Cohere ประกาศว่า Embed3 โมเดลการค้นหา AI แบบหลายโมดัลที่ล้ำสมัยที่สุด ได้รับการอัปเดตครั้งใหญ่ และตอนนี้รองรับการค้นหาแบบหลายโมดัล ทำให้ผู้ใช้สามารถใช้ข้อความและรูปภาพสำหรับการดึงข้อมูลระดับองค์กร การอัปเดตนี้ถือเป็นความก้าวหน้าที่สำคัญในการค้นหารูปภาพสำหรับ Embed3 ช่วยให้องค์กรต่างๆ สามารถขุดมูลค่าของข้อมูลรูปภาพได้อย่างมีประสิทธิภาพมากขึ้น และปรับปรุงประสิทธิภาพการทำงานและความเร็วในการตัดสินใจ เครื่องมือแก้ไข Downcodes จะนำคุณไปสู่ความเข้าใจเชิงลึกเกี่ยวกับฟังก์ชันล่าสุดและกรณีการใช้งานของ Embed3
Cohere ได้เปิดตัว Embed3 ซึ่งเป็นโมเดลการค้นหา AI แบบหลายโมดัลที่ทันสมัยที่สุด ซึ่งขณะนี้รองรับการค้นหาแบบหลายโมดัล ซึ่งหมายความว่าผู้ใช้สามารถทำการค้นหาระดับองค์กรได้ไม่เพียงแค่ผ่านข้อความเท่านั้น แต่ยังรวมถึงรูปภาพด้วย
นับตั้งแต่เปิดตัวเมื่อปีที่แล้ว Embed3 ได้รับการปรับให้เหมาะสมอย่างต่อเนื่องเพื่อช่วยให้องค์กรต่างๆ แปลงเอกสารเป็นรูปแบบดิจิทัล และการอัปเกรดนี้จะทำให้การค้นหารูปภาพดียิ่งขึ้นไปอีก
Aidan Gonzales ผู้ร่วมก่อตั้งและซีอีโอ Cohere แบ่งปันแผนภูมิการปรับปรุงประสิทธิภาพของ Embed3 ในการค้นหารูปภาพบนโซเชียลมีเดีย
Cohere กล่าวในบล็อกว่าฟีเจอร์ใหม่นี้จะช่วยให้บริษัทต่างๆ ขุดข้อมูลขนาดใหญ่ที่เก็บไว้ในรูปภาพได้อย่างเต็มที่ และปรับปรุงประสิทธิภาพการทำงาน ธุรกิจสามารถค้นหาสินทรัพย์หลายรูปแบบ เช่น รายงานที่ซับซ้อน แค็ตตาล็อกผลิตภัณฑ์ และเอกสารการออกแบบได้รวดเร็วและแม่นยำยิ่งขึ้น
ในขณะที่การค้นหาหลายรูปแบบยังคงพัฒนาต่อไป Embed3 ของ Cohere สามารถสร้างการฝังทั้งข้อความและรูปภาพได้ วิธีการฝังแบบใหม่นี้ทำให้ผู้ใช้สามารถจัดการรูปภาพและข้อความในพื้นที่แฝงที่เป็นหนึ่งเดียว แทนที่จะจัดเก็บแยกกัน การปรับปรุงแนวทางนี้จะปรับปรุงคุณภาพของผลการค้นหาได้อย่างมาก หลีกเลี่ยงการลำเอียงต่อข้อมูลข้อความ และช่วยให้เข้าใจความหมายเบื้องหลังข้อมูลได้ดียิ่งขึ้น
ต่อไปนี้เป็นกรณีการใช้งานจริงของ Embed3:
