NVIDIA、視覚・音声・言語を統合し効率9倍のAIエージェント向けモデル「Nemotron 3 Nano Omni」発表

NVIDIAが発表した「Nemotron 3 Nano Omni」の解説。マルチモーダルAI技術により、テキストだけでなく画像・音声・映像を統合的に理解する能力を小型モデルで実現。人間のように複数の感覚で情報を処理する技術の概要を紹介します。