Tìm kiếm từng có nghĩa là từ ngữ được gõ. Multimodal search phản ánh việc các model AI giờ có thể hiểu nhiều loại đầu vào cùng lúc, nên một truy vấn có thể là một tấm ảnh, một câu hỏi nói, hoặc một sự pha trộn, và hệ thống suy luận qua tất cả để cho ra một câu trả lời.
Multimodal search hoạt động thế nào?
Một model đa phương thức được huấn luyện để biểu diễn các loại đầu vào khác nhau, văn bản, hình ảnh, âm thanh, trong một hiểu biết chung về ý nghĩa, nên nó có thể liên hệ một bức ảnh với từ ngữ và ngược lại. Khi bạn chĩa camera vào một vật và hỏi về nó, hệ thống diễn giải hình ảnh và văn bản cùng nhau như một truy vấn duy nhất, thay vì xử lý chúng như hai lượt tìm kiếm riêng. Đây là một năng lực cốt lõi đằng sau các trải nghiệm tìm kiếm chạy bằng AI như Google AI Mode và các công cụ hình ảnh như Google Lens.
Ví dụ về multimodal search là gì?
- Chụp ảnh một sản phẩm rồi hỏi mua ở đâu hoặc dùng thế nào.
- Chĩa camera vào một địa danh, cái cây hoặc món ăn rồi hỏi đó là gì.
- Kết hợp một hình ảnh với một tinh chỉnh bằng chữ, như một tấm ảnh ghế cộng thêm màu xanh.
- Nói một câu hỏi tự nhiên thay vì gõ nó, như trong tìm kiếm giọng nói.
Multimodal search có ý nghĩa gì với SEO và nội dung?
Nó mở rộng những gì có thể tối ưu. Hình ảnh trở thành điểm vào tìm kiếm, không chỉ là trang trí, điều này nâng tầm quan trọng của alt text mô tả, ảnh chất lượng cao, và image structured data. Nội dung ghép văn bản rõ ràng với hình ảnh mạnh, liên quan thì có vị thế tốt hơn cho một trải nghiệm tìm kiếm đọc cả hai. Mục tiêu bên dưới không đổi, hãy là câu trả lời rõ ràng và liên quan nhất, nhưng các đầu vào mà một hệ thống có thể đọc để tìm ra bạn giờ gồm nhiều hơn từ ngữ.
Nó liên quan tới AI Mode và neural search thế nào?
Multimodal search là một năng lực bên trong tìm kiếm AI hiện đại. Nó dựa vào neural search, khớp theo ý nghĩa qua biểu diễn vector, để liên hệ một hình ảnh với văn bản liên quan, và nó xuất hiện trong các trải nghiệm AI Mode chấp nhận một tấm ảnh hoặc một câu hỏi nói dễ dàng như văn bản gõ. Cùng nhau chúng dịch chuyển tìm kiếm từ khớp từ khóa sang hiểu intent qua bất kỳ hình thức nào của truy vấn.
Câu hỏi thường gặp
Multimodal search là gì?+
Multimodal search là tìm kiếm hiểu nhiều hơn một loại đầu vào, như văn bản, hình ảnh, giọng nói và video, trong một truy vấn được xử lý bởi một model AI. Nó cho phép tìm bằng cách kết hợp một tấm ảnh với một câu hỏi, hoặc nói thay vì gõ.
Multimodal search ảnh hưởng tới SEO thế nào?+
Nó biến hình ảnh và các media khác thành điểm vào tìm kiếm thật, không chỉ là trang trí. Alt text mô tả, ảnh chất lượng cao liên quan và image structured data quan trọng hơn, và nội dung ghép văn bản rõ ràng với hình ảnh mạnh có vị thế tốt hơn cho một tìm kiếm đọc cả hai.
Ví dụ về multimodal search là gì?+
Chụp ảnh một sản phẩm rồi hỏi mua ở đâu, chĩa camera vào một địa danh để nhận diện, kết hợp một hình ảnh với một tinh chỉnh bằng chữ như màu xanh, hoặc nói một câu hỏi tự nhiên thay vì gõ.