GEMINI ESSENTIALS • LESSON ៦

Multimodal: Text, Image និង Audio

by Sot Dimong

៩ សីហា ២០២៦

បញ្ចូលប្រភេទ Input ផ្សេងៗ និងបញ្ជាក់អ្វីត្រូវសង្កេត អ្វីត្រូវប្រៀបធៀប និង Output ចង់បាន។

រយៈពេលប្រហែល ១៦ នាទី

Gemini Mission • Level ២ 🌈 Multimodal Explorer

0 XP

ចាប់ផ្តើម

សេចក្តីផ្តើម
មេរៀនទី៦ ៖ «Multimodal: Text, Image និង Audio» នឹងណែនាំអ្នកឱ្យយល់ច្បាស់ពី បញ្ចូលប្រភេទ Input ផ្សេងៗ និងបញ្ជាក់អ្វីត្រូវសង្កេត អ្វីត្រូវប្រៀបធៀប និង Output ចង់បាន។

គោលបំណងមេរៀននេះ
បន្ទាប់ពីរៀនចប់ អ្នកនឹងអាចប្រើប្រាស់មុខងារនេះយ៉ាងស្ទាត់ជំនាញក្នុងប្រព័ន្ធ Google Gemini និងអនុវត្ត Workflow ត្រឹមត្រូវ។

១. Multimodal: Text, Image និង Audio ជាអ្វី?

Multimodal: Text, Image និង Audio គឺជាសមត្ថភាពដ៏សំខាន់មួយក្នុង Google Gemini ដែលជួយសម្រួលដល់ការងារ បញ្ចូលប្រភេទ Input ផ្សេងៗ និងបញ្ជាក់អ្វីត្រូវសង្កេត អ្វីត្រូវប្រៀបធៀប និង Output ចង់បាន។

ការយល់ដឹងពីរបៀបរៀបចំ Prompt និង Context ច្បាស់លាស់ នឹងជួយឱ្យ Gemini ឆ្លើយតបបានត្រឹមត្រូវ និងចំគោលដៅបំផុត។

គោលដៅចម្បងបញ្ចូលប្រភេទ Input ផ្សេងៗ និងបញ្ជាក់អ្វីត្រូវសង្កេត អ្វីត្រូវប្រៀបធៀប និង Output ចង់បាន។

បរិបទសន្ទនារក្សាបរិបទការងារច្បាស់លាស់ មិនរញ៉េរញ៉ៃ។

ការពិនិត្យ Outputផ្ទៀងផ្ទាត់ Fact និងប្រភព មុនយកទៅប្រើប្រាស់។

ប្រសិទ្ធភាពកាត់បន្ថយពេលវេលាធ្វើការ និងបង្កើនគុណភាពអត្ថបទ/កូដ។

២. សមត្ថភាពចម្បង និងការរៀបចំ

ដើម្បីទទួលបានផលប្រយោជន៍អតិបរមាពី Multimodal: Text, Image និង Audio អ្នកគួរអនុវត្តតាមជំហានសំខាន់ៗ៖

ជំហានទី១៖ កំណត់ Goal ឱ្យច្បាស់បញ្ជាក់អ្វីដែលអ្នកចង់ឱ្យ Gemini ធ្វើ (ឧ. សង្ខេប, ព្រាង, វិភាគ)។

ជំហានទី២៖ ផ្តល់ Context គ្រប់គ្រាន់ដាក់ background info, ឯកសារយោង ឬរចនាប័ទ្ម (Tone) ដែលចង់បាន។

ជំហានទី៣៖ ដាក់ Constraints (ដែនកំណត់)ប្រាប់អ្វីដែលមិនគួរធ្វើ ឧ. «កុំប្រើពាក្យបច្ចេកទេសស្មុគស្មាញពេក»។

៣. របៀបដំណើរការក្នុង Gemini Ecosystem

Gemini ប្រើប្រាស់ Multimodal Engine ដើមី្បវិភាគទិន្នន័យរបស់អ្នក មិនថាជាអត្ថបទ រូបភាព ឬឯកសារឡើយ៖

ជំនួយស្មារតី៖ ប្រើប្រាស់មុខងារ Follow-up ដើម្បីសួរដេញដោលបន្ថែម ប្រសិនបើចម្លើយដំបូងនៅខ្វះចន្លោះ។ មិនបាច់ចាប់ផ្តើម New Chat ឡើយ លើកលែងតែអ្នកប្តូរប្រធានបទថ្មីស្រឡាង។

