跨模态大模型

跨模态大模型是指能够处理和理解多种模态数据（如文本、图像、音频、视频等）的大型人工智能模型。它通过统一架构实现不同模态间的信息融合与交互，支持跨模态生成、检索与推理，广泛应用于图文生成、视觉问答、语音-文本转换等场景，具备强大的泛化能力和语义理解深度。