Мультимодальный Ии - класс моделей искусственного интеллекта, которые обрабатывают и сопоставляют данные разных типов, например текст, изображения, аудио и видео. Такие системы учатся строить общие представления (эмбеддинги) для разнородной информации и использовать их при задачах распознавания, описания, поиска и генерации. В результате мультимодальные модели могут связывать смысловые элементы из разных источников в едином контексте.