Elias traduz a pesquisa por trás das manchetes em linguagem simples.
Se inspirou nesta história? Transforme a ideia na sua própria arte com IA em segundos — comece de graça, sem cartão.
Começar de graçaEscolha um companheiro e veja o que ele acha dessa história
A Amazon está lançando um novo recurso para o Alexa para Compras que permite aos clientes adquirir itens enviando mensagens de texto para o assistente de IA, seja descrevendo os produtos desejados ou enviando uma fotografia do item. Esta atualização simplifica o processo de compra, permitindo que os criadores encontrem e adquiram rapidamente itens físicos simplesmente comunicando-se com a IA de uma forma mais natural e multimodal, semelhante a como eles poderiam solicitar um gerador de imagens.
Este aprimoramento significa que, em vez de navegar no site ou aplicativo da Amazon, os usuários podem enviar uma mensagem de texto para o Alexa para Compras detalhando o que precisam, como "compre-me um novo tablet Wacom Intuos Pro Medium" ou "encontre-me uma mesa de pé semelhante a esta" com uma foto anexada. O Alexa então processa essa entrada, pesquisa as extensas listagens da Amazon e responde com recomendações de produtos relevantes. O objetivo é tornar as compras tão intuitivas quanto uma conversa, ignorando as interfaces de pesquisa tradicionais.
A capacidade de usar texto e imagens como entrada, conhecida como prompt multimodal, espelha diretamente a maneira como muitos criadores de arte de IA interagem com ferramentas como o gerador de imagens do Charmloop. Assim como um usuário pode fazer upload de uma imagem de referência e descrever mudanças estilísticas para gerar uma nova obra de arte, agora eles podem mostrar ao Alexa uma foto de um item específico – digamos, uma marca específica de pigmento ou uma ferramenta de escultura única – e pedir à IA para encontrá-lo. Isso muda a interação da pesquisa baseada em palavras-chave para um diálogo mais visual e descritivo, potencialmente economizando tempo ao procurar itens específicos e difíceis de descrever.
O Alexa para Compras agora permite que os usuários enviem descrições de produtos ou imagens para o assistente de IA.
Imagem: Hugging Face Blog
Para os criadores, isso pode significar otimizar a aquisição de bens físicos necessários para seu trabalho. Por exemplo, se um artista digital vê um tipo específico de suporte de monitor no estúdio de um colega, ele pode tirar uma foto e enviá-la para o Alexa para Compras para encontrar um produto correspondente ou semelhante. Essa abordagem reduz o atrito frequentemente associado à tradução de uma ideia visual em termos de pesquisa que produzem resultados precisos. O sistema é projetado para entender o contexto tanto da imagem quanto de qualquer texto que a acompanha, visando fornecer recomendações mais precisas do que as consultas somente de texto poderiam permitir.
Embora este recurso esteja focado principalmente nas compras do consumidor, sua tecnologia subjacente para entrada multimodal tem implicações mais amplas para como interagimos com a IA em várias aplicações. A facilidade de combinar pistas visuais e textuais pode influenciar o design de futuras ferramentas de IA, tornando-as mais adaptáveis aos estilos de comunicação humana natural. Para os criadores, isso significa que as ferramentas de IA podem se tornar ainda mais integradas aos fluxos de trabalho diários, desde a obtenção de materiais até a geração de conteúdo, simplesmente interpretando exemplos visuais e instruções em linguagem natural. O desenvolvimento contínuo de modelos robustos de IA multimodal, como os usados na geração de mundos virtuais 3D interativos, continua a expandir as possibilidades de assistência impulsionada por IA em campos criativos. O lançamento do Cosmos 3 da NVIDIA, por exemplo, oferece ferramentas para criar ambientes digitais complexos a partir de diversas entradas.
Esta atualização da Amazon destaca uma tendência em direção a interfaces de IA mais intuitivas e conversacionais que entendem e agem sobre formas mais ricas de entrada. À medida que os modelos de IA se tornam mais adeptos à interpretação de prompts visuais e textuais complexos, os criadores podem esperar interações cada vez mais sofisticadas e contínuas em uma gama mais ampla de plataformas e serviços, desde a geração de imagens únicas em plataformas como o Charmloop até o gerenciamento de tarefas práticas como a compra de suprimentos. Para explorar como o prompt multimodal funciona na geração criativa, você pode visitar nossa seção de guias.
