Engenharia de Software em IA Aplicada › APIs de IA Generativa e Prompt Engineering

M02-A07 Modelos multimodais: texto, imagem, áudio e vídeo

Prefere assistir?

A mesma aula em vídeo narrado, com legendas · 1:50

Nesta aula

Módulo 2 · aula 7 — o que muda quando o modelo vê e ouve

  • Escolher a modalidade certa por problema
  • Conhecer OpenAI Vision, Whisper e Gemini multimodal

Tempo de estudo sugerido: 20 min.

Créditos

  • IBM Technology — “What is Multimodal AI? How LLMs Process Text, Images, and More” · trecho 01:01.20–01:08.10 · ver no YouTube
  • Google for Developers — “Building with Gemini 2.0: Video understanding” · trecho 01:04.50–01:09.50 · ver no YouTube

Narração com voz sintética (Microsoft Edge TTS).

APIs de IA Generativa e Prompt Engineering

  1. IA como serviço: wrappers, oportunidades e onde o dev entra
  2. OpenAI, Anthropic, Hugging Face e Gemini: APIs comparadas
  3. Prompt chaining, templates e menos alucinação
  4. Custo e previsibilidade: tokens, cache e contexto
  5. RAG avançado: orquestração, retries e observabilidade
  6. Mão na massa: LLM da OpenAI num back-end existente
  7. Modelos multimodais: texto, imagem, áudio e vídeo
  8. OCR inteligente, análise de mídia e bots multimodais
Gerado 100% com IA, sem revisão humana. Roteiro, narração (voz sintética) e animações destes cursos são produzidos com inteligência artificial pelas skills abertas do course-forge no GitHub, sem curadoria ou revisão humana. Pode conter erros: consulte sempre as fontes originais citadas. Trechos curtos de vídeos de terceiros aparecem com crédito e link para o original. Uma publicação da L4Tec.