第64章：多模态AI
学习目标
- 理解多模态AI的能力与应用
- 掌握图像/视频AI测试方法
- 学会多模态Prompt设计
- 了解视觉AI测试场景
多模态AI核心能力
| 模态 | 模型 | 测试应用 |
|---|---|---|
| 图像理解 | Claude Vision/GPT-4V | UI截图分析 |
| 视频理解 | Gemini/VideoLLaMA | 录屏回放分析 |
| 音频理解 | Whisper/WhisperX | 语音转文字测试 |
| 图像生成 | DALL-E/Midjourney | 测试数据可视化 |
本章小结
- 多模态AI：图像理解（Claude Vision）、视频分析（Gemini）、音频（Whisper）、生成（DALL-E）
- 测试应用：UI截图分析、录屏回放、语音转文字、数据可视化