
Google推出多模态搜索:图像与文本组合查询新体验
Google基于Google Lens技术推出了全新的“多模态搜索”(Multisearch)功能。该功能允许用户先通过图像发起搜索,再叠加文本关键词以进一步细化结果。值得注意的是,尽管Google表示该功能应用了人工智能技术,但并未采用MUM(多功能大规模统一模型)。
操作流程与交互方式
在iOS或Android版Google搜索应用中,用户点击Lens相机图标拍摄照片、上传截图或从相册选择图片后,向上滑动并点击“+添加到搜索”按钮即可输入补充文本。以下为静态操作演示图:


目前上滑添加文本的交互逻辑尚需优化,部分用户初次使用时可能感到困惑。
典型应用场景
多模态搜索主要适用于以下场景:
- 服装变体查找:截取某款连衣裙图片,添加颜色关键词(如“绿色”)查找同款其他配色;
- 家居搭配搜索:拍摄餐桌套装照片,补充“茶几”等关键词寻找配套家具;
- 生活信息查询:拍摄植物照片,添加“养护说明”获取专业种植建议。
适用范围与定位
该功能目前仅在美国英语版Google搜索应用中上线,官方建议优先用于购物及服装类搜索场景。这也是Google在去年“Search On”活动中曾展示过的核心功能之一。

