A Gemini Embedding 2 Preview a Google eleve multimodális beágyazási modellcsaládjának név szerint megjelölt előzetes kiadása. Szöveget, képet, videót, hangot és PDF-et képez le közös numerikus térbe, a szemantikai szándékot több mint 100 nyelven reprezentálva. Kimenete beágyazásokból áll: olyan vektorokból, amelyek kapcsolódó anyagok összehasonlítására és keresésére szolgálnak. Ez az előzetes kiadás külön identitású a stabil Gemini Embedding 2 kiadáshoz képest, és nem jelent felcserélhető modellparamétereket vagy azonos vektorteret.
Az eredeti bejelentés a modalitások közötti keresést, az osztályozást, a klaszterezést, az érzelemelemzést és a visszakereséssel kiegészített generálást nevezi meg további alkalmazásként. Egy szöveges lekérdezés kapcsolódó vizuális elemet találhat meg, de egy kép vagy videórészlet is szolgálhat a keresés kiindulópontjául. Az alkalmazás tárolja a reprezentációkat, összehasonlítja őket, és visszaadja a megfelelő rekordokat; egy külön nyelvi modell a megtalált forrásanyagból választervezetet készíthet. Maga a beágyazás nem tartalmaz természetes nyelvű magyarázatot vagy átiratot.
A modell saját oldala 8192 tokenes bemeneti korlátot és 128–3072 közötti kimeneti dimenziókat dokumentál, 768, 1536 és 3072 ajánlott mérettel. Az előzetes kiadás bejelentése 3072-t ad meg alapértelmezésként, és ismerteti a Matryoshka Representation Learning módszert, amely a reprezentáció rövidebb kezdőrészeiben is megőrzi a hasznos információt. Az összehasonlítandó vektorokhoz egy kiválasztott dimenziót használjon, és a gyűjtemény mellett őrizze meg a modellkiadás adatait, ahelyett, hogy pusztán azonos hosszuk miatt egyesítene reprezentációkat.
Az előzetes kiadás bejelentése kérésenként legfeljebb hat PNG- vagy JPEG-képet, legfeljebb 120 másodpercnyi MP4- vagy MOV-videót, valamint legfeljebb hatoldalas PDF-dokumentumokat dokumentál. Közvetlen hangbeágyazást is dokumentál köztes szöveges átírás nélkül. Ezek a specifikációk az előzetes kiadás saját bejelentéséből származnak, nem a későbbi stabil útmutatóból. A bejelentés nem rögzíti a hanghosszra, kodekekre vagy képkocka-mintavételezésre vonatkozó összes aktuális korlátot ennél a konkrét előzetes profilnál.
Az egymással váltakozó multimodális bemenet lehetővé teszi, hogy a reprezentáció tükrözze a médiák közötti kapcsolatokat, például egy kép és a képaláírása kapcsolatát. Termékkatalógusnál együtt adja meg a fényképet és a jóváhagyott leírást, ha egyetlen kereshető objektumot írnak le. Dokumentumgyűjteménynél ossza a forrást körülhatárolt szövegrészletekre vagy oldalakra, és őrizze meg a címét és a helyét. Médiatárnál válasszon olyan részletet, amely a felhasználók által keresendő eseménynek felel meg, és az eredeti időtartományát tartsa meg a tárolt rekord mellett.
Egy hasznos keresési feladat egyértelművé teszi a kívánt kapcsolatot. A magyarázatot kérő kérdés, a vizuálisan hasonló elemek keresése és a témánkénti klaszterezés különböző feladatok, még akkor is, ha ugyanazt a forrásgyűjteményt használják. Következetesen készítse elő a tartalmat, rögzítse a kiadást és a dimenziót, és minden vektort tartson a forrásához kapcsolva. A hasonlóság jelölteket ad az alkalmazásnak vizsgálatra; nem bizonyítja, hogy két rekord ugyanazt a tényt állítja, vagy hogy egy megtalált forrás teljes mértékben megválaszol egy kérdést.
