Trang chủ › Các khái niệm › Multimodality
Multimodality
Khái niệm
Kỹ thuật cốt lõi
One model, many senses: text, image, audio, video in a single network.
Bạn đang xem hồ sơ giải thích khái niệm: thuật ngữ này có nghĩa là gì theo ngôn ngữ thông thường, và các hồ sơ liên quan đến nó.
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.
Kết nối của mục này với phần còn lại của hệ thống
Các liên kết của hồ sơ này trong nháy mắt — nhấp vào một nhóm để chuyển đến nhóm đó.
Nguồn
Hồ sơ được xem xét tính đến 2026-01-15 — xem Phương pháp luận.