# 多模态

多模态大模型：AI 终于能“看画听声”了

多模态，就是 AI 能同时看懂文字、图片、声音、视频，而不只是处理文字。你拍张乱糟糟的衣柜，它能说"左边那件外套该挂起来"；你哼一段旋律，它能接着编下去。它把"眼睛、耳朵、嘴"一起给了模型。