写真に合うキャプションの例を探す

写真をトピックに合わせます。写真を説明するわけではありません。CLIPという画像モデルが、画像と短い文がどれだけ合うかをスコア化します。ツールはこれを使って、写真を、キャプションのあるすべてのトピックの1行説明と比べます。誰の誕生日か、どこのビーチかは分かりません。

• 写真の中の文字(ポスター、メニュー、スクリーンショットなど)は読めません。
• 写っている人や機会は、ケーキとろうそくのようにはっきり写っていない限り分かりません。
• 知っているのは、キャプションのあるトピックだけです。自分のトピックがなければ、近いものを探してください。
• キャプションはあなたの写真のために書かれたものではありません。キャプションページの文なので、同じトピックを選べば誰でも同じものを見ます。
• 日本語の例文は、いまのところありません。キャプションとトピック名は英語なので、そのまま使うのではなく、雰囲気の参考にして日本語で書き直してください。

2026年10月に、いくつかの写真でツールを試しました。オンになったトピックを示します。WebGPUと、遅いWebAssemblyのフォールバックでは、同じ結果でした。

外れも当たりと同じくらい参考になります。セラムの写真にはスマホが写っていたため、Mirror selfieが先頭に来ましたが、欲しいトピックはProduct launchで、1タップで選べます。テストでは、人が写った写真で、Outfit of the day、Mirror selfie、Selfieが出ることが多くありました。トピックは、変えられる最初の推測として使ってください。

写真は、浜辺の犬、友だちとの誕生日ディナーのように、同時に2つの意味を持つことがよくあります。2〜3のトピックをオンにすると、キャプションは最も合うものから順に交互に出るので、リストが1つのページだけにならなくなります。「キャプションの種類」で、ビーチの「Dogs at the beach」のように、1つの場面に絞れます。

153のトピックのうち19は、気分、投稿のスタイル、関係のように、見えないものです。Funny、Savage、Cute、Girlfriend、Photo dumpなどです。モデルは、これらを照合から外します。「トピックを切り替えまたは追加」から「Moods and styles」を選んで追加すれば、そのトーンに寄せられます。

1. 完璧でなくても、言いたいことに最も近いキャプションを選びます。
2. 名前、場所、数字など、1つの細部を、投稿に合う真実に書き換えます。
3. 一度声に出して読み、自分が言いそうな言葉なら、投稿します。

多くのキャプションは短い1〜2文なので、場所、名前、もう1行を足す余地があります。Metaの、APIでInstagramの投稿を公開するためのリファレンスは、キャプションの上限を2,200文字としています(2026年10月に確認)。Metaが公開している内容と公開していない内容は、キャプションの長さのガイドにまとめています。

写真はブラウザの中で読まれ、アップロードされません。最初の写真では2つのダウンロードが必要です。Hugging FaceからのCLIP画像モデル(約64MB)と、それを動かすコード(約4MB、jsDelivrから)です。ブラウザが保持するので、次の写真はすぐ始まります。CLIPのテキスト側は事前に実行済みで、その結果がこのページに入っているため、2つ目のモデルのダウンロードはありません。

ダウンロードのあと、ノートパソコンでは、WebGPUの有無にかかわらず、1枚約1秒でした。スマホや古いノートパソコンは遅くなります。言葉やブラウズでトピックを選ぶ場合は、モデルは要りません。