Gyakorlati médiakeresésnél reprezentálja a kiválasztott képet vagy videórészletet, és hasonlítsa össze a kívánt tartalom leírásával. A megfelelő forrást a képaláírással vagy időtartománnyal együtt jelenítse meg, hogy a felhasználó megvizsgálhassa. Tudásasszisztensnél az írott válasz generálása előtt keresse meg a releváns oldalt vagy szövegrészletet. A Preview-modell szerepe az ezeket a kiválasztási lépéseket támogató multimodális numerikus reprezentáció, míg a tárolás, a rangsorolási szabályok és a végső válasz az azt körülvevő munkafolyamat részei maradnak.
", "aboutText": "A Gemini Embedding 2 Preview a Google eleve multimodális beágyazási modellcsaládjának név szerint megjelölt előzetes kiadása. Szöveget, képet, videót, hangot és PDF-et képez le közös numerikus térbe, a szemantikai szándékot több mint 100 nyelven reprezentálva. Kimenete beágyazásokból áll: olyan vektorokból, amelyek kapcsolódó anyagok összehasonlítására és keresésére szolgálnak. Ez az előzetes kiadás külön identitású a stabil Gemini Embedding 2 kiadáshoz képest, és nem jelent felcserélhető modellparamétereket vagy azonos vektorteret.\n\nAz eredeti bejelentés a modalitások közötti keresést, az osztályozást, a klaszterezést, az érzelemelemzést és a visszakereséssel kiegészített generálást nevezi meg további alkalmazásként. Egy szöveges lekérdezés kapcsolódó vizuális elemet találhat meg, de egy kép vagy videórészlet is szolgálhat a keresés kiindulópontjául. Az alkalmazás tárolja a reprezentációkat, összehasonlítja őket, és visszaadja a megfelelő rekordokat; egy külön nyelvi modell a megtalált forrásanyagból választervezetet készíthet. Maga a beágyazás nem tartalmaz természetes nyelvű magyarázatot vagy átiratot.\n\nA modell saját oldala 8192 tokenes bemeneti korlátot és 128–3072 közötti kimeneti dimenziókat dokumentál, 768, 1536 és 3072 ajánlott mérettel. Az előzetes kiadás bejelentése 3072-t ad meg alapértelmezésként, és ismerteti a Matryoshka Representation Learning módszert, amely a reprezentáció rövidebb kezdőrészeiben is megőrzi a hasznos információt. Az összehasonlítandó vektorokhoz egy kiválasztott dimenziót használjon, és a gyűjtemény mellett őrizze meg a modellkiadás adatait, ahelyett, hogy pusztán azonos hosszuk miatt egyesítene reprezentációkat.\n\nAz előzetes kiadás bejelentése kérésenként legfeljebb hat PNG- vagy JPEG-képet, legfeljebb 120 másodpercnyi MP4- vagy MOV-videót, valamint legfeljebb hatoldalas PDF-dokumentumokat dokumentál. Közvetlen hangbeágyazást is dokumentál köztes szöveges átírás nélkül. Ezek a specifikációk az előzetes kiadás saját bejelentéséből származnak, nem a későbbi stabil útmutatóból. A bejelentés nem rögzíti a hanghosszra, kodekekre vagy képkocka-mintavételezésre vonatkozó összes aktuális korlátot ennél a konkrét előzetes profilnál.\n\nAz egymással váltakozó multimodális bemenet lehetővé teszi, hogy a reprezentáció tükrözze a médiák közötti kapcsolatokat, például egy kép és a képaláírása kapcsolatát. Termékkatalógusnál együtt adja meg a fényképet és a jóváhagyott leírást, ha egyetlen kereshető objektumot írnak le. Dokumentumgyűjteménynél ossza a forrást körülhatárolt szövegrészletekre vagy oldalakra, és őrizze meg a címét és a helyét. Médiatárnál válasszon olyan részletet, amely a felhasználók által keresendő eseménynek felel meg, és az eredeti időtartományát tartsa meg a tárolt rekord mellett.