Мультимодальность

Способность модели работать сразу с текстом, изображением, аудио и видео.

Мультимодальность — умение модели понимать и создавать данные разных типов: текст, картинки, звук, видео. Мультимодальные модели читают документ со скриншотами, описывают видео, генерируют изображение по тексту. В нейропродакшене это ведёт проект от текстового брифа до готового видеоряда в одном пайплайне.