用語集 ／ 基本
マルチモーダルとは？文章だけでなく、画像・音声・動画なども合わせて扱えること。
追加：2026-10-11
マルチモーダルとは、文章だけでなく、画像・音声・動画なども合わせて扱えることです。
| 読み方 | まるちもーだる |
|---|---|
| 英語 | Multimodal |
| 分類 | 基本 |
マルチモーダルの意味
写真を見せて質問する、音声で会話する、図表を読み取るなど、複数の種類の情報をまとめて扱えるAIをマルチモーダルAIと呼びます。
仕事での使い方
写真を見せる：現場の写真から状況を説明させる、商品の写真から説明文を作る。
図表を読ませる：グラフや表の画像から数字や傾向を読み取らせる。
書類を読ませる：手書きのメモや紙の書類を文字にしてまとめさせる。
音声で使う：話しかけて質問する、会議の音声から議事録を作る。
マルチモーダルのよくある質問
マルチモーダルAIで何ができますか？
写真や図表を読み取らせる、手書きの書類を文字にする、音声で会話する、会議の音声から議事録を作るなどができます。