Multimodal AI: Vision, Audio, and Image Generation APIs
«Multimodal AI: Vision, Audio, and Image Generation APIs» è un corso online di RAG, Evals & AI Engineering di livello intermedio, tenuto da InsightLearn Curated AI su InsightLearn. Il percorso comprende 8 lezioni organizzate in 3 sezioni, per una durata complessiva di 10h 0m. Build multimodal AI applications with GPT-4V, Claude Vision, Gemini, Whisper, and image generation APIs.
- Docente: InsightLearn Curated AI
- Categoria: RAG, Evals & AI Engineering
- Livello: intermedio
- Durata: 10h 0m
- Lingua: en
- Accesso: gratuito in questa fase di validazione, in cambio di un feedback al termine
- Iscritti: 0
- Certificato: certificato di completamento verificabile online
Descrizione del corso
A comprehensive guide to building multimodal AI applications. Covers vision LLMs (GPT-4o vision, Claude Opus 3 vision, Gemini Flash), image analysis techniques (object detection, OCR, diagram understanding), document intelligence (PDF parsing with vision), audio transcription with Whisper (local and API), speaker diarization, text-to-speech with ElevenLabs and OpenAI TTS, image generation with DALL-E 3 and Stable Diffusion APIs, and building multimodal RAG pipelines.
Cosa imparerai
- Curated from public resources. Build multimodal AI applications with GPT-4V, Claude Vision, Gemini, Whisper, and image generation APIs.
Programma del corso
- GPT-4o vision: image analysis and OCR (30 min)
- Claude vision: multi-image analysis and document parsing (28 min)
- Multimodal RAG: combining vision and text retrieval (40 min)
- Whisper: local transcription and the OpenAI API (28 min)
- Speaker diarization with pyannote.audio (25 min)
- Text-to-speech: OpenAI TTS, ElevenLabs, and Coqui (30 min)
- DALL-E 3: prompt engineering for images (25 min)
- Stable Diffusion APIs: ComfyUI and A1111 (35 min)
Struttura del corso
3 sezioni, 8 lezioni, 10h 0m di durata complessiva. Il corso si segue interamente online, al proprio ritmo.
Domande frequenti
Quanto dura il corso Multimodal AI: Vision, Audio, and Image Generation APIs?
Il corso dura 10h 0m in totale, con 8 lezioni suddivise in 3 sezioni, da seguire online al proprio ritmo.
Serve esperienza pregressa?
Il corso è di livello intermedio e non indica requisiti specifici di ingresso.
Il corso rilascia un certificato?
Sì: al completamento del corso ricevi un certificato di completamento verificabile online.
Quanto costa il corso?
In questa fase di validazione del mercato il corso è gratuito: in cambio chiediamo un feedback al termine. Nessun listino pubblico.