Multimodální AI

AI, která pracuje s víc druhy obsahu najednou: textem, obrázky, zvukem nebo videem.

Multimodální model zpracuje například fotku spolu s otázkou, přepíše a shrne nahrávku nebo popíše, co je na snímku obrazovky. Některé modely umějí obrázky nebo zvuk i vytvářet.

U obrázků a zvuku platí stejná opatrnost jako u textu. Model může něco přehlédnout nebo špatně přečíst, proto si důležité údaje, třeba čísla z účtenky, zkontrolujte.