Мультимодальность

Главное

Современные модели понимают не только текст, но и изображения, звук, видео, а некоторые умеют генерировать картинки, речь и видео.

Правила

1. Текст, фото, звук, видео
2. Распознавание и генерация
3. Голосовой режим

Разберём пример

Что значит «мультимодальная модель»?

Работает с несколькими типами данных: текстом, изображениями, звуком

Частые ошибки

• Думать, что нейросети понимают только буквы.

Потренироваться

Задания с проверкой и подсказками, схема темы и разбор ошибок с ИИ-репетитором — в уроке на платформе.