图像优化：让百度看懂你的视觉内容
多模态搜索的第一步是让搜索引擎准确理解图片内容。百度图像识别技术依赖图片的文件名、ALT标签和周边文本信息。具体操作时，建议遵循以下原则：
- 文件名语义化：使用描述性英文或拼音命名，例如summer-sky.jpg优于IMG_2025.jpg。
- ALT标签填充自然语句：ALT文本应简要描述图片核心内容，同时自然包含目标关键词，例如“一只在草地上奔跑的金毛犬”。
- 图片压缩与格式：保持WebP或JPEG格式，文件大小控制在200KB以内，以提升加载速度和抓取效率。
对于包含文字的图片（如信息图、海报），百度OCR会识别图中文字。因此，重要文字不应嵌入图片中，而应使用HTML文本呈现；若必须使用图片，需在周边段落中重复相关文本。
语音搜索优化：适应对话式查询习惯
语音查询通常使用更长、更口语化的表达。例如，用户可能说“附近有什么好吃的川菜馆”而非“川菜馆推荐”。针对这一特点，优化要点包括：
- 长尾关键词布局：在标题、段落和问答结构中嵌入自然口语短语。
- 结构化数据增强：使用FAQ或How-to标记，让百度直接提取答案作为语音搜索结果。
- 页面加载速度：语音搜索对移动端体验要求高，Core Web Vitals指标（尤其是LCP、FID）需达标。
注意：语音搜索结果常从“精选摘要”或“答案卡片”中提取。因此，文章开头或关键段落应使用简洁的1-2句话直接回应常见问题。
多模态之间的协同：从单一优化到系统整合
图像与语音优化并非独立模块，而是相互赋能。以下表格概括了常见的协同策略：
| 场景 | 图像优化动作 | 语音优化动作 |
|---|---|---|
| 产品展示页 | ALT标签包含产品型号+使用场景 | H1标签以“如何选购/使用XX产品”的口语形式呈现 |
| 教程类内容 | 步骤截图添加数字序号和文字描述 | 每个步骤前用写出完整问句 |
| 本地服务页 | 店铺环境图标注地理标签 | 段落中自然融入“附近”“走路几分钟”等方位词 |
实战检验：技术层面不可忽略的细节
除了内容本身，技术实施同样影响效果。提交站点地图时应同时包含图片索引，并在robots.txt中允许百度抓取图片文件夹。语音搜索部分，建议使用speakable结构化标记（百度已部分支持），明确标注适合朗读的文本段落。
定期使用百度的“搜索资源平台”检查图片抓取状态和语音搜索展示占比。如果发现图片未被索引，检查是否被无意义的CSS背景图替代；如果语音流量低，可尝试在段落开头增加“您是否想知道……”之类的引导式问句。
持续迭代：关注百度算法更新方向
百度多模态搜索仍在发展中。2024年以来，百度在“听筒”搜索和图片问答上加大了投入。建议每月阅读百度搜索学院的最新公告，重点关注图像识别准确性提升和语音对话式排序规则的变化。同时，保持内容更新频率——旧的图片和过时的语音问答会降低整体权重。
优化不是一次性动作，而是在内容生产流程中嵌入“多模态意识”：每次撰写文章时，同时思考“这句话是否适合语音？这张插图是否附带了足够的机器可读信息？”当这两种思考成为习惯，搜索结果中的展现形式自然会丰富起来。
张一鸣还谈到了自己对模型蒸馏的看法。他反对蒸馏，认为蒸馏能在短期内改善模型表现，但本质上仍是在复制 Claude 已有的能力。沿着这条路走，最多只能不断逼近对方，很难真正实现超越。他也希望 Seed 可以从更底层的维度去构建自己在 AGI 上的壁垒。
评论区
热门讨论 · 占位展示期待你的精彩发言。