\n\nEgy hasznos keresési feladat egyértelművé teszi a kívánt kapcsolatot. A magyarázatot kérő kérdés, a vizuálisan hasonló elemek keresése és a témánkénti klaszterezés különböző feladatok, még akkor is, ha ugyanazt a forrásgyűjteményt használják. Következetesen készítse elő a tartalmat, rögzítse a kiadást és a dimenziót, és minden vektort tartson a forrásához kapcsolva. A hasonlóság jelölteket ad az alkalmazásnak vizsgálatra; nem bizonyítja, hogy két rekord ugyanazt a tényt állítja, vagy hogy egy megtalált forrás teljes mértékben megválaszol egy kérdést.\n\nGyakorlati médiakeresésnél reprezentálja a kiválasztott képet vagy videórészletet, és hasonlítsa össze a kívánt tartalom leírásával. A megfelelő forrást a képaláírással vagy időtartománnyal együtt jelenítse meg, hogy a felhasználó megvizsgálhassa. Tudásasszisztensnél az írott válasz generálása előtt keresse meg a releváns oldalt vagy szövegrészletet. A Preview-modell szerepe az ezeket a kiválasztási lépéseket támogató multimodális numerikus reprezentáció, míg a tárolás, a rangsorolási szabályok és a végső válasz az azt körülvevő munkafolyamat részei maradnak.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "291a1b396188789a6dbb4e4880de6d5e5eb86f6ad06939b574036d7eca95ac3a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "google/gemini-embedding-2-previewA Gemini Embedding 2 Preview szöveget, képet, hangot, videót és PDF-et alakít numerikus vektorokká egy közös multimodális térben. Külön dokumentált előzetes profilja modalitások közötti keresést és összehasonlítást, 8192 tokenes bemenetet és rugalmas vektordimenziókat támogat.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Gemini Embedding 2 Preview a Google eleve multimodális beágyazási modellcsaládjának név szerint megjelölt előzetes kiadása. Szöveget, képet, videót, hangot és PDF-et képez le közös numerikus térbe, a szemantikai szándékot több mint 100 nyelven reprezentálva. Kimenete beágyazásokból áll: olyan vektorokból, amelyek kapcsolódó anyagok összehasonlítására és keresésére szolgálnak. Ez az előzetes kiadás külön identitású a stabil Gemini Embedding 2 kiadáshoz képest, és nem jelent felcserélhető modellparamétereket vagy azonos vektorteret.
Az eredeti bejelentés a modalitások közötti keresést, az osztályozást, a klaszterezést, az érzelemelemzést és a visszakereséssel kiegészített generálást nevezi meg további alkalmazásként. Egy szöveges lekérdezés kapcsolódó vizuális elemet találhat meg, de egy kép vagy videórészlet is szolgálhat a keresés kiindulópontjául. Az alkalmazás tárolja a reprezentációkat, összehasonlítja őket, és visszaadja a megfelelő rekordokat; egy külön nyelvi modell a megtalált forrásanyagból választervezetet készíthet. Maga a beágyazás nem tartalmaz természetes nyelvű magyarázatot vagy átiratot.
A modell saját oldala 8192 tokenes bemeneti korlátot és 128–3072 közötti kimeneti dimenziókat dokumentál, 768, 1536 és 3072 ajánlott mérettel. Az előzetes kiadás bejelentése 3072-t ad meg alapértelmezésként, és ismerteti a Matryoshka Representation Learning módszert, amely a reprezentáció rövidebb kezdőrészeiben is megőrzi a hasznos információt. Az összehasonlítandó vektorokhoz egy kiválasztott dimenziót használjon, és a gyűjtemény mellett őrizze meg a modellkiadás adatait, ahelyett, hogy pusztán azonos hosszuk miatt egyesítene reprezentációkat.
Az előzetes kiadás bejelentése kérésenként legfeljebb hat PNG- vagy JPEG-képet, legfeljebb 120 másodpercnyi MP4- vagy MOV-videót, valamint legfeljebb hatoldalas PDF-dokumentumokat dokumentál. Közvetlen hangbeágyazást is dokumentál köztes szöveges átírás nélkül. Ezek a specifikációk az előzetes kiadás saját bejelentéséből származnak, nem a későbbi stabil útmutatóból. A bejelentés nem rögzíti a hanghosszra, kodekekre vagy képkocka-mintavételezésre vonatkozó összes aktuális korlátot ennél a konkrét előzetes profilnál.
