# O que é Multimodal AI?

A inteligência artificial não funciona apenas com texto; É a capacidade de processar diferentes tipos de dados como imagens, áudio e vídeo simultaneamente.

## Definição
A inteligência artificial multimodal é como um sistema que imita nossos sentidos. Ele pode não apenas ler, mas também analisar o que vê e ouve. Desta forma, pode interpretar uma foto ou transcrever sons de um vídeo e dar-lhe sentido.

## Como funciona
O sistema converte diferentes tipos de dados em uma linguagem numérica comum. Então, ele combina esses dados e obtém um significado holístico. Por exemplo, ao analisar uma imagem, ele avalia as cores e os objetos nela contidos ao mesmo tempo.

## Onde é usado
É usado em aplicativos de reconhecimento de imagem, assistentes de voz e ferramentas complexas de análise de vídeo.

## Costuma ser confundido com
Pode ser confundido com modelos padrão de IA que são puramente baseados em texto.

## Perguntas frequentes
**O que significa multimodal?**
Isso significa que pode processar mais de um tipo de dados (texto, áudio, imagem) ao mesmo tempo.

**Por que isso é importante?**
Permite-nos compreender o mundo de uma forma mais abrangente e conectada como os humanos o fazem.


## Termos relacionados
- [Multimodal](/pt/dictionary/multimodal/)
- [Generative AI](/pt/dictionary/generative-ai/)
- [LLM](/pt/dictionary/llm/)

## Ferramentas relacionadas
- [UI-TARS-desktop](/pt/discover/ui-tars-desktop/)

---
Fonte: TreScout Glossário · https://trescout.com/pt/dictionary/multimodal-ai/