マルチモーダルとは

AIの生成と検索の仕組み

文章、画像、音声、動画など、複数の種類の情報を扱うことです。マルチモーダルAIは、画像について文章で質問するなど、異なる種類の入力や出力を組み合わせて処理します。

実務で確認すること

商品写真と説明文を一緒に読み取って特徴を回答する利用例があります。検索やAIへの情報提供では、画像自体の内容に加え、見出し・説明文・代替テキストなど、画像の意味が伝わる周辺情報も整えます。

参考資料

確認日:

用語一覧へ戻る