Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Kombination af modaliteter: Multimodale arbejdsgange

Lektion 13 af 14 Opdateret 2. november 2026 Begynder
På denne side
  1. Kraften ved kombineret multimodalitet
  2. Billede + tekst: Mere end bare beskrivelse
  3. Audio + dokument: Det smarte resumé
  4. Fire professionelle arbejdsgange du kan kopiere
  5. Få maskinen til at køre gnidningsfrit
  6. Vigtige pointer

Opdatering 2. november 2026 — Le Chat bliver til Vibe. Siden 28. maj 2026 er Le Chat blevet omdøbt til Vibe (stadig på chat.mistral.ai): en enkelt agent til arbejde og kode, der overtager dine samtaler, indstillinger og abonnementer. Den oprindelige Le Chat-oplevelse er stadig tilgængelig i Chat-tilstand; i Work-tilstand er agenter blevet til færdigheder (kaldes med @), minder fungerer som vidensbase, og dyb research er nu færdigheden Deep Research. Abonnementerne hedder nu Mistral Free, Pro, Team og Enterprise. Denne lektion bruger navnet Vibe; bemærk, at nogle af menuerne beskrevet her kan have ændret navn eller placering.

Kraften ved kombineret multimodalitet

Gennem dette kursus har du udforsket tre kernefunktioner hos Mistral AI: vision til billedanalyse, audio til transskription og talesyntese samt dokumentbehandling med intelligent OCR. Hver for sig er de imponerende. Men når du kombinerer dem i én enkelt arbejdsgang, frigør du deres fulde potentiale: Kilderne krydser hinanden og supplerer hinanden, hvilket giver resultater, der overgår, hvad enhver enkelt modalitet kunne præstere alene. Denne lektion viser dig, hvordan du orchestrerer disse kombinationer.

Billede + tekst: Mere end bare beskrivelse

Den mest almindelige brugssag handler om at berige et billede med præcise tekstinstruktioner. Forskellen mellem en svag prompt og en rig prompt er dramatisk. Tag et skærmbillede af et PowerPoint-dias: „Beskriv dette billede” giver en flad parafrase. Men „Her er et dias fra vores investorpræsentation. Omformulér hovedbudskabet til et generelt publikum” eller „Dette dias viser vores kvartalsresultater. Identificér de 3 vigtigste tal og foreslå en fængende overskrift” udnytter både modellens visuelle forståelse og dens skriveevne – hvilket gør outputtet straks brugbart.

Det samme princip gælder for feltfotos. „Her er et foto af vores stand på messen. Foreslå forbedringer for at tiltrække flere besøgende” gør modellen til en konsulent; „Dette foto viser vores nuværende kontorlayout. Foreslå en omorganisering for at forbedre samarbejdet” gør den til en rumplanlægger. I begge tilfælde styrer tekstkonteksten modellens fokus.

Du kan også kombinere flere billeder med en sammenlignende instruktion: tre designmockups ledsaget af „Rangér disse mockups efter visuel klarhed og begrund din rangordning” eller et før-og-efter-renoveringsfoto med „Estimér fremskridtsprocenten og identificér resterende opgaver.”

Audio + dokument: Det smarte resumé

En særligt kraftfuld arbejdsgang krydser audio-transskription med dokumentanalyse. Det klassiske scenarie er et møde: Upload først dagsordenen (PDF) til Vibe, derefter mødeoptagelsen, og spørg til sidst: „Her er dagsordenen og optagelsen af vores møde. For hvert punkt på dagsordenen skal du opsummere, hvad der blev besluttet, og liste handlingspunkterne.” Modellen krydsrefererer begge kilder for at producere et struktureret, punkt-for-punkt-resumé – hvor transskription alene ville give dig en lang ordret udskrift, der skal redigeres, og dagsordenen alene ville være en tom skal.

Varianten til studerende fungerer lige så godt: Upload kursusslidesene som PDF, derefter professorens audiooptagelse, og bed om: „Lav omfattende revisionsnoter ved at kombinere slidesene med professorens mundtlige forklaringer.” Slidesene giver struktur og præcise definitioner; lyden tilføjer forklaringer, eksempler og vægtning. De endelige noter er langt rigere, end hvad nogen af kilderne kunne levere hver for sig.

Fire professionelle arbejdsgange du kan kopiere

Til konkurrenceintelligence tager du skærmbilleder af tre konkurrenters hjemmesider, uploader dem til Vibe og spørger: „Sammenlign disse 3 hjemmesider. Identificér styrker og svagheder ved hver i forhold til budskab, design og call-to-action.”

Til klient-onboarding uploader du den underskrevne kontrakt (PDF) efterfulgt af klientbriefet (dokument eller billede) og spørger: „Opsummer de kontraktmæssige forpligtelser og krydsreferér dem med briefets forventninger. Er der nogen uoverensstemmelser?” At fange disse mismatch tidligt forhindrer, at du midt i et projekt opdager, at et salgs løfte ikke står i kontrakten.

Til begivenhedsanalyse kombinerer du tre kilder: fotos fra begivenheden, audiooptagelser af taler og programmet (PDF), og spørger derefter: „Lav en rapport efter begivenheden, der fremhæver nøgleøjeblikke, mindeværdige citater og en evaluering af, hvor godt programmet blev dækket.”

Til intern oplæring vender du flowet om: Optag din mundtlige forklaring af en proces, lad Vibe transskribere den, bed om „Omdan denne transskription til en struktureret procedureguide med nummererede trin”, og tilføj derefter skærmbilleder med „Integrér beskrivelser af disse skærmbilleder som illustrationer til hvert trin.” På fire beskeder bliver en improviseret forklaring til formel dokumentation.

Få maskinen til at køre gnidningsfrit

Nogle få vaner gør disse arbejdsgange meget mere flydende. Kontekstualisér hver fil, du uploader – „Dette er dagsordenen”, „Her er den tilhørende optagelse” – så modellen associerer kilderne korrekt. Ved komplekse arbejdsgange bør du gå trin for trin: I stedet for at sende alt i én besked, opbygger du samtalen besked for besked og validerer hvert trin, før du går videre. Navngiv dine filer eksplicit før upload: „rapport-q3-2026.pdf” informerer modellen; „dokument.pdf” gør ikke. Og husk, at taletilstand i sig selv er en input-modalitet: Ved lange instruktioner er det bedre at diktere dem end at skrive et langt afsnit.

Vigtige pointer

  • Kombination af billede + tekst + audio + dokument i én arbejdsgang ganger mulighederne op
  • De mest kraftfulde arbejdsgange krydsrefererer flere kilder: mødeaudio + dagsorden, fotos + klientbrief
  • Kontekstualisér hver uploadet fil for at hjælpe modellen med at skabe de rigtige forbindelser
  • Gå trin for frem i komplekse arbejdsgange i stedet for at sende alt på én gang
  • Taletilstand kan fungere som et inputværktøj til detaljerede instruktioner