Multimodal

Multimodal（多模态）指系统或模型能够同时处理和理解多种类型的数据输入，如文本、图像、音频、视频等。通过融合不同模态的信息，提升感知与认知能力，广泛应用于人工智能、人机交互、自动驾驶等领域。