Η πολυτροπική AI χειρίζεται περισσότερες μορφές πληροφορίας, όπως κείμενο και εικόνες. Μπορεί να απαντά για μια φωτογραφία, αλλά οι διαθέσιμες είσοδοι και έξοδοι διαφέρουν ανά σύστημα και μια πειστική απάντηση δεν εγγυάται ακρίβεια.
Η μετατροπή φωνής ξεκινά από ομιλία που έχει ήδη ειπωθεί και αλλάζει χαρακτηριστικά της φωνής. Δεν είναι το ίδιο με την παραγωγή ομιλίας από κείμενο, ούτε ένας γνώριμος ήχος αποδεικνύει ποιος μίλησε.
Η αποθήκευση μιας φωτογραφίας στο cloud δεν είναι το ίδιο με την ανάλυση ή την κοινοποίησή της. Οι λειτουργίες προσώπων και τοποθεσίας έχουν ξεχωριστές ρυθμίσεις και διαφορετικά όρια ανά υπηρεσία.
Το μικρόφωνο λαμβάνει τη φωνή μαζί με τους ήχους του χώρου. Η τεχνητή νοημοσύνη εκτιμά ποια μέρη να διατηρήσει, αλλά μπορεί να μειώσει και ήχους που θέλετε να ακουστούν.