এ ধরনের প্রযুক্তিকে বলা হয় কৃত্রিম বুদ্ধিমত্তাভিত্তিক ছবি-বর্ণনা। এতে কৃত্রিম বুদ্ধিমত্তা ছবি বিশ্লেষণ করে সেটির বিষয়বস্তু কথার মাধ্যমে তুলে ধরে। একইভাবে বধির ও শ্রবণপ্রতিবন্ধী ব্যক্তিদের জন্য রয়েছে তাৎক্ষণিক ক্যাপশন সুবিধা, যা কথাকে সঙ্গে সঙ্গে লেখায় রূপান্তর করে।
