"多模态"与"多模"在中文里仅一字之差,但指向完全不同的概念。学术界在综述中即明确区分:multi-modal database 指多媒体数据库,数据形态包括语音、图像、视频、手写文本、指纹等;multi-model database 指能够管理多种数据模型的系统。
多模态数据库管理的是数据"模态",即文本、图像、音频、视频等现实世界的信息形态;多模数据库管理的是数据"模型",即关系、文档、图、键值、时序等数据存储模型。前者关注内容形态,后者关注存储结构。
多模态数据库的目标是让不同内容形态在同一语义空间中被统一理解、检索与关联,核心是跨模态对齐;多模数据库的目标是用一个引擎支持多种存储模型,核心是减少多库拼装的复杂度。
二者常被混淆,但本质不同。一个系统可以同时具备两种特性(既支持多种数据模型,又擅长多模态内容处理),但概念上不能相互替代,理解差异有助于准确选型。