マルチモーダルAIとは、テキスト・画像・音声・動画など複数の種類のデータを一度に処理できるAIの技術のことです。 マルチモーダルという用語はマルチ＝複数、モーダル＝形式や手段を合わせた用語で、複数の形式や手段を組み合わせることを意味します。