Startseite › Konzepte › Multimodality
Multimodality
Konzept
Technische Kerndaten
One model, many senses: text, image, audio, video in a single network.
Sie sehen einen Begriffserklärung-Eintrag: was dieser Term auf verständlichem Deutsch bedeutet, und die Einträge, die er verbindet.
Modern frontier models are natively multimodal — trained on interleaved text, images and audio so the same weights can watch, listen, read and respond. GPT-4o's real-time voice and Gemini's video understanding mark the shift; robotics VLAs extend it to action. Each added modality multiplies training-data and compute appetite.
So hängt das mit dem Rest des Stacks zusammen
Die Verknüpfungen dieses Datensatzes auf einen Blick – klicken Sie auf eine Gruppe, um dorthin zu springen.
Quellen
Datensatz geprüft am 2026-01-15 — Siehe Methodik.