本文综述了多模式自动摘要（MMS）研究，涵盖文本、图像、音频和视频等模式，讨论了评估指标、数据集及当前挑战。提出了多模式多媒体总结框架（MHMS），用于自动生成新闻封面和视频介绍，评估结果显示其在多个数据集上表现良好。此外，研究了胎儿生物测量和医疗对话摘要生成模型，推动了多模态摘要领域的发展。