マルチモーダル

テキスト、画像、音声、動画など複数のデータ種別を理解・生成できるモデル。

関連リソース

Google Gemini API ドキュメント

Google Gemini API の公式ドキュメント。マルチモーダルな理解と生成に対応。

LAION オープンマルチモーダルデータセット

LAION は大規模なオープンソースの画像-テキスト対データセットを提供。CLIP や Stable Diffusion などのマルチモーダルモデル学習に広く利用。