据报道，百度计划在今年下半年发布下一代人工智能模型Ernie 5.0，将大幅增强多模态能力。多模态人工智能能够处理和融合文本、视频、图像和音频等多种信息形式，并实现跨模态转换，例如将文本转换为视频，或将音频转换为图像。