multimodális

Angol megfelelő: multimodal

A multimodális AI-modell egyszerre több adattípust, szöveget, képet, hangot, videót is képes bemenetként fogadni vagy kimenetként előállítani.

A korábbi modellek jellemzően egyetlen adattípusra (csak szöveg vagy csak kép) specializálódtak, a mai flagship modellek viszont sorra váltanak multimodálisra. Ez teszi lehetővé, hogy egy chatbotnak be lehessen mutatni egy fotót vagy egy hangfelvételt és arról szöveges választ kapjunk.