Skip to Content
Modelos de lenguaje visual (Spanish Edition)
book

Modelos de lenguaje visual (Spanish Edition)

by Merve Noyan, Andrés Marafioti, Miquel Farré, Orr Zohar
June 2026
Intermediate
408 pages
11h 10m
Spanish
O'Reilly Media, Inc.
Content preview from Modelos de lenguaje visual (Spanish Edition)

Capítulo 10. Modelos«Any-to-Any»

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Los modelos multimodales son geniales porque e n el lenguaje con el mundo en el que realmente vivimos. Los modelos de lenguaje visual (VLM) pueden ver imágenes y responder preguntas en lenguaje natural. Los modelos de video entienden cómo se desarrollan las acciones y cómo se manifiestan la causa y el efecto a lo largo del tiempo. Los modelos de audio pueden escuchar el habla y los sonidos. Todos ellos acercan la IA a una percepción similar a la humana.

¿Y si quieres crear un asistente que pueda ver, oír y hablar? Según lo que hemos visto hasta ahora, necesitarías un modelo de visión, un modelo de audio, un modelo de síntesis de voz y una coordinación cuidadosa entre ellos.

La próxima frontera son los modelos «any-to-any»: arquitecturas unificadas que gestionan la comprensión y la generación de texto, imágenes, audio y video dentro de un solo sistema (Figura 10-1).

Para ser verdaderamente «any-to-any», un modelo debe manejar al menos dos modalidades de entrada y dos modalidades de salida. Si eso suena ambicioso, lo es… y las decisiones de ingeniería que implica son fascinantes, como verás en este capítulo.

En particular, aprenderás sobre las tres tendencias arquitectónicas de los modelos «any-to-any», junto con sus ventajas y desventajas. También realizarás inferencias y entrenarás esos modelos para ganar experiencia y evaluar estos ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Read now

Unlock full access

More than 5,000 organizations count on O’Reilly

AirBnbBlueOriginElectronic ArtsHomeDepotNasdaqRakutenTata Consultancy Services

QuotationMarkO’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
Julian F.
Head of Cybersecurity
QuotationMarkI wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.
Addison B.
Field Engineer
QuotationMarkI’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.
Amir M.
Data Platform Tech Lead
QuotationMarkI'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Mark W.
Embedded Software Engineer

You might also like

Modelos de lenguaje grandes: las partes difíciles (Spanish Edition)

Modelos de lenguaje grandes: las partes difíciles (Spanish Edition)

Thársis T. P. Souza, Jonathan K. Regenstein

Publisher Resources

ISBN: 0642572302818