Multimodal é o modelo de IA capaz de entender e combinar diferentes formatos: lê uma imagem, ouve um áudio, interpreta um PDF com tabelas e responde em texto.
Exemplos de uso multimodal
- Enviar a foto de um voucher ou bilhete e pedir a extração dos dados
- Transcrever e resumir áudios de WhatsApp de clientes
- Analisar o screenshot de um relatório e explicar os números
- Ler um PDF de contrato hoteleiro com tabelas de tarifa
Em travel
A multimodalidade eliminou uma barreira prática do dia a dia de agências: grande parte da informação do setor circula em prints, PDFs de fornecedor e áudios de cliente, formatos que os modelos atuais processam diretamente, sem digitação manual.