# Modelo multimodal: qué es y cómo funciona · Zorraquino
> Un modelo multimodal procesa o genera más de un tipo de información, como texto, imágenes, audio o vídeo.
URL: https://www.zorraquino.com/diccionario/modelo-multimodal

# Modelo multimodal

Un modelo multimodal procesa o genera más de un tipo de información, como texto, imágenes, audio o vídeo

Qué significa, cómo se usa y en qué contexto aparece, con sus conceptos relacionados.

[Todo el diccionario](https://www.zorraquino.com/diccionario)

## Qué es y cómo funciona

Las combinaciones disponibles dependen del modelo y de la aplicación. Puede ayudar a analizar documentos visuales o interactuar mediante voz e imagen. Su evaluación debe comprobar cada modalidad y las relaciones entre ellas, porque una capacidad no implica competencia uniforme en todas.

Temas

[Inteligencia artificial](https://www.zorraquino.com/diccionario/categoria/inteligencia-artificial)

## Preguntas frecuentes sobre Modelo multimodal

### ¿Cómo evaluar un modelo multimodal cuando texto e imagen se contradicen?

Incluye casos en los que las modalidades aportan señales incompatibles y define qué respuesta sería aceptable. El sistema debe reconocer la discrepancia o pedir información cuando no puede resolverla, en lugar de elegir una versión sin explicarlo. Prueba cada modalidad y su combinación, manteniendo el contexto de la tarea. Un buen resultado con imágenes claras y textos coherentes no demuestra capacidad para tratar documentos incompletos, audio ambiguo o etiquetas equivocadas.

## Conceptos relacionados

- [Modelo fundacional](https://www.zorraquino.com/diccionario/modelo-fundacional)
- [Modelo pequeño de lenguaje](https://www.zorraquino.com/diccionario/modelo-pequeno-de-lenguaje)
- [Evaluación de modelos de IA](https://www.zorraquino.com/diccionario/evaluacion-ia)

## Referencias

- [Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile](https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf)