Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Kombineeritud modaalsused: mitmemodaalsed töövood

Õppetund 13 / 14 Värskendatud 2. november 2026 Algajatele
Sellel lehel
  1. Kombineeritud mitmemodaalsuse jõud
  2. Pilt + tekst: enam kui lihtne kirjeldus
  3. Heli + dokument: tark kokkuvõte
  4. Neli professionaalset töövoogu kordamiseks
  5. Masina sujuv käivitamine
  6. Peamised punktid

Uuendus 2. november 2026 — Le Chatist saab Vibe. Alates 28. maist 2026 on Le Chat ümber bränditud nimele Vibe (aadressil chat.mistral.ai): üks agent tööks ja kodeerimiseks, mis kannab üle sinu vestlused, seaded ja tellimused. Pärandunud Le Chati kasutajakogemus on endiselt kättesaadav režiimis Chat; režiimis Work on agentidest saanud oskused (kutsutakse esile sümboliga @), mälud toimivad teadmiste baasina ja põhjalik uurimistöö on nüüd oskus Deep Research. Plaanid kannavad nüüd nimesid Mistral Free, Pro, Team ja Enterprise. Selles õppetunnis kasutame nime Vibe; pane tähele, et mõned siin kirjeldatud menüüd võivad olla muutnud nime või asukohta.

Kombineeritud mitmemodaalsuse jõud

Selle kursuse vältel oled tutvunud Mistral AI kolme põhivõimekusega: pildianalüüs (vision), heli (transkriptsioon ja kõnesüntees) ning dokumentide töötlemine intelligentse OCR-iga. Eraldi võetuna on üks neist muljetavaldav. Kuid nende kombineerimine ühes töövoo raames vabastab nende täieliku potentsiaali: allikad lõikuvad ja täiendavad üksteist, luues tulemusi, mis ületavad seda, mida ükskõik milline üksik modaalsus suudaks saavutada. See õppetund näitab sulle, kuidas neid kombinatsioone orkestreerida.

Pilt + tekst: enam kui lihtne kirjeldus

Levinuim kasutusjuhtum hõlmab pildi rikastamist täpsete tekstijuhistega. Nõrga ja rikka vihje (prompt) vaheline erinevus on drastiline. Tee ekraanitõmmis PowerPointi slaidist: „Kirjelda seda pilti“ annab tulemuseks igava ümbersõnastuse. Aga „Siin on slaid meie investorite esitlusest. Sõnasta põhiteade ümber üldpublikule“ või „See slaid näitab meie kvartali tulemusi. Tuvasta kolm olulisemat näitajat ja paku välja haarav pealkiri“ rakendab nii mudeli visuaalset mõistmist kui ka kirjutamisoskust – muutes väljundi koheselt kasutatavaks.

sama põhimõte keebib välitingimustes tehtud fotode puhul. „Siin on foto meie stendist messil. Paku välja parendusi, et meelitada rohkem külastajaid“ muudab mudeli konsultandiks; „See foto näitab meie praegust kontori paigutust. Tee ettepanek ümberkorralduseks koostöö parandamiseks“ teeb sellest ruumiplaneerija. Mõlemal juhul suunab tekstiline kontekst mudeli fookust.

Saad kombineerida ka mitut pilti võrdleva juhendiga: kolm disaini maketti koos küsimusega „Järjesta need maketid visuaalse selguse alusel ja põhjenda oma järjestust“ või enne-pärast renoveerimisfoto koos palvega „Hinda edenemise protsenti ja tuvasta allesjäänud ülesanded“.

