多模态是什么？

10 秒看懂

多模态 AI 不只处理文字，还能处理图片、声音、视频等不同类型的信息。

说人话

多模态 AI 不只处理文字，还能处理图片、声音、视频等不同类型的信息。 这是帮助入门的简化说法，不代表所有产品的实现都完全一样。

一个比喻

它不只是会“读”，还可能会“看”和“听”。

比喻只帮助理解，不是完整技术定义。

真实使用例子

你什么时候会遇到它？

图片问答、语音助手、视频分析和文档理解都会用到它。

你需要关心它吗

如果你会上传图片、音频或视频给 AI，就值得了解。

最容易搞混

多模态描述处理多种信息的能力；VLM 特指视觉与语言结合的模型。

Related Terms

• VLM
• LLM
• AIGC