Combinação de Modalidades: Fluxos de Trabalho Multimodais
Nesta página
Atualização de 2 de novembro de 2026 — O Le Chat torna-se Vibe. Desde 28 de maio de 2026, o Le Chat foi rebatizado como Vibe (ainda em chat.mistral.ai): um único agente para trabalho e código, que mantém as suas conversas, definições e subscrições. A experiência legada do Le Chat permanece acessível no modo Chat; no modo Work, os agentes tornaram-se competências (invocadas com
@), as memórias servem de base de conhecimento e a pesquisa aprofundada é agora a competência Deep Research. Os planos denominam-se agora Mistral Free, Pro, Team e Enterprise. Esta lição utiliza o nome Vibe; note que alguns menus aqui descritos podem ter alterado o nome ou a localização.
O Poder da Multimodalidade Combinada
Ao longo deste curso, explorou três capacidades essenciais da Mistral AI: visão para análise de imagens, áudio para transcrição e síntese de fala, e processamento de documentos com OCR inteligente. Individualmente, cada uma é impressionante. No entanto, combiná-las num único fluxo de trabalho liberta todo o seu potencial: as fontes cruzam-se e complementam-se, produzindo resultados que ultrapassam o que qualquer modalidade isolada conseguiria alcançar. Esta lição mostra-lhe como orquestrar estas combinações.
Imagem + Texto: Para Além da Descrição
O caso de uso mais comum envolve enriquecer uma imagem com instruções de texto precisas. A diferença entre um prompt fraco e um rico é dramática. Tire uma captura de ecrã de um diapositivo do PowerPoint: «Descreva esta imagem» gera uma paráfrase insípida. Mas «Eis um diapositivo da nossa apresentação para investidores. Reformule a mensagem principal para um público geral» ou «Este diapositivo mostra os nossos resultados trimestrais. Identifique os 3 principais valores e sugira um título apelativo» aproveita tanto a compreensão visual do modelo como a sua capacidade de escrita, tornando o resultado imediatamente utilizável.
O mesmo princípio aplica-se a fotografias de terreno. «Eis uma foto do nosso stand na feira. Sugira melhorias para atrair mais visitantes» transforma o modelo num consultor; «Esta foto mostra a disposição atual do nosso escritório. Proponha uma reorganização para melhorar a colaboração» torna-o num planeador de espaços. Em ambos os casos, o contexto textual direciona o foco do modelo.
Pode também combinar múltiplas imagens com uma instrução comparativa: três maquetes de design acompanhadas de «Classifique estas maquetes por clareza visual e justifique a sua classificação», ou uma foto de antes e depois de uma renovação com «Estime a percentagem de progresso e identifique as tarefas restantes».
Áudio + Documento: O Resumo Inteligente
Um fluxo de trabalho particularmente poderoso cruza a transcrição de áudio com a análise de documentos. O cenário clássico é uma reunião: primeiro carregue a ordem do dia (PDF) no Vibe, depois a gravação da reunião e, finalmente, pergunte: «Eis a ordem do dia e a gravação da nossa reunião. Para cada ponto da ordem do dia, resuma o que foi decidido e liste as ações a tomar». O modelo cruza ambas as fontes para produzir um resumo estruturado, ponto por ponto; enquanto a transcrição isolada lhe daria uma longa transcrição literal para editar, e a ordem do dia isolada seria apenas uma estrutura vazia.
A variante para estudantes funciona igualmente bem: carregue os diapositivos do curso em PDF, depois a gravação de áudio do professor, e peça «Crie notas de revisão abrangentes combinando os diapositivos com as explicações orais do professor». Os diapositivos fornecem a estrutura e as definições exatas; o áudio acrescenta explicações, exemplos e ênfase. As notas finais são muito mais ricas do que o que qualquer uma das fontes poderia fornecer separadamente.
Quatro Fluxos de Trabalho Profissionais para Replicar
Para inteligência competitiva, tire capturas de ecrã das páginas iniciais de três concorrentes, carregue-as no Vibe e pergunte: «Compare estas 3 páginas iniciais. Identifique os pontos fortes e fracos de cada uma em termos de mensagem, design e chamada para a ação».
Para integração de clientes, carregue o contrato assinado (PDF) seguido do briefing do cliente (documento ou imagem), e pergunte: «Resuma os compromissos contratuais e cruze-os com as expetativas do briefing. Existem inconsistências?». Detetar estas discrepâncias cedo evita descobrir, a meio do projeto, que uma promessa de venda não consta do contrato.
Para análise de eventos, combine três fontes: fotografias do evento, gravações de áudio dos discursos e o programa (PDF), e depois pergunte: «Crie um relatório pós-evento destacando os momentos-chave, citações memoráveis e uma avaliação de quão bem o programa foi coberto».
Para formação interna, inverta o fluxo: grave a sua explicação oral de um processo, deixe o Vibe transcrevê-la, peça «Transforme esta transcrição num guia de procedimentos estruturado com passos numerados» e, em seguida, adicione capturas de ecrã com «Integre descrições destas capturas de ecrã como ilustrações para cada passo». Em quatro mensagens, uma explicação improvisada torna-se documentação formal.
Executar a Máquina com Fluidez
Alguns hábitos tornam estes fluxos de trabalho muito mais fluidos. Contextualize cada ficheiro que carrega — «Esta é a ordem do dia», «Eis a gravação correspondente» — para que o modelo associe corretamente as fontes. Para fluxos complexos, proceda passo a passo: em vez de enviar tudo numa única mensagem, construa a conversa mensagem a mensagem, validando cada passo antes de avançar para o seguinte. Nomeie os seus ficheiros explicitamente antes de carregar: «relatorio-t3-2026.pdf» informa o modelo; «documento.pdf» não o faz. E lembre-se de que o modo de voz é, em si mesmo, uma modalidade de entrada: para instruções longas, dite-as em vez de escrever um parágrafo.
Pontos-chave
- Combinar imagem + texto + áudio + documento num único fluxo de trabalho multiplica as possibilidades
- Os fluxos de trabalho mais poderosos cruzam múltiplas fontes: áudio de reunião + ordem do dia, fotografias + briefing do cliente
- Contextualize cada ficheiro carregado para ajudar o modelo a estabelecer as ligações corretas
- Progrida passo a passo em fluxos complexos em vez de enviar tudo de uma vez
- O modo de voz pode servir como ferramenta de entrada para instruções detalhadas