Multimodal多模态
模型能同时理解和生成多种类型的内容——文本、图片、音频、视频。
模型能同时理解和生成多种类型的内容——文本、图片、音频、视频。GPT-4o、Gemini 都是多模态模型。对产品经理来说，多模态意味着交互方式的根本变革：用户可以拍照提问、语音指令、上传视频让AI分析。
什么时候会用到
讨论产品形态创新、交互设计、竞品分析时会用。
例句
- 下个版本要支持多模态，用户拍张照片就能识别商品并给出搭配建议。
- 竞品已经支持语音+图片输入了，我们还只能打字，得跟上。
模型能同时理解和生成多种类型的内容——文本、图片、音频、视频。
模型能同时理解和生成多种类型的内容——文本、图片、音频、视频。GPT-4o、Gemini 都是多模态模型。对产品经理来说，多模态意味着交互方式的根本变革：用户可以拍照提问、语音指令、上传视频让AI分析。
讨论产品形态创新、交互设计、竞品分析时会用。