> ## Documentation Index > Fetch the complete documentation index at: https://docs.b-bot.space/llms.txt > Use this file to discover all available pages before exploring further. # IA multimodale > Comprendi come testo, voce, immagini e file possono partecipare al workflow di un Agente IA. # IA multimodale Una modalità è una forma di input o output. Un workflow multimodale combina più forme, come una domanda testuale su un'immagine caricata o una richiesta vocale con risposta testuale. In B-Bot Hub, il supporto delle modalità dipende dal modello e dal provider selezionati, dalla configurazione dell'Agente e dal Canale di distribuzione. Configura e testa la combinazione completa prima di farvi affidamento. ## Modalità comuni Istruzioni, domande, risposte formattate e codice. Il parlato può essere trascritto come input e, dove configurato, il testo può essere sintetizzato come audio. I modelli supportati possono esaminare un'immagine fornita con una domanda o produrre un'immagine tramite una capacità configurata. I file supportati possono fornire contesto o diventare output nei workflow che includono la gestione dei file. ## Input e output sono distinti Un Agente che accetta un'immagine non genera necessariamente immagini. Anche l'input vocale e l'output audio richiedono configurazioni separate. Per ogni workflow, documenta: * Tipi di input accettati * Tipi di output previsti * Vincoli di dimensione, formato e lingua * Chiavi provider richieste * Limitazioni del canale * Comportamento alternativo in caso di errore nell'elaborazione ## Schemi di esempio ### Immagine e testo L'utente carica un'immagine e pone una domanda specifica. L'Agente restituisce una descrizione o un'analisi testuale. Il risultato deve essere considerato un'interpretazione, soprattutto in presenza di testo piccolo, misurazioni o immagini rilevanti per la sicurezza. ### File e testo L'utente fornisce un documento o un set di dati accompagnato da istruzioni. L'Agente estrae o analizza i contenuti supportati. Per lavori importanti, verifica che l'intero file sia stato elaborato e confronta il risultato con la fonte. ### Voce e testo Il parlato viene trascritto e poi elaborato come messaggio dell'utente. Gli errori di trascrizione possono modificarne il significato: mostra o conferma i dettagli critici prima di agire. ### Testo e audio Una risposta testuale viene convertita in parlato. Fornisci un'alternativa testuale e verifica pronuncia, lingua e requisiti di accessibilità. ## Checklist di progettazione Verifica che il modello, il provider e il Canale di distribuzione supportino i tipi di input e output richiesti. Invia solo i contenuti necessari per l'attività. Rimuovi le informazioni personali o riservate non necessarie. Informa gli utenti quando un input non può essere elaborato e offri un'alternativa sicura, come l'inserimento di testo o un altro formato di file. Testa accenti, immagini, layout dei documenti, dimensioni dei file, dispositivi e condizioni di rete rappresentativi. Richiedi una revisione qualificata per decisioni mediche, legali, finanziarie, di sicurezza, identità o accessibilità. ## Limitazioni * Il riconoscimento vocale può interpretare erroneamente nomi, numeri e termini specialistici. * L'analisi delle immagini può non rilevare alcuni dettagli o dedurre oggetti che non sono presenti. * L'estrazione dai documenti può perdere layout, tabelle, annotazioni o testo scansionato. * I file generati possono essere malformati o contenere dati errati. * Comportamento, limiti e prezzi dei provider possono cambiare. Non usare un Agente IA come unica autorità per la verifica dell'identità, la diagnosi, la conformità o altre decisioni ad alto impatto basate su input multimodali. ## Guide correlate Esamina le attuali impostazioni di input e output di B-Bot Hub. Configura le credenziali per i provider supportati. Scopri come gli utenti forniscono testo, voce, immagini e file nella chat. Usa i file dello spazio di lavoro nei workflow in più fasi.