Az egymással váltakozó multimodális bemenet lehetővé teszi, hogy a reprezentáció tükrözze a médiák közötti kapcsolatokat, például egy kép és a képaláírása kapcsolatát. Termékkatalógusnál együtt adja meg a fényképet és a jóváhagyott leírást, ha egyetlen kereshető objektumot írnak le. Dokumentumgyűjteménynél ossza a forrást körülhatárolt szövegrészletekre vagy oldalakra, és őrizze meg a címét és a helyét. Médiatárnál válasszon olyan részletet, amely a felhasználók által keresendő eseménynek felel meg, és az eredeti időtartományát tartsa meg a tárolt rekord mellett.
Egy hasznos keresési feladat egyértelművé teszi a kívánt kapcsolatot. A magyarázatot kérő kérdés, a vizuálisan hasonló elemek keresése és a témánkénti klaszterezés különböző feladatok, még akkor is, ha ugyanazt a forrásgyűjteményt használják. Következetesen készítse elő a tartalmat, rögzítse a kiadást és a dimenziót, és minden vektort tartson a forrásához kapcsolva. A hasonlóság jelölteket ad az alkalmazásnak vizsgálatra; nem bizonyítja, hogy két rekord ugyanazt a tényt állítja, vagy hogy egy megtalált forrás teljes mértékben megválaszol egy kérdést.
Gyakorlati médiakeresésnél reprezentálja a kiválasztott képet vagy videórészletet, és hasonlítsa össze a kívánt tartalom leírásával. A megfelelő forrást a képaláírással vagy időtartománnyal együtt jelenítse meg, hogy a felhasználó megvizsgálhassa. Tudásasszisztensnél az írott válasz generálása előtt keresse meg a releváns oldalt vagy szövegrészletet. A Preview-modell szerepe az ezeket a kiválasztási lépéseket támogató multimodális numerikus reprezentáció, míg a tárolás, a rangsorolási szabályok és a végső válasz az azt körülvevő munkafolyamat részei maradnak.
POST /v1/embeddingstextembedding| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok google/gemini-embedding-2-preview | Alapértelmezett— |
Mezőinput | Típusstring|string[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
text_to_embedding
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input |
Paraméterinput_shapes | Szerződésstring, string[] |
Paramétermaterial_types | Szerződéstext |
Életciklus: synchronous_json
Őrizzen meg minden visszaadott vektort és indexet.
E minimális szöveges profilból nem következtetünk kép-, hang- vagy fájlobjektum-támogatásra.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0004 / 1K token Kimenet · Kimeneti tokenek $0 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "google/gemini-embedding-2-preview",\n "input": [\n "First document",\n "Second document"\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncat > embedding-request.json <<'JSON_REQUEST'\n{\n "model": "google/gemini-embedding-2-preview",\n "input": [\n "First document",\n "Second document"\n ]\n}\nJSON_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @embedding-request.json -o embedding-response.json\njson
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizzen meg minden vektort az indexével együtt. A vektorok számának meg kell egyeznie a bemenetek számával; a dimenzióknak egységesnek kell lenniük.
Nem kerül bevezetésre külön beágyazási feladatvégpont.
| Mező | Típus |
|---|---|
Mezőobject | Típusstring |
Mezőmodel | Típusstring |
Meződata[].index | Típusinteger |
Meződata[].embedding | Típusfinite float[] |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételHiányzó model vagy hibás JSON. | Következő lépésJavítsa a megjelölt mezőket. |
Válasz413 · invalid_request_error | FeltételA kérés törzse meghaladja a beállított méretkorlátot. | Következő lépésCsökkentse a tényleges anyag mennyiségét. |
Válasz422 · invalid_request_error | FeltételA bemenet vagy a vezérlők sértik a jelenlegi külön szabályzatot. | Következő lépésHasználja a bemutatott minimális szöveges bemenetet örökölt vezérlők nélkül. |
Válasz503 · billing_error | FeltételAz engedélyezés vagy az árajánlat nem rendelhető hozzá. | Következő lépésŐrizze meg a választ; ne helyettesítse másik szabályzattal. |
Ailoot Ultra google/gemini-embedding-2-preview
Használja a fent látható metódusútvonalakat.