多模態
一句話解釋
AI 能同時處理文字、圖片、音頻、影片等多種類型的資訊。
多模態模型可以看圖回答問題、聽錄音整理紀要、根據文字生成圖片或影片，也能把幾種資訊放在一起理解。
在營銷裏常見的用法是：拍一張產品照片，AI 識別出產品，再寫出配套的文案和標題。
舉個例子
把一張門店照片發給 AI，讓它判斷陳列有哪些問題，並寫一份整改清單。
相關術語
- 生成式 AI（AIGC）Generative AI / AI-Generated Content
- 能生成文字、圖片、音頻、影片等新內容的 AI，以及用這類 AI 生成出來的內容。
- 文生圖Text-to-Image
- 根據一段文字描述生成圖片的 AI 能力，也可以參考一張圖再生成新圖（圖生圖）。
- 大語言模型（LLM）Large Language Model
- 用海量文字訓練出來、能理解和生成文字的 AI 模型，豆包、DeepSeek、ChatGPT、Claude 背後都是大語言模型。
