Show-o ist ein einziges Transformer-Modell für multimodales Verständnis und Generierung. Es verarbeitet Bildbeschriftungen, visuelle Frage-Antwort-Systeme, Text-zu-Bild-Generierung, textgeführte Reparatur und Erweiterung sowie die Generierung gemischter Modalitäten. Das Modell wurde gemeinsam von der Show Lab der National University of Singapore und ByteDance entwickelt und nutzt modernste Deep-Learning-Technologien. Es kann Daten verschiedener Modalitäten verstehen und generieren und stellt einen bedeutenden Durchbruch im Bereich der künstlichen Intelligenz dar.