マルチモーダル

テキストだけでなく、画像や音声など複数の種類のデータを同時に扱えるAIモデル。

従来のAIモデルの多くはテキストなら文章だけ、画像なら画像だけを扱う単一の種類のデータに特化していたが、マルチモーダルなモデルは、複数の種類のデータを組み合わせて理解し、応答を生成できる。

画像を見せながら文章で質問し、その内容について回答してもらうといった、生成AIの新しい使い方を可能にしている。