一言でいうと
マルチモーダルとは、文章だけでなく、画像・音声・動画など複数の種類の情報をまとめて扱えることを指します。
もう少し詳しく
「モーダル」は情報の種類のこと。かつてのAIは文章専用・画像専用と分かれていましたが、今の主要なAIは、写真を見せて「これは何？」と聞いたり、資料の画像を読み取って要約したりできます。
できることの例
- グラフの画像を見せて内容を説明させる
- 手書きのメモを撮影して文字に起こす
- 音声で話しかけて答えてもらう
- 資料のスクリーンショットから要点を抜き出す
初心者が知っておくべきこと
「文章で説明しづらいものは、画像で見せた方が早い」場面が多くあります。エラー画面のスクリーンショットを見せて相談する、といった使い方が便利です。
関連する言葉
「マルチモーダル」に関する記事をもっと読む
マルチモーダルの記事一覧を見る →
コメント