Building Multimodal Generative AI Applications

Learn to combine text, speech, and images using modern AI models like Whisper and Granite to build intelligent, multi-sensory applications.

4.7 (58) ⏱ 1 Std. 26 Min. 📚 5 Lektionen 🎧 Audioversion

Über diesen Kurs

AI is no longer limited to just reading and writing text. Modern applications must process speech, images, and video simultaneously to deliver truly intelligent, real-world experiences. In this course, you will learn how to connect different data types—text, audio, and visual inputs—to build cohesive, multimodal generative AI systems. You will understand how these models communicate, align different media formats, and work together to solve complex problems. By focusing on practical written design patterns and structural concepts, you will gain the confidence to architect applications that can hear, see, and speak. What you'll learn: - Understand the core concepts of multimodal AI, including how models process text, image, and audio inputs simultaneously. - Apply speech-to-text models like Whisper to transcribe and analyze audio data. - Explore image and video generation concepts using modern generative models like Granite. - Implement multimodal prompt engineering techniques to guide models across different media types. - Manage multimodal embeddings and vector databases to store and retrieve cross-media information. - Design basic orchestration workflows to connect language models with vision and speech tools. The journey begins with foundational definitions of multimodal architectures before moving into step-by-step written guides on audio processing, computer vision integration, and cross-modal orchestration. You will practice these concepts through written code walkthroughs and conceptual design exercises. This course is designed for beginner developers, technical product managers, and AI enthusiasts who want to understand the next generation of AI systems, requiring only basic programming familiarity. Start reading today to unlock the potential of multi-sensory artificial intelligence.

Was du erhältst

  • 📜 Abschlusszertifikat
    Füge es deinem LinkedIn-Profil hinzu
  • 🎧 Audioversion enthalten
    Lerne unterwegs — kein Bildschirm nötig
  • ♾️ Lebenslanger Zugang
    Komme jederzeit zurück, kein Ablauf
  • 📱 Smartphone oder Computer
    Auf jedem Gerät, überall
  • 💸 30 Tage Rückgaberecht
    Ohne Wenn und Aber
  • Kurz und fokussiert
    1 Std. 26 Min. praktische Inhalte

Bewertungen (3)

زينب بنت حمد الكواري QA
★ 4 · 2025-12-09T17:08:59+00:00

Ich habe den Fluss wirklich genossen. Die praktischen Anwendungen waren genau richtig.

Orhan Sönmez TR
★ 5 · 2025-11-05T15:21:59+00:00

Die Beispiele waren genau richtig und halfen, die Konzepte zu festigen.

Ethan Klein LU Verifizierter Lernender
★ 3 · 2025-09-12T01:25:59+00:00

Ich bin so froh, dass ich diesen Kurs gemacht habe, die gezeigten praktischen Anwendungen waren super hilfreich und die Gesamtstruktur war erstklassig.

Bewertung schreiben

Du wirst nach dem Senden zur Anmeldung aufgefordert — dein Entwurf bleibt gespeichert.

Andere belegten auch

Häufige Fragen

Was brauche ich, um diesen Kurs zu belegen? +

Nur Telefon oder Computer mit Internet. Keine Installation, keine spezielle Hardware.

Wie kann ich bezahlen? +

Per Karte über Stripe oder mit Kryptowährung. Wir speichern keine Kartendaten — Stripe übernimmt das sicher.

Kann ich eine Rückerstattung erhalten? +

Ja — volle Rückerstattung innerhalb von 30 Tagen, ohne Wenn und Aber.

Wie lange habe ich Zugang? +

Für immer. Nach dem Kauf kannst du jederzeit zum Kurs zurückkehren.

Erhalte ich ein Zertifikat? +

Ja. Nach Abschluss erhältst du ein Zertifikat, das du in dein LinkedIn-Profil aufnehmen kannst.

Entwickelt für Lernende in
Tech Design Finanzen Marketing Gesundheit Bildung Gastgewerbe Produktion