Heli + dokument: tark kokkuvõte

Eriti võimas töövoog ületab heli transkriptsiooni ja dokumendianalüüsi piire. Klassikaline stsenaarium on koosolek: lae kõigepealt päevakord (PDF) Vibe’i, seejärel koosoleku salvestus ja küsi lõpuks: „Siin on meie koosoleku päevakord ja salvestus. Võta iga päevakorrapunkti kohta kokku, mida otsustati, ja loetle tegevuspunktid.“ Mudel ristviitab mõlemat allikat, et koostada struktureeritud, punkt-punkti haaval kokkuvõte – samas kui pelgalt transkriptsioon annaks sulle pika sõnasõnalise ärakirja, mida toimetada, ja ainult päevakord oleks tühi kest.

Õpilase variant toimib sama hästi: lae üles kursuse PDF-slaidid, seejärel professori helisalvestus ja küsi: „Loo põhjalikud kordamis märkmed, kombineerides slaidid professori suuliste selgitustega.“ Slaidid annavad struktuuri ja täpsed definitsioonid; heli lisab selgitusi, näiteid ja rõhuasetusi. Lõplikud märkmed on palju rikkalikumad kui see, mida kumbki allikas eraldi pakkuda suudaks.

Neli professionaalset töövoogu kordamiseks

Konkurentsianalüüsi jaoks tee ekraanitõmmised kolme konkurendi kodulehtedest, lae need Vibe’i ja küsi: „Võrdle neid kolme kodulehte. Tuvasta igaühe tugevused ja nõrkused sõnumi, disaini ja tegevusele kutsumise (call to action) seisukohalt.“

Kliendi sisseelamise (onboarding) jaoks lae üles allkirjastatud leping (PDF), millele järgneb kliendi ülesanne (dokument või pilt), ja küsi: „Võta kokku lepingulised kohustused ja ristviita need ülesande ootustega. Kas esineb lahknevusi?“ Nende mittevastavuste varajane tuvastamine hoiab ära olukorra, kus projekti käigus avastad, et müügilubadust lepingus ei ole.

Ürituse analüüsi jaoks kombineeri kolm allikat: ürituse fotod, kõnede helisalvestised ja programm (PDF), seejärel küsi: „Koosta üritusejärgne raport, tuues esile võtmemomendid, meeldejäävad tsitaadid ja hinnangu sellele, kui hästi programm kaetud sai.“

Sisekoolituse jaoks pööra voog tagurpidi: salvesta oma suuline protsessi selgitus, lase Vibe’il see transkribeerida, küsi „Muuda see transkriptsioon struktureeritud protseduurijuhendiks nummerdatud sammudega“ ja lisa seejärel ekraanitõmmised koos palvega „Integreeri nende ekraanitõmmiste kirjeldused illustratsioonidena iga sammu juurde.“ Nelja sõnumiga muutub improviseeritud selgitus formaalseks dokumentatsiooniks.

Masina sujuv käivitamine

Mõned harjumused muudavad need töövood palju sujuvamaks. Kontekstualiseeri iga üleslaetud fail – „See on päevakord“, „Siin on vastav salvestus“ –, et mudel seostaks allikaid õigesti. Komplekssete töövoogude puhul tegutse samm-sammult: selle asemel, et saata kõik ühes sõnumis, ehita vestlust sõnum haaval, valideerides iga sammu enne järgmisele liikumist. Nimeta oma failid enne üleslaadimist selgelt: „aruanne-q3-2026.pdf“ annab mudelile infot; „dokument.pdf“ ei anna. Ja pea meeles, et häälrežiim on ise sisendmoodus: pikkade juhiste puhul dikteeri need, selle asemel et lõiku teksti trükkida.

Peamised punktid

  • Pildi + teksti + heli + dokumendi kombineerimine ühes töövoo raamas korrutab võimalusi
  • Võimsaimad töövood ristviitavad mitut allikat: koosoleku heli + päevakord, fotod + kliendi ülesanne
  • Kontekstualiseeri iga üleslaetud fail, et aidata mudelil luua õigeid seoseid
  • Tegutse komplekssetes töövoogudes samm-sammult, selle asemel et saata kõik korraga
  • Häälrežiimi saab kasutada sisendvahendina üksikasjalike juhiste jaoks