CANVAS 用多模态模型为艺术品生成音频描述

2026年10月20日，arXiv Artificial Intelligence 刊出的一篇研究报道称，Vignesh Nagarajan 构建并评估了名为 CANVAS 的无代码 Zapier 工作流，用于为艺术作品生成音频描述。该工作流把画作图像送入多模态大模型生成描述，经检查后用固定的 ElevenLabs 语音朗读，并记录每次运行。报道同时指出，空间结构需要被明确要求并由人工核查，描述对失明及低视力（BLV）听众的准确性和实用性仍有待测试。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此暂无需要对照的早先说法或数字矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。