Multimodal · 複数の形式の情報を扱うこと
文章、画像、音声、動画などを処理することです。何を入力・生成できるかはモデルや製品によります。
身近な例
エラー画面の画像を渡し、次にどうすればよいか文章で尋ねます。
出会う場面
画像・録音・動画を扱うときは、対応形式、ファイルサイズ、時間の上限を確認しましょう。
使うときの注意
画像を読めても、画像生成や完全な認識ができるとは限りません。小さな文字、グラフ、位置関係は確認が必要です。
関連用語と参考資料
以下の公開資料を基に作成しました。例は概念の説明用です。確認日：2026-10-15。