Omnimodale
Un modello che gestisce testo, immagini, audio e video insieme in un unico sistema anziché passare da uno strumento specializzato all'altro.
Multimodale di solito significa che un modello può gestire più di un tipo di input, spesso testo più immagini. Omnimodal è il passo di marketing che va oltre: testo, immagini, audio e video, tutti presi nativamente da un singolo modello invece di essere prima convertiti.
La differenza non è pedante. L’approccio più vecchio era un relè: uno strumento trascrive il parlato, un altro descrive i fotogrammi video e un modello linguistico ragiona su tali descrizioni. Ogni passaggio perde esattamente le cose che hanno un significato, come l’esitazione in una voce o ciò che era sullo schermo nel momento in cui è stata pronunciata una frase. Un modello che riceve l’audio e il video non elaborati mantiene il materiale in gioco, motivo per cui i laboratori continuano a sottolineare la parola nativo.