💡 3 Maddede Bu Yazının Özeti
Image Description Toolkit 4.8, Copilot+ bilgisayarlarda Windows AI ile fotoğrafları cihaz üzerinde, hesap ve API anahtarı olmadan betimliyor.
Image Description Toolkit 4.8, Copilot+ bilgisayarlardaki Windows AI modelini kullanarak görüntüleri cihaz üzerinde betimleyebiliyor. Yeni sağlayıcı; fotoğrafları buluta yüklemeden, API anahtarı veya hesap istemeden toplu biçimde açıklıyor. Sürüm, özellikle çok sayıda görüntüye erişilebilir açıklama üretmek isteyen görme engelli kullanıcılar ve içerik üreticileri için önemli bir yerel yapay zekâ seçeneği sunuyor.
Image Description Toolkit nedir?
Image Description Toolkit, kısaca IDT, yapay zekâ kullanarak görüntülere toplu metin açıklamaları üreten ücretsiz ve açık kaynaklı bir araç takımıdır. Tek bir fotoğrafı açıklamanın yanında onlarca, yüzlerce veya binlerce görsel içeren klasörleri işleyebilir. Açıklamalar alternatif metin hazırlamak, kişisel fotoğraf arşivini aranabilir hâle getirmek, görsel koleksiyonları kataloglamak veya bir resimde ne bulunduğunu görmeden öğrenmek için kullanılabilir.
Araç takımı üç bileşenden oluşuyor: görsel masaüstü uygulaması ImageDescriber, bağımsız sohbet istemcisi IDT Chat ve otomasyonlar için idt komut satırı aracı. Aynı çalışma alanını paylaşan bu bileşenler; fotoğraf klasörlerini işleyebiliyor, videolardan kare çıkarabiliyor, açıklamaları HTML, CSV veya düz metin olarak dışa aktarabiliyor ve istenirse açıklamaları kopyalanmış görüntülerin EXIF/XMP üst verisine yazabiliyor. Geliştiricinin belgelerine göre özgün fotoğraflar taşınmıyor veya değiştirilmiyor.
IDT yalnız tek bir yapay zekâ sağlayıcısına bağlı değil. Ollama gibi yerel modellerin yanı sıra Claude, OpenAI ve başka sağlayıcılarla çalışabiliyor. Apple Silicon Mac’lerde Apple Intelligence desteği 4.6 sürümünde eklenmişti. 4.8 ile aynı yerel çalışma yaklaşımı Copilot+ Windows bilgisayarlara geliyor.
4.8 sürümünde Windows AI yeniliği
Yeni Windows AI sağlayıcısı, görüntüyü Copilot+ bilgisayarın sinirsel işlem biriminde (NPU) çalışan Windows modeline gönderiyor. İşlem cihaz üzerinde yapıldığı için fotoğraf bir bulut hizmetine yüklenmiyor. API anahtarı, çevrim içi hesap, etkin internet bağlantısı veya görüntü başına ücret gerekmiyor.
GitHub sürüm notlarında Snapdragon X Elite üzerinde bir görüntünün yaklaşık iki ila dört saniyede işlendiği belirtiliyor. Geliştiricinin duyurusunda gerçek kullanım için dört ila altı saniyelik bir aralık da veriliyor. Bu nedenle süreyi sabit bir vaat olarak değil; görüntünün boyutuna, cihazın donanımına ve ilk model hazırlığına göre değişebilecek bir ölçüm olarak değerlendirmek daha doğru.
Windows AI desteğinin ilk doğrulaması ARM tabanlı Snapdragon donanımında yapılmış. Duyuru tarihinde geliştirici, Intel veya AMD tabanlı Copilot+ bilgisayarlarda henüz kendi testi bulunmadığını açıkça söylüyor. Gereksinimleri karşılayan bu sistemlerde özellik teorik olarak sunulsa da kullanıcı geri bildirimi gelmeden tüm donanımlarda aynı sonucu vereceği varsayılmamalı.
Gereksinimler ve kurulum
Windows AI sağlayıcısını kullanmak için sıradan bir Windows bilgisayar yeterli değil. Gerekenler şöyle:
- NPU içeren bir Copilot+ PC;
- Windows 11 24H2 veya daha yeni bir sürüm;
- IDT 4.8.0’ın tam Windows kurulum paketi;
- kurulum sırasında Set up Windows AI seçeneğinin işaretli bırakılması.