กราฟและแผนภูมิ: การแสดงภาพเป็นกุญแจสำคัญในการทำความเข้าใจข้อมูลที่ซับซ้อน ขณะนี้ผู้ใช้สามารถค้นหาแผนภูมิที่เหมาะสมเพื่อประกอบการตัดสินใจทางธุรกิจได้อย่างง่ายดาย เพียงอธิบายข้อมูลเชิงลึกที่เฉพาะเจาะจง แล้ว Embed3 จะดึงข้อมูลกราฟและแผนภูมิที่เกี่ยวข้อง ช่วยให้พนักงานทั่วทั้งทีมสามารถตัดสินใจโดยอาศัยข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น
แคตตาล็อกผลิตภัณฑ์อีคอมเมิร์ซ: วิธีค้นหาแบบดั้งเดิมมักจำกัดให้ลูกค้าค้นหาผลิตภัณฑ์ผ่านคำอธิบายผลิตภัณฑ์แบบข้อความ Embed3 เปลี่ยนแปลงประสบการณ์การค้นหานี้ ผู้ค้าปลีกสามารถสร้างแอปที่ค้นหารูปภาพผลิตภัณฑ์นอกเหนือจากคำอธิบายข้อความ สร้างประสบการณ์ที่แตกต่างให้กับผู้ซื้อและเพิ่มอัตราคอนเวอร์ชัน
ออกแบบไฟล์และเทมเพลต: นักออกแบบมักจะทำงานกับไลบรารีแอสเซทขนาดใหญ่ และอาศัยหน่วยความจำหรือกฎการตั้งชื่อที่เข้มงวดเพื่อจัดระเบียบภาพ Embed3 ทำให้ง่ายต่อการค้นหาการจำลอง UI เทมเพลตภาพ และสไลด์การนำเสนอตามคำอธิบายข้อความ สิ่งนี้ทำให้กระบวนการสร้างสรรค์ง่ายขึ้น
Embed3 ยังรองรับมากกว่า 100 ภาษา ซึ่งหมายความว่าสามารถรองรับฐานผู้ใช้ที่กว้างขึ้น ปัจจุบัน Embed3 แบบหลายโมดอลนี้เปิดตัวบนแพลตฟอร์มของ Cohere และ Amazon SageMaker แล้ว
เมื่อผู้ใช้คุ้นเคยกับการค้นหารูปภาพมากขึ้นเรื่อยๆ และธุรกิจต่างๆ ยังคงตามทัน การอัปเดตของ Cohere ทำให้พวกเขามีโอกาสเพลิดเพลินไปกับประสบการณ์การค้นหาที่ยืดหยุ่นมากขึ้น Cohere อัปเดต API ในเดือนกันยายนเพื่อให้ลูกค้าสามารถเปลี่ยนจากโมเดลของคู่แข่งมาเป็นโมเดล Cohere ได้อย่างง่ายดาย
บล็อกอย่างเป็นทางการ: https://cohere.com/blog/multimodal-embed-3
ไฮไลท์:
Embed3 รองรับการค้นหาหลายรูปแบบ ช่วยให้ผู้ใช้สามารถค้นหาผ่านรูปภาพและข้อความได้
โมเดลที่ได้รับการปรับปรุงปรับปรุงประสิทธิภาพการค้นหารูปภาพได้อย่างมาก และช่วยให้องค์กรต่างๆ ขุดคุณค่าของข้อมูล
? Cohere อัปเดต API ในเดือนกันยายนเพื่อลดความซับซ้อนของกระบวนการสำหรับลูกค้าที่เปลี่ยนจากรุ่นอื่น
โดยรวมแล้ว การอัปเดต Embed3 ของ Cohere นำเสนอความเป็นไปได้ใหม่ๆ ในการค้นหาหลายรูปแบบระดับองค์กร ฟังก์ชันอันทรงพลังและประสบการณ์การใช้งานที่สะดวกสบายจะช่วยให้องค์กรต่างๆ ใช้ข้อมูลได้ดีขึ้น ปรับปรุงประสิทธิภาพ และตัดสินใจได้อย่างชาญฉลาดยิ่งขึ้น ผู้อ่านที่สนใจสามารถเยี่ยมชมบล็อกอย่างเป็นทางการเพื่อดูข้อมูลเพิ่มเติม