多模态
Multimodal AI
一个模型能够理解或生成文本、图像、音频、视频等多种信息形式。
先用人话理解
人理解世界不会只依赖文字。多模态模型也尝试把不同媒介放进同一个理解和生成系统。
为什么重要
多模态让 AI 从文字助手扩展到视觉理解、语音交互和现实世界任务。
Multimodal AI
一个模型能够理解或生成文本、图像、音频、视频等多种信息形式。
人理解世界不会只依赖文字。多模态模型也尝试把不同媒介放进同一个理解和生成系统。
多模态让 AI 从文字助手扩展到视觉理解、语音交互和现实世界任务。