Kurucu, IDT’nin Windows modeline erişmesini sağlayan küçük bir yardımcı bileşen ekliyor. Bilgisayarda gerekli Windows App Runtime yoksa Microsoft’tan yaklaşık 100 MB’lık bileşen bir kez indiriliyor. Bu ilk hazırlık internet gerektirebilir; görüntülerin daha sonraki yerel betimlenmesi ise internet bağlantısı olmadan yapılabiliyor.
Kurulumun hazır olup olmadığını komut satırında idt models --provider Windows-AI komutuyla denetlemek mümkün. Komut, kullanılabilen betimleme türlerini listeliyor veya eksik gereksinimi bildiriyor. Bu, özelliğin çalışmadığı durumlarda yalnız sessizce başarısız olmak yerine donanım ve yazılım koşullarını kontrol etmeyi kolaylaştırıyor.
Dört betimleme türü
Windows AI modeli serbest bir istem almıyor. Bunun yerine Microsoft’un görüntü açıklama API’sinde tanımladığı dört türden biri seçiliyor:
- Accessible: Varsayılan seçenek. Kör ve az gören kullanıcılar için ayrıntı içeren uzun bir erişilebilir açıklama üretmeyi amaçlıyor.
- Detailed: Görüntünün unsurlarını daha kapsamlı biçimde anlatıyor.
- Brief: Başlık veya kısa alternatif metin benzeri öz bir açıklama veriyor.
- Diagram: Şema ve diyagramların yapısını açıklamaya odaklanıyor.
Bu dört seçenek IDT içinde model gibi listeleniyor. Windows AI özel bir istem kabul etmediğinden ImageDescriber’daki istem denetimleri bu sağlayıcı seçildiğinde kullanılmıyor; kaydedilen sonuçta istem değeri “none” olarak gösteriliyor. Bu yaklaşım kurulumu kolaylaştırıyor ancak özel bir yazım biçimi veya ayrıntılı talimat verme esnekliğini azaltıyor.
Masaüstü uygulaması ve komut satırında kullanım
ImageDescriber içinde sağlayıcı listesinden Windows AI seçilerek bir klasördeki tanımlanmamış görüntüler topluca işlenebiliyor. Komut satırında temel kullanım örneği şöyledir:
idt describe C:\Photos --provider Windows-AI
idt describe C:\Photos --provider Windows-AI --model briefWindows AI; idt describe, diğer betimleme komutları, erişilebilir yönlendirme sihirbazı idt guideme ve ImageDescriber ile kullanılabiliyor. Ancak sohbet, bir görüntü hakkında takip soruları ve otomatik yeniden adlandırma özelliklerinde sunulmuyor; bu işlevler serbest istem desteği gerektiriyor.
IDT’nin toplu işleme yapısı burada önemli bir avantaj. Bir klasördeki fotoğraflar işlenirken başarısız olan tek bir görüntü bütün sırayı durdurmuyor. Video içeren çalışmalarda kare çıkarma ve fotoğraf betimleme işlemleri birlikte ilerleyebiliyor; tamamlanan iş daha sonra sürdürülebiliyor. Bu özellikler, çok büyük kişisel arşivleri erişilebilir hâle getirmek isteyenler için tek görüntüye odaklanan araçlardan farklı bir kullanım alanı oluşturuyor.
Ekran okuyucu ve klavye erişilebilirliği
Projenin sürüm belgeleri, masaüstü uygulamasının ekran okuyucu kullanıcıları düşünülerek geliştirildiğini belirtiyor. Denetimler etiketleniyor; ilerleme bilgisi pencere başlığında yüzde ve tamamlanan görüntü sayısıyla gösteriliyor; listeler ekran okuyucunun dağınık sütunlar yerine tek bir anlamlı satır okuması için düzenleniyor. Komut satırındaki idt guideme sihirbazı da numaralı seçenekler ve dinlemeye uygun metinlerle hazırlanmış.
