TL;DRModelo que entiende y genera varios tipos de datos, como texto, imagen y audio.
Definición
Un modelo multimodal es un modelo de IA capaz de procesar y generar varios tipos de información, como texto, imágenes, audio y video, en lugar de trabajar solo con texto. Puede, por ejemplo, describir una imagen, extraer datos de una factura escaneada, responder preguntas sobre un gráfico o transcribir y resumir una llamada. En marketing y servicio abre usos como analizar creatividades, procesar documentos de clientes o atender consultas que incluyen fotos. Como en cualquier sistema de IA, los resultados deben verificarse, sobre todo cuando se extraen datos que alimentan procesos.
Términos relacionados
IA generativaIA que crea contenido nuevo (texto, imagen, audio, código) a partir de ...Modelo de lenguaje (LLM)Modelo entrenado con grandes cantidades de texto para entender y generar ...Procesamiento de lenguaje natural (NLP)Rama de la IA que permite a las máquinas entender y producir lenguaje humano.Ventana de contextoCantidad máxima de texto que un modelo puede considerar en una sola interacción.
Preguntas frecuentes
¿Qué es Modelo multimodal?
Modelo que entiende y genera varios tipos de datos, como texto, imagen y audio.