¿Qué es Image-to-Text?
Tecnología que analiza el contenido visual y genera textos que definen o describen dicho contenido.
Definición
La conversión de imagen a texto es el proceso que permite a la inteligencia artificial ver una imagen, detectar los objetos, personas y eventos dentro de ella y escribir descripciones en lenguaje humano. Se utiliza comúnmente en lectores de pantalla para personas con discapacidad visual o en motores de búsqueda visual.
Cómo funciona
La imagen se escanea primero a nivel de píxeles y la inteligencia artificial la descompone en sus características numéricas. Luego, el modelo de lenguaje entra en juego para convertir estos elementos visuales en una oración o párrafo coherente.
Dónde se usa
Se encuentra en los sistemas de generación automática de subtítulos de las plataformas de redes sociales, en los motores de búsqueda impulsados por inteligencia artificial y en las herramientas de accesibilidad.
Suele confundirse con
Se confunde con text-to-image, pero es exactamente lo contrario; mientras que text-to-image genera imágenes a partir de texto, esta tecnología genera texto a partir de imágenes.
Preguntas y respuestas
¿Puede leer textos escritos a mano?
Al trabajar junto con sistemas de reconocimiento óptico de caracteres, también puede convertir con éxito el texto presente en las imágenes.
¿Puede entender esquemas complejos?
Los modelos multimodales avanzados también pueden resumir en texto lo que significan los gráficos y esquemas.
Términos relacionados
Esta explicación se redactó en lenguaje sencillo para TreScout con IA y se tradujo automáticamente del original en turco · prevalece la versión turca. Si algo le parece erróneo o incompleto, escriba a hello@trescout.com. Leer en turco →