Multimodal (membaca teks, gambar, dan suara)

Model multimodal bisa membaca foto dokumen, tangkapan layar, grafik, atau rekaman suara. Ini berguna, tetapi gambar juga bisa memuat data yang tidak kamu sadari, seperti nama di latar belakang atau metadata lokasi. Periksa gambar sebelum diunggah sama telitinya dengan teks.