Multimodales Modell
KI, die Text, Bild, Ton und mehr gemeinsam verarbeitet.
Ein multimodales Modell verarbeitet mehrere Datenarten zugleich, etwa Text und Bild, und setzt sie in Beziehung. So kann es ein Bild beschreiben, aus einer Grafik Informationen ziehen oder auf gesprochene Sprache reagieren. Multimodalität gilt als wichtiger Schritt hin zu vielseitigeren KI-Assistenten.