多模态

能理解并生成文本、图像、音频、视频等多种数据类型的模型。

相关资源

Google Gemini API 文档

Google Gemini API 的官方文档，支持多模态理解和生成。

LAION 开放多模态数据集

LAION 提供大规模开源图文对数据集，广泛用于训练 CLIP、Stable Diffusion 等多模态模型。