Cohere推出多模态搜索模型Embed3，可用文本、图片检索文件

Embed3自去年推出以来，一直在不断优化，帮助企业将文档转化为数字化的表示形式，而这次的升级将让它在图像搜索方面表现更为出色。

Cohere 的联合创始人兼首席执行官 Aidan Gonzales 在社交媒体上分享了 Embed3在图像搜索方面的性能提升图表。

Cohere 在一篇博客中表示，这一新功能将帮助企业充分挖掘存储在图像中的海量数据，提升工作效率。企业可以更快速、准确地搜索复杂报告、产品目录和设计文件等多模态资产。

随着多模态搜索的不断发展，Cohere 的 Embed3可以同时生成文本和图像的嵌入。这种新的嵌入方法能够让用户在一个统一的潜在空间中管理图像和文本，而不是将它们分开存储。这种方式的改进将大幅提升搜索结果的质量，避免偏向于文本数据，从而更好地理解数据背后的含义。

以下是Embed3实际使用案例:

图形和图表:视觉表示是理解复杂数据的关键。用户现在可以毫不费力地找到合适的图表来为他们的业务决策提供信息。只需描述一个特定的见解，Embed3就会检索相关的图形和图表，使跨团队的员工能够更高效地做出数据驱动的决策。

电子商务产品目录:传统的搜索方法通常限制客户通过基于文本的产品描述来查找产品。Embed3改变了这种搜索体验。零售商可以构建应用程序，除了文本描述之外，还可以搜索产品图片，从而为购物者创造差异化体验并提高转化率。

设计文件和模板:设计师经常使用大量的资产库，依赖内存或严格的命名规则来组织视觉效果。Embed3使根据文本描述查找特定 UI 模型、可视化模板和演示幻灯片变得简单。这简化了创作过程。

Embed3的支持语言也超过100种，这意味着它能够服务于更广泛的用户群体。目前，这款多模态的 Embed3已在 Cohere 的平台和 Amazon SageMaker 上推出。

随着越来越多的用户习惯于图像搜索，企业也在不断追赶这一趋势，Cohere 的更新让他们有机会享受到更为灵活的搜索体验。Cohere 在9月更新了其 API，使客户能够轻松地从竞争对手的模型切换到 Cohere 模型。