Ordbog · AI
Multimodal
Model, der kan arbejde med flere typer input og output, for eksempel tekst, billeder og lyd i samme samtale.
Multimodale modeller kan se et billede og beskrive det, læse en tabel fra et skærmbillede eller hente data ud af en faktura. I en webshop åbner det for opgaver som kvalitetstjek af produktbilleder, automatisk alt-tekst og udtræk fra leverandørdokumenter.
Kvaliteten varierer meget mellem opgaver. Tekstgenkendelse i billeder er blevet pålidelig, mens vurdering af æstetik og detaljer stadig kræver et menneske, hvis resultatet skal offentliggøres.
I praksis
Vil I se, hvordan vi arbejder med multimodal? Det hører til under AI.
Relaterede begreber