简单说就是图片、视频、音频这些能看能听的。还有文字、动画、PPT、网页这些能读能动的。比如朋友圈发的九宫格照片算图片，B站上的直播算视频，微信语音消息算音频。连手机里的电子书、游戏里的特效也算。

为什么这样分呢？多媒体资源就是让机器能处理各种感官信息。比如视频是图片+音频+时间的组合，抖音爆款视频播放量平均超5000万次（前年数据）。音频单独算是因为它占流量的20%，像喜马拉雅有3亿用户（去年数据）。文字和PPT虽然轻，但能辅助其他媒体，比如会议PPT让视频讲解更清晰。数据来源中国互联网信息中心第52次报告，明确把多媒体定义为"文本、图像、音频、视频、动画等数字形态"。但要注意，像Excel表格这种纯数据不算，因为它不能直接刺激感官。