ひところカメラで撮った光景をAIが音声で表現してくれる（視覚障害者の使用を想定）スマホアプリが流行ったけど、あれの出力をMidjourneyやStable Diffusionに食わせてどれくらい元の光景に近くなるか試すと面白いのではないか。Google翻訳往復みたいな感じで。