Source: https://ailoot.ai/models/hu/google-gemini-embedding-2/ Canonical: https://ailoot.ai/models/hu/google-gemini-embedding-2/ Language: hu # Google: Gemini Embedding 2 [Markdown](https://ailoot.ai/models/hu/google-gemini-embedding-2/index.md) · [JSON](https://ailoot.ai/models/hu/google-gemini-embedding-2/facts.json) ## [Google: Gemini Embedding 2](https://ailoot.ai/models/hu/google-gemini-embedding-2/) A Gemini Embedding 2 szöveget, képet, hangot, videót és PDF-et képez le közös numerikus térbe. Vektorai modalitások közötti keresést, információkeresést, osztályozást és klaszterezést támogatnak, rugalmas dimenziókkal és 8192 tokenes bemeneti korláttal. - [**Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `google/gemini-embedding-2`](https://ailoot.ai/models/hu/google-gemini-embedding-2/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Gemini Embedding 2 a Google multimodális beágyazási modellje szöveg, kép, videó, hang és PDF numerikus reprezentációjához. A különböző médiatípusokat közös térbe képezi le, hogy egy alkalmazás összehasonlíthassa a jelentésüket. Az eredmény egy számvektor, amely szemantikai kereséshez, dokumentumkereséshez, ajánláshoz, osztályozáshoz vagy klaszterezéshez használható; nem írott válasz vagy generált médiafájl. A Google több mint 100 nyelvre kiterjedő szemantikai lefedettséget dokumentál. Tudásbázisnál készítsen vektorokat a forrásszövegrészletekhez, hasonlítsa össze velük a felhasználó lekérdezését, és keresse meg a releváns anyagot. Egy külön szövegmodell ezután e források felhasználásával állíthat össze választ. Médiagyűjteménynél egy szöveges leírás kapcsolódó képeket vagy videókat kereshet; a lekérdezést kép is adhatja. Őrizze meg minden vektor kapcsolatát az eredeti tartalommal, beleértve az oldal- vagy videórészlet-hivatkozást, hogy a megtalált eredmény megvizsgálható és eredeti kontextusában megjeleníthető legyen. A teljes bemeneti korlát 8192 token. A stabil modell útmutatója legfeljebb hat PNG- vagy JPEG-képet, legfeljebb 180 másodpercnyi MP3- vagy WAV-hangot, valamint legfeljebb 120 másodpercnyi MP4- vagy MOV-videót enged meg. A dokumentált videokodekek a H264, H265, AV1 és VP9. A videófeldolgozás legfeljebb 32 képkockát használ: a legfeljebb 32 másodperces részletekből másodpercenként egy képkockát mintavételez, a hosszabbakból pedig egyenletesen 32 képkockát. A videó hangsávját nem dolgozza fel e videóbemenet részeként; külön ágyazza be a hangját, ha az fontos a kereséshez. A PDF-bemenet egyetlen, legfeljebb hatoldalas fájlt fogad el. A legjobb minőséghez a Google PDF-enként egy oldalt javasol. A nagyobb forrást ossza értelmes oldalakra vagy szakaszokra, és őrizze meg a kapcsolatukat az eredeti dokumentummal. Olyan részletet válasszon, amely a kereshetővé tenni kívánt tartalmat reprezentálja, ahelyett, hogy egymással össze nem függő anyagokat egyesítene pusztán azért, mert beleférnek a korlátba. A közös tokenhatár a vegyes médiát tartalmazó kérésre is vonatkozik. Minden PDF-oldal 258 vizuális tokent fogyaszt a kinyert szöveg tokenjein felül. A Google dokumentált munkafolyamatában a közös 8192 tokenes korlátot túllépő tartalom hiba nélkül csonkolódik. A kimeneti dimenzió rugalmasan 128 és 3072 között választható, 3072 alapértelmezéssel és 768, 1536, illetve 3072 ajánlott mérettel. A modell Matryoshka Representation Learning módszert használ, így a vektor kezdőrészei kisebb dimenziónál is hasznosak maradnak. Útmutatója az alapértelmezett