タグ「マルチモーダルAI」 1本

マルチモーダルAIとは、文字だけでなく画像や音声も受け取れるAIのことだ。ChatGPTやClaudeの画面で、写真を貼って質問できる機能がこれにあたる。
編集部は今回、写真そのものは試していない。試せたのは、写真から文字になったあとの処理にあたる部分だ。書類の文字をAIに渡して、必要な項目をどれだけ拾えるかを20回測った。
試したのは Claude だけで、ChatGPT では試していない。