A O modelo de áudio e voz generativo, de natureza intermodal, integra múltiplos sentidos, explorando a complementaridade entre eles, possibilitando traduções cruzadas entre modalidades.
B Os modelos de difusão, sustentados por cadeias estocásticas e treinados por inferência variacional, reproduzem em amostras a distribuição original ao reverter o processo de difusão que adiciona ruído aos dados.
C Os modelos de linguagem de grande porte (LLMs) são treinados para prever a probabilidade de um caractere, palavra ou sequência (token) dado o seu contexto precedente ou circundante.
D Os modelos fundacionais são treinados em dados amplos e capazes de adaptação a uma ampla variedade de tarefas subsequentes, servindo de base para outros modelos.
E Os modelos generativos adversariais (GANs) consistem em dois modelos: um gerador, que aprende a capturar a distribuição de dados, e um discriminador, que estima a probabilidade de uma amostra ser real.