Bununla birlikte ErişilebilirAI olarak 4.8 sürümünü farklı ekran okuyucular, Windows ölçekleri ve Copilot+ donanımlarıyla bağımsız olarak test etmiş değiliz. Geliştirici belgelerindeki erişilebilirlik iddiaları güçlü ve ayrıntılı olsa da NVDA, JAWS ve Windows Ekran Okuyucusu ile gerçek görev testleri yapılmadan her akışın kusursuz çalıştığı söylenemez.
Mahremiyet ve maliyet açısından farkı
Yerel Windows AI seçeneğinin en güçlü yanı, görüntülerin bilgisayardan ayrılmaması. Kişisel fotoğraf arşivleri, aile görüntüleri veya henüz yayımlanmamış içerikler için buluta yükleme zorunluluğunun kalkması mahremiyet riskini azaltıyor. API anahtarı saklamak, hesap açmak veya kullanım kotasını izlemek de gerekmiyor.
“Yerel” ifadesinin sınırını doğru anlamak önemli. IDT kurucusu gerekli Microsoft çalışma zamanı bileşenini ilk kurulumda indirebilir; güncelleme denetimi GitHub’ın herkese açık sürüm listesini okuyabilir. Ancak Windows AI ile betimlenen fotoğrafların model işleme amacıyla çevrim içi bir hizmete gönderilmediği belirtiliyor. Başka bir sağlayıcı seçilirse o sağlayıcının veri ve ücret koşulları geçerli olur.
Sınırlar ve dikkat edilmesi gerekenler
Yerel modelin ürettiği açıklamalar kesin bilgi olarak görülmemeli. Microsoft, makine öğrenmesi tabanlı görüntü açıklamalarının zaman zaman görüntüyle uyuşmayan sonuçlar verebileceğini; tıbbi, hukuki ve finansal doğruluğun kritik olduğu içeriklerde kullanılmamasını öneriyor. Bayrak, harita, kültürel veya dinî simge gibi yanlış tanımlamanın hassas sonuç doğurabileceği görüntülerde de ek doğrulama gerekiyor.
Windows AI, çoğunlukla metin içeren görüntüleri reddedebiliyor; bu tür içeriklerde OCR aracı daha uygun. İçerik filtresinin durdurduğu bazı görüntüler de başarısız olarak işaretleniyor. IDT, boyut nedeniyle başarısız olan bazı görüntüleri daha küçük çözünürlükte yeniden deniyor ve toplu işleme bir sonraki dosyayla devam ediyor. Aynı görüntüyü sürekli yeniden denemek yerine başka bir sağlayıcıya veya metin ağırlıklı içerikte OCR’a geçmek daha verimli.
Son olarak, Windows AI seçeneği şu an sohbet edemiyor ve takip sorusu alamıyor. “Bu fotoğraftaki kişinin elinde ne var?” gibi açıklamayı derinleştiren konuşmalı görevler için istem destekleyen başka bir sağlayıcı gerekli.
İndirme ve güvenli güncelleme
IDT 4.8.0, GitHub sürüm sayfasından Windows ve Apple Silicon Mac paketleriyle indirilebiliyor. Windows’ta çoğu kullanıcı için üç uygulamayı birlikte kuran ImageDescriptionToolkitSetup-4.8.0-windows.exe dosyası uygun. Yalnız tek bileşen isteyenler için bağımsız komut satırı, ImageDescriber ve IDT Chat dosyaları da sunuluyor.
Sürüm sayfasında SHA-256 sağlama toplamları yayımlanıyor. Proje, Windows kurucusunun imzalı; macOS paketinin ise imzalı ve Apple tarafından noter onaylı olduğunu belirtiyor. İndirme bağlantısını e-posta eki veya üçüncü taraf bir arşiv yerine doğrudan projenin GitHub sürüm sayfasından açmak en güvenli yöntem.
Kısa sonuç: Copilot+ bilgisayarı olan kullanıcılar için IDT 4.8; hesap, API ücreti ve fotoğraf yükleme zorunluluğu olmadan toplu görüntü betimleme sunuyor. Donanım kapsamı ve model doğruluğu konusundaki sınırlar korunmakla birlikte, erişilebilir açıklama türünün doğrudan Windows AI API’sinde yer alması ve aracın ekran okuyucu odaklı tasarımı dikkat çekici.
