マルチモーダル(まるちもーだる)

文章に加えて、画像・音声・動画などを入力として受け取れる（または出力できる）こと。スクリーンショットを見せて質問する、図を読ませる、といった使い方ができる。どの形式に対応するかはモデルごとに違う。