В Drupal можно автоматизировать одну из самых скучных частей работы с медиатекой: написание alt-текстов, описаний и тегов для изображений. Рецепт AI Image Classification подключает vision-модель к Media Library, обогащает изображения метаданными и позволяет затем искать их не только по имени файла, но и по содержимому.
Проект существует с 2025 года, а в сентябре 2026-го получил стабильную версию 1.1.1. На него снова обратили внимание после разбора в рубрике Module of the Week подкаста Talking Drupal #572.
Что именно автоматизирует AI Image Classification
После применения рецепта у изображения появляется действие Generate Alt Text. AI получает картинку и предлагает короткий альтернативный текст. В стандартном промпте задан лимит до 100 символов, запрещены бесполезные конструкции вроде «image of», а логотипы и графику модель должна обозначать соответствующим образом.
Это полезнее, чем просто автоматическая вставка alt. Сгенерированный текст остаётся частью обычного редакционного процесса, поэтому его можно проверить и исправить перед публикацией. Для доступности это особенно важно: хороший alt должен передавать назначение изображения в конкретном контексте, а не просто перечислять найденные моделью объекты.
После сохранения AI Image Classification запускает следующий этап. Vision-модель создаёт расширенное описание изображения: может указать цвета, тип иллюстрации, людей, настроение сцены и основные объекты. Название медиа также используется как дополнительный контекст.
Затем уже на основе этого описания создаются теги. Рецепт добавляет отдельный словарь Image Classification и старается использовать существующие похожие термины, а не бесконечно плодить новые. В конфигурации, разобранной Talking Drupal, модель выбирает или создаёт до пяти коротких тегов.
Мне здесь как раз нравится сама последовательность. AI не просто смотрит на картинку и независимо генерирует несколько несвязанных полей. Сначала появляется более подробное текстовое представление изображения, а уже от него строится классификация. Для большой медиатеки такой подход потенциально даёт гораздо более ровные данные.
Drupal в целом всё заметнее двигается именно в эту сторону. Ранее мы разбирали, как Drupal встраивает AI в CMS и редакционные процессы, а AI Image Classification показывает довольно конкретный сценарий этой стратегии без абстрактных «умных агентов».
Старую медиатеку тоже можно обработать пакетно
Рецепт рассчитан не только на новые изображения. Для уже существующей библиотеки предусмотрены пакетные операции, поэтому описания и классификационные теги можно создавать сразу для группы Media entities.
После этого в Media Library появляются дополнительные фильтры по описаниям и тегам. В демонстрации Talking Drupal приводится простой пример: редактор может искать что-то вроде «sunny summer day», даже если таких слов никогда не было в имени исходного файла.
Это уже интереснее обычного автозаполнения alt. На сайтах с тысячами изображений проблема часто не в загрузке нового файла, а в том, что через несколько лет никто не помнит, как называлась нужная фотография. Структурированные описания и теги превращают медиатеку в более пригодную для поиска базу.
Есть и техническая оптимизация. Перед передачей vision-модели изображение уменьшается примерно до 400 пикселей по ширине и преобразуется в PNG. Это сокращает объём передаваемых данных и стоимость API-запросов. Для работы нужен AI-провайдер, поддерживающий операцию Chat with Image Vision.
В более широком сценарии эти метаданные должны пригодиться не только редактору. Разработчики рассматривают AI Image Classification как основу для RAG-поиска и других AI-инструментов, которым нужно понимать содержимое медиатеки. Уже существуют отдельные рецепты для индексирования описаний и тегов через Drupal Search API и векторные хранилища.
Но сам AI Image Classification не стоит путать с готовой системой семантического RAG-поиска. Его задача проще: создать нормальные машинно-читаемые данные об изображениях. Дальше их уже можно подключать к Search API, агентам и другим инструментам.
Есть и момент, который я бы обязательно проверил перед production. В стандартном промпте расширенного описания модель просят оценивать возраст, пол и этническую принадлежность людей, а при возможности — даже определять конкретного человека. Для корпоративного, медицинского, государственного или европейского проекта такие инструкции явно стоит сначала сверить с собственной политикой конфиденциальности и требованиями к обработке данных.
Хорошая новость в том, что это не жёстко зашитая логика. После применения рецепта промпты, AI-провайдеры и остальные настройки можно менять. Поэтому я бы воспринимал AI Image Classification именно как готовую стартовую конфигурацию, а не как систему, которую нужно устанавливать и оставлять в исходном виде.
Есть ещё одна деталь, которую стоит уточнить перед установкой. В Talking Drupal для версии 1.1.1 прозвучало требование Drupal 11.2+, однако текущая официальная страница проекта указывает поддержку Drupal Core ^10.4 или ^11. Для реальной установки я бы ориентировался именно на актуальные зависимости конкретного релиза в Drupal.org и Composer.
В итоге здесь получился довольно здравый пример использования AI в CMS. Нейросеть не пытается заменить редактора или сама придумывать контент сайта. Она берёт рутинную задачу — разобрать изображения, подготовить метаданные и сделать архив удобнее для поиска. А человеку остаётся проверить результат и решить, какие данные вообще стоит сохранять.
Источник: Drupal.org — AI Image Classification