概要
テキスト・画像・音声など複数種類の情報をまとめて扱えるAIモデル。
詳しい解説
マルチモーダルモデルは、テキストだけでなく画像・音声・動画など複数の「モダリティ(情報の種類)」を同時に扱えるモデルです。画像を見て説明したり、図を読み取って質問に答えたりできます。画像とテキストを扱うはその代表で、Claudeなど多くの最新がマルチモーダル対応しています。
💡 青い破線の用語にカーソルを合わせる(タップする)と、その場で簡単な説明が表示されます。
具体例・活用シーン
画像を見て答える
写真をアップして「これは何の料理?」と聞くと答えられるのは、マルチモーダルモデルだからです。
関連用語
この説明に誤りや改善点を見つけましたか?
✏️ この説明を改善提案する