансе меньше 500 токенов, на следующий день дают еще 1000;

➕ можно заработать 5000 токенов за каждого приглашенного друга (+10% от суммы его покупок в токенах);

➕ есть подробная инструкция.

Минусы:

➖ за массовую обработку фотографий придется платить.

Ссылка на бота

Следующая модель ИИ делает описание картинок бесплатно. Но при этом каждое сообщение сопровождается спонсорской рекламой или записью о том, что ее не будет. При попытке изменить язык интерфейса нейросеть советует следующее: «Обычно такая настройка есть в меню». Но не в этом телеграм-канале 🤷🏻‍♀ Так что я попросила рассказать, что изображено на иллюстрации и сразу отправить ответ по-русски.

Эта модель искусственного интеллекта решила блеснуть аналитическими способностями. Раз изображен микрофон, значит, Эминем решил высказаться на каком-то мероприятии. Еще бы чуть-чуть, и по форме кулон будет напоминать символ мира. Так и хочется сказать: «Занимайся своим делом, Капитан Очевидность» 😁

С расшифровкой диаграмм ИИ справился — но ответ в виде сплошного текста читать неудобно…

Решение мне понравилось. И ответ такой же, как у MazAi:

Плюсы:

➕ полностью бесплатно;

➕ адекватные ответы.

Минусы:

➖ часто возникает очередь запросов от других пользователей;

➖ интерфейс на английском языке;

➖ ответ в виде сплошного текста неудобно читать;

➖ много рекламы;

➖ в описании изображения много лишней информации.

Ссылка на бота

На третьем месте — модель ИИ для описания картинки по фото Vision Bot. Единственная нейросеть, которая признала в «мужчине со светлыми волосами» Эминема. Правда, фотография никак не связана с альбомами рэпера, и певцу здесь явно не 30 лет. И, конечно, никакой он не пресс-секретарь 🤦🏼‍♂

Сервис больше подойдет SEO-специалистам — как известно, alt-теги в описании изображений на веб-страницах улучшают поисковую видимость сайта.

А с описанием задачи — беда. Нейросеть ограничилась перечислением всех надписей на иллюстрации. Не думаю, что имеет смысл просить ИИ выбрать правильный ответ.

Плюсы:

➕ полностью бесплатно;

➕ интерфейс на русском языке;

➕ узнает медийных личностей.

Минусы:

➖ ограничивается перечислением записей на фото;

➖ мало вариантов использования;

➖ делает много ошибок.

Ссылка на бота

Качественный сервис на базе ИИ для описания картинок онлайн (в браузере) и через телеграм-бота. Единственный минус — чтобы загрузить иллюстрацию для обработки, придется сразу оплачивать тариф — от 299 до 2990 ₽.

Браузерная версия по внешнему виду напоминает диалог с Chat GPT на сайте Open AI:

В Telegram бот тоже демонстрирует высокую точность ответов — он решает задачи, анализирует содержимое иллюстраций и «понимает» шутки. Но дорогостоящие токены тают на глазах 😢

Плюсы:

➕ выдает точные ответы;

➕ интерфейс на русском языке;

➕ решает задачи;

➕ «понимает» юмор.

Минусы:

➖ чтобы активировать бесплатный аккаунт, нужно подписаться на телеграм-канал;

➖ чтобы работать с изображениями, придется пополнить баланс.

Ссылка на бота

И последний онлайн-сервис с ИИ для бесплатного описания картинок — Hugging Face. Это сайт, на котором собрано несколько сотен нейросетей под разные задачи, но нас сегодня интересует распознавание изображений. Поэтому загружаем фото Эминема:

Результат: «Мужчина в черной куртке и шапке говорит в микрофон». Приличное описание, которым могут воспользоваться SEO-оптимизаторы, — не более того.

Загрузим скриншот задачи:

Здесь совсем мимо: «Панель панели, которая иллюстрирует процент, обозначающий пользовательский опыт».

Плюсы:

➕ полностью бесплатно;

➕ выдает краткое описание иллюстрации, которое подойдет для SEO-оптимизации.

Минусы:

➖ только браузерная версия;

➖ не читает диаграммы и графики.

Ссылка на сервис

А теперь о том, с чем мне пришлось столкнуться, чтобы составить этот рейтинг. Одни сервисы назойливо просили подписаться на десятки каналов за один раз и даже создать папку на боковой панели! А еще решить капчу и отправить номер телефона 🤦🏻‍♀ Что самое смешное — после всех «прыжков с переворотом» бот проигнорировал картинку.

Были такие нейросети, которые увидели в Эминеме «молодую женщину с длинными светлыми волосами в розовом платье и белом пиджаке, которая стоит напротив длинной кирпичной стены»:

Но не будем судить нейросети строго. Во-первых, модель искусственного интеллекта не так просто разработать. Например, чтобы она распознала собаку по фотографии, нужно сначала «объяснить» на сотнях иллюстраций, чем пес отличается от кошки и чайника. Во-вторых, бот должен обработать тысячи запросов, прежде чем перестанет допускать «глупые» ошибки. Кстати, мы с вами тоже сегодня занимались обучением ИИ 🙌🏻