Travel TechHub
Glossário · tecnologia

Multimodal

Definição

Modelo de IA que processa mais de um tipo de entrada, como texto, imagem, áudio e vídeo.

tecnologiaTambém conhecido como multimodalidade, modelo multimodal, multimodal AI, multimodal model6 termos relacionadosCuradoria TTH

Multimodal é o modelo de IA capaz de processar mais de um tipo de entrada ao mesmo tempo, como texto, imagem, áudio, vídeo e documentos estruturados, e gerar respostas combinando esses formatos.

A diferença prática em relação a modelos anteriores é que a informação não precisa ser transcrita antes de ser processada. Um agente de viagens pode tirar foto de um voucher físico e pedir a extração dos dados; uma TMC pode alimentar o modelo com um PDF de contrato hoteleiro cheio de tabelas de tarifa; um time de suporte pode jogar áudios de WhatsApp de clientes e pedir resumo e categorização. O modelo lê tudo diretamente.

No setor de viagens, isso resolve um problema concreto: boa parte da informação ainda circula em prints de tela, PDFs de fornecedor e mensagens de voz. Antes da multimodalidade, processar esses formatos exigia OCR separado, transcrição manual ou integração com ferramentas adicionais.

Usos comuns no travel:

  • Extração de dados de bilhetes e vouchers fotografados
  • Análise de relatórios em imagem ou PDF sem precisar exportar para planilha
  • Transcrição e classificação de áudios de atendimento
  • Leitura de itinerários em formato não estruturado

Não confundir com agente de IA (agent AI): o agente executa tarefas de forma autônoma; multimodal descreve o tipo de entrada que o modelo aceita. Um agente pode ser multimodal, mas os dois conceitos são independentes.

Perguntas frequentes

Multimodal na prática

O que é um modelo de IA multimodal?
É um modelo capaz de receber e combinar diferentes tipos de entrada, como texto, imagem, áudio e PDF, sem exigir conversão manual prévia. A resposta pode ser gerada em texto ou em outro formato suportado.
Qual a diferença entre multimodal e modelo de linguagem comum?
Um LLM tradicional só lê e gera texto. Um modelo multimodal também entende imagens, áudios e documentos. Para processar uma foto de voucher com um LLM puro, seria necessário OCR separado; com um modelo multimodal, a foto vai direto.
Multimodal e agente de IA são a mesma coisa?
Não. Multimodal descreve os formatos de entrada que o modelo aceita. Agente de IA descreve a capacidade de executar tarefas de forma autônoma. Um agente pode usar um modelo multimodal, mas os dois conceitos são independentes.
Como usar IA multimodal em agência de viagens?
Os usos mais diretos são: fotografar vouchers e bilhetes para extração automática de dados, enviar PDFs de contrato hoteleiro para análise de tarifas e transcrever áudios de clientes no WhatsApp para categorização de pedidos.
No arquivo TTH

Apareceu em 4 matérias

Ver todas →
Cobertura relacionada