说实话，Spring AI的多模态Neng力是个hen牛的东西，咱就是说它Neng处理各种类型的数据，不仅仅是文本，还包括图像、音频等，你懂的。

咱得知道什么是多模态，多模态就是从多个模态表达或感知事物，哈哈，是不是有点抽象？简单来说就是模型Ke以同时理解和处理来自不同来源的信息，比如文本、图片、音频等。

文本向量模型主要对文本进行向量化，把文本变成“向量坐标”，例如：“我喜欢编程” → ，Ke以用来计算相似度，Zuo语义搜索，ZuoRAG。

@SpringBootTest public class EmbeddingTest { @Autowired private DashScopeEmbeddingModel embeddingModel; @Test public void test { EmbeddingResponse embeddingResponse = embeddingModel.call, DashScopeEmbeddingOptions.builder.model.build)); System.out.println.getOutput)); } }

为啥要进行向量化呢？害，因为计算机geng擅长处理数字，而不是文本，向量化之后Ke以进行各种复杂的计算，比如相似度比较等。

这个问题啊，hen多人dou遇到过说实话，我也不太清楚具体原因，不过有人说是网站的内容质量不够高，或者网站的结构有问题，你Ke以检查一下你的网站，kankan是不是这些原因。

有人回答说要提高网站的收录率，Ke以优化网站的内容和结构，增加外部链接等，咱就是说这些方法你Ke以试试kan。

图片模型主要用于根据文本描述生成图像，开发者只需要提供一段自然语言提示词，模型即可生成对应风格和内容的图片。

@SpringBootTest public class ImageTest { @Autowired private DashScopeImageModel imageModel; @Test public void test { String prompt = "一只可爱的刺猬在草地上吃苹果，背景是蓝天白云，风格是卡通"; ImageResponse call = imageModel.call( new ImagePrompt.model.build) ); System.out.println.getOutput.getUrl); } }

这个功Nenghen酷吧，你Ke以让AI生成各种各样的图片，不对不对，应该是你Ke以让AI根据你的描述生成图片。

语音生成用于将文本转换为语音，Ke以实现语音播报、AI配音、语音助手等功Neng。

@SpringBootTest public class SpeechTest { @Autowired private DashScopeAudioSpeechModel dashScopeAudioSpeechModel; @Test public void test throws Exception { // . 配置语音参数 DashScopeAudioSpeechOptions speechOptions = DashScopeAudioSpeechOptions.builder .model) .voice // 发音人 .build; // . 构建文本转语音请求 TextToSpeechPrompt speechPrompt = new TextToSpeechPrompt; // . 调用模型生成语音 TextToSpeechResponse response = dashScopeAudioSpeechModel.call; byte audioData = response.getResult.getOutput; // . 保存为音频文件 try ) { fos.write; System.out.println; } catch { e.printStackTrace; System.out.println); } } } 六：

本章内容整体不算复杂，主要对Spring AI 的多模态Neng力 进行了基础介绍，同时也简单演示了如何从原生 Spring AI 生态，切换到 Spring Alibaba AI + 阿里云百炼模型 的实际用法。

依赖于大模型的Neng力，我们Ke以hen简单的实现语音识别 + 文本处理 + 语音生成等功Neng，这些Neng力单kan可Neng比较简单，还需结合到实际项目当中去，构建出自己的AI应用。

随着大模型Neng力的不断增强，AI Yi经不再局限于“文本对话”，而是进入了多模态时代Ke以理解文本、生成图片、识别语音、视频生成等等。