在多媒体时代，越来越多人意识到意义不单产生于语言。如今，人们正处于多模态社会，意义产生于各种符号资源的混合。电视广告，作为一种现代具代表性的媒体，是多模态话语的一种形式。基于从系统功能语法发展而来的Kress & Leeuwen的视觉语法，此篇论文旨在提供系统功能多模态话语分析工具并结合Sabine Tan分析动态多模态誊写模板，来展示意义如何在外国电视广告的语言、声音、视觉和动作符号资源的互动、协同中实现，根据Baldry & Thibault的资源整合原则，指的是多模态语篇中的不同符号资源系统中所选片段如何在不同结构层面相互联系、相互影响的方式，从而达到用一种全球产品向当地消费者最大限度地渗透意识形态的目的，由此通过播于日本的美国星巴克咖啡电视广告来揭示隐含在电视广告后面的美国对世界的意识形态。　　通过用系统功能多模态话语分析方法和动态多模态誊写模板对播于日本的美国星巴克咖啡电视广告进行微观和宏观的多模态话语研究，结果发现在这种类型的多模态话语中，语言通过不同的方式如接触、社会距离、态度和情态来与消费者建立一种关系，和连接那些快照和情节。视觉图像、声响效果和身势动作可用于表达意义，并弥补了星巴克咖啡电视广告中语言的不足之处，因为视觉图像、声响和身势动作更有动感、生动逼真，其特有的动态效果更易抓住消费者的注意力。语言和图像有各自独特的语法系统和意义生成潜能，他们可以相互补充增强而推动全球产品的促销，与此同时，也揭示了隐藏在播于日本的星巴克咖啡电视广告后面的美国对于世界的意识形态。