第九章 多模态与生成式 AI

探索 AI 如何理解和创造图像、音频、视频

---

AI 的能力已经超越了纯文本领域。多模态 AI 能够同时处理文本、图像、音频、视频等多种形式的数据；生成式 AI 则能够创造全新的内容。本章将介绍这些令人兴奋的技术方向。

本章内容

• 9.1 多模态学习：理解多模态学习的基本概念

• 9.2 图像生成与扩散模型：解析 DALL-E、Stable Diffusion 等模型

• 9.3 视频与音频生成：了解 Sora、Suno 等新兴技术

• 9.4 原生全模态与具身智能：探索多模态技术的实际应用