多模态 AI 应用

目标

• 接受文本、图片、音频和文档输入
• 描述和分析上传的图片
• 转录和摘要音频文件
• 回答关于文档内容的问题
• 在单次查询中结合多种模态

提示

• 使用 GPT-4 Vision 进行图像理解
• 使用 Whisper API 进行音频转录
• 为每种模态类型提供合适的界面展示

资源

• platform.openai.com/docs/guides/vision

评论 (0)