多模态
一句话解释
AI 能同时处理文字、图片、音频、视频等多种类型的信息。
多模态模型可以看图回答问题、听录音整理纪要、根据文字生成图片或视频，也能把几种信息放在一起理解。
在营销里常见的用法是：拍一张产品照片，AI 识别出产品，再写出配套的文案和标题。
举个例子
把一张门店照片发给 AI，让它判断陈列有哪些问题，并写一份整改清单。
相关术语
- 生成式 AI（AIGC）Generative AI / AI-Generated Content
- 能生成文字、图片、音频、视频等新内容的 AI，以及用这类 AI 生成出来的内容。
- 文生图Text-to-Image
- 根据一段文字描述生成图片的 AI 能力，也可以参考一张图再生成新图（图生图）。
- 大语言模型（LLM）Large Language Model
- 用海量文字训练出来、能理解和生成文字的 AI 模型，豆包、DeepSeek、ChatGPT、Claude 背后都是大语言模型。