៤. ឧទាហរណ៍នៃការអនុវត្ត Workflow

ពិនិត្យការប្រៀបធៀបរវាងការប្រើ Prompt ធម្មតា និង Prompt ដែលមានរចនាសម្ព័ន្ធច្បាស់លាស់៖

Prompt ធម្មតា (មិនសូវល្អ)«ជួយមើលឯកសារនេះឱ្យខ្ញុំបន្តិច។»

Structured Prompt (ល្អខ្លាំង)«អ្នកជាអ្នកវិភាគទិន្នន័យ។ សូមសង្ខេបចំណុចសំខាន់ ៣ ពីឯកសារនេះ ជាទម្រង់ Bullet points ដោយរំលេច Action items។»

៥. ការផ្ទៀងផ្ទាត់ Fact និងសុវត្ថិភាពទិន្នន័យ

ទោះបីជា Gemini មានសមត្ថភាពខ្ពស់ ប៉ុន្តែអ្នកត្រូវប្រុងប្រយ័ត្នលើចំណុចសុវត្ថិភាព៖

អ្វីដែលត្រូវធ្វើប្រើប៊ូតុង Double-check ដើម្បីផ្ទៀងផ្ទាត់ Fact ជាមួយ Google Search។

អ្វីដែលត្រូវជៀសវាងកុំបញ្ចូល Password, OTP, Private API Keys ឬទិន្នន័យសម្ងាត់។

LIVE GEMINI LAB

Live Gemini Lab • មេរៀនទី៦

READY

សាកល្បងជ្រើសរើស Input ដើមី្បមើលថាតើ Gemini ដំណើរការ Multimodal: Text, Image និង Audio យ៉ាងដូចម្តេច។

User Input សំណួរ ឬប្រធានបទ

Gemini Engine Multimodal + Grounding

Gemini Draft អត្ថបទរៀបចំរួច

លទ្ធផលគំរូ៖ Gemini វិភាគប្រធានបទ និងបង្កើតសេចក្តីព្រាងយ៉ាងមានរចនាសម្ព័ន្ធ។

៦. លំហាត់អនុវត្ត PROMPT លើ GEMINI

ASK: សួរឱ្យច្បាស់។ REVIEW: អានមើលភាពពាក់ព័ន្ធ។ VERIFY: ផ្ទៀងផ្ទាត់ Fact ជាមួយ Double-Check។ USE: យកទៅប្រើប្រាស់។

សាកអនុវត្ត • PROMPT គំរូជាភាសាខ្មែរ

អ្នកជាអ្នកជំនាញ Google Gemini។ សូមណែនាំពីរបៀបប្រើប្រាស់ Multimodal: Text, Image និង Audio ឱ្យមានប្រសិទ្ធភាពខ្ពស់បំផុត សម្រាប់អ្នកចាប់ផ្តើម ដោយផ្តល់ឧទាហរណ៍អនុវត្ត ៣ និងបញ្ជាក់ចំណុចប្រុងប្រយ័ត្ន។

៧. ពិនិត្យការយល់ដឹង (QUIZ)

QUIZ ខ្លី

តើវិធីសាស្រ្តប្រើប្រាស់ Multimodal: Text, Image និង Audio មួយណាដែលផ្តល់លទ្ធផលល្អបំផុត?

✓ ត្រឹមត្រូវ! ការកំណត់ Goal, Context និង Format ច្បាស់លាស់ ព្រមទាំងការអានពិនិត្យ គឺជាសោរគ្រឹះនៃការប្រើប្រាស់ Gemini ឱ្យជោគជ័យ។

៨. ចំណុចសំខាន់ដែលត្រូវចងចាំ

មេរៀនទី៦ ផ្តល់នូវគ្រឹះរឹងមាំក្នុងការប្រើប្រាស់ Multimodal: Text, Image និង Audio។
តែងតែផ្តល់ Context និងបញ្ជាក់ Format នៃ Output ដែលចង់បាន។
ប្រើ Follow-up សំរាប់ការកែសម្រួលដេញដោលបន្ថែម ជំនួសឱ្យការសរសេរឡើងវិញទាំងអស់។
អនុវត្តតាម Workflow: ASK → REVIEW → VERIFY → USE ដើម្បីធានាសុវត្ថិភាព។

សម្រាប់អ្នកចាប់ផ្តើម មិនចាំបាច់សាកគ្រប់មុខងារភ្លាមៗទេ។ ជ្រើសការងារតូចមួយ សរសេរ Prompt ច្បាស់ ហើយប្រើ Follow-up ដើម្បីកែលម្អចម្លើយមួយជំហានម្ដង។

GEMINI EXPLORER BADGE