术语定义

多模态（Multimodal AI），中文通常称为多模态人工智能。能够处理或关联文本、图像、音频等多种信息形式的AI方法与系统。

应用示例

同时读取产品图片和说明文字，生成包含外观与参数的介绍。

理解要点

支持某种输入不代表支持同种输出，具体能力取决于模型与接口。

相关术语

  • CV：计算机视觉