生成AIパスポート 用語集大規模言語モデルとGPT
オムニモーダルとはおむにもーだる
英語Omnimodal分野大規模言語モデルとGPT出題重要度★★☆公式テキスト公式テキスト 第2章「GPT-4o」
解説：村井宗明（GUGA協議員・元文部科学大臣政務官・AIエンジニア）｜公開 ｜更新
オムニモーダルの意味
オムニモーダルとは、テキスト・画像・音声を組み合わせて統合的に扱えることを表す呼び方です。2024年5月に登場したGPT-4oを、それまでのマルチモーダルなモデルと区別するために使われています。「omni」は「すべての」を意味し、GPT-4oの「o」もこのomniに由来しています。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
マルチモーダルも複数の種類のデータを扱える性質を指しますが、オムニモーダルは、それらをより一体的に、まとめて処理できることを強調した表現です。GPT-4oでは、話しかけた音声をそのまま理解して音声で返答したり、カメラに映った映像について会話したりと、テキスト・画像・音声を行き来するやり取りがスムーズに行えます。
その結果、音声入力に対して最短232ミリ秒、平均320ミリ秒という、人間同士の会話に近い速さで応答できるようになりました。試験対策としては「GPT-4＝マルチモーダル」「GPT-4o＝オムニモーダル」と対応づけて覚えておくと、ひっかけ問題に強くなります。
試験のポイント
- テキスト・画像・音声を組み合わせて統合的に扱えることを表す呼び方
- GPT-4oをマルチモーダルと区別するための名称
- 「o＝omni（すべての）」と結びつけて覚える
- 「GPT-4＝マルチモーダル」「GPT-4o＝オムニモーダル」の対応が頻出
オムニモーダルの確認問題（○×）
オムニモーダルは、GPT-4oをそれまでのマルチモーダルなモデルと区別するために使われる呼び方である。
答えと解説を見る
答え：○
テキスト・画像・音声を統合的に扱えるGPT-4oの特徴を表す名称です。
生成AIパスポート 用語集（全407語）のトップに戻る