és a rövidített vektorok automatikus normalizálását is dokumentálja. Válasszon egységes dimenziót az alkalmazás által összehasonlított rekordokhoz és lekérdezésekhez; a kért méret a numerikus reprezentációt változtatja meg, nem magát a forrástartalmat. Kizárólag szöveges feladatoknál a célt a szövegbe foglalja bele a régebbi task\_type mező használata helyett. A Google megkülönbözteti az aszimmetrikus keresést a szimmetrikus összehasonlítástól. Egy keresőkérdés a “task: search result | query: {content}” formát, egy forrásdokumentum pedig a “title: {title} | text: {content}” formát használja; ha nincs címe, használja a “title: none” értéket. A kérdés–válasz, a tényellenőrzési és a kódkeresési feladatoknak saját lekérdezési előtagjaik vannak. Osztályozásnál, klaszterezésnél vagy mondathasonlóságnál következetesen ugyanazt a feladatformátumot használja mindkét oldalon. Az útmutató általában nem javasolja feladatelőtag hozzáadását egy kombinált multimodális reprezentáció szöveges részéhez. A bemenet szerkezete határozza meg, hogy az eredmény egyetlen kombinált objektumot vagy különálló elemeket reprezentál-e. Több együtt megadott rész összesített beágyazást hoz létre; a külön Content objektumok minden bejegyzéshez külön beágyazást hoznak létre. Szöveget és képet tartalmazó bejegyzésnél a kombinált reprezentáció megragadhatja a kapcsolatukat. Az önállóan kereshető rekordokat tartsa külön. Ez a választás befolyásolja a keresés részletességét: egy egész bejegyzéshez tartozó egyetlen vektor más, mint a szövegrészletenként vagy képenként létrehozott vektor. Az útmutató szerint a Gemini Embedding 001 és a Gemini Embedding 2 vektorai nem kompatibilis terekben helyezkednek el, és közvetlenül nem hasonlíthatók össze. A régebbi modellről átállított gyűjteményt újra be kell ágyazni az új térhez. Az összehasonlítandó vektoroknál tartsa következetesen a modellválasztást és a dimenziókat, az eredeti szöveget és médiát pedig a numerikus indextől külön őrizze meg. A beágyazások hasonlósága keresési jelzés, nem pedig tényszerű magyarázat arra, hogy egy dokumentum miért válaszolja meg a felhasználó kérdését. Gyakorlati katalógusnál együtt ágyazza be a termékfotót és a hozzá tartozó jóváhagyott leírást, ha a párt egyetlen objektumként kell megtalálni. Dokumentumgyűjteménynél körülhatárolt szövegrészleteket ágyazzon be, és hasonlítsa össze őket egy célhoz formázott lekérdezéssel, majd a találat mellett jelenítse meg a forrásszövegrészleteket. Hangnál vagy videónál válassza azt az epizódot, amely a kereshető eseményt írja le, és őrizze meg az eredeti időtartományát. A hasznos eredmény egy forrásbizonyítékhoz kapcsolt numerikus reprezentáció az alkalmazás következő keresési vagy elemzési lépéséhez. **Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `google/gemini-embedding-2` [`google/gemini-embedding-2`](https://ailoot.ai/models/hu/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) Google /`google/gemini-embedding-2` ### Kezdő lépések A Gemini Embedding 2 szöveget, képet, hangot, videót és PDF-et képez le közös numerikus térbe. Vektorai modalitások közötti keresést, információkeresést, osztályozást és klaszterezést támogatnak, rugalmas dimenziókkal és 8192 tokenes bemeneti korláttal. Elfogadott bemenetek Szöveg · token\_ids Eredmények embedding ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Beágyazások** `POST /v1/embeddings` Bemenet `text`, `token_ids` Kimenet `embedding` Kontextus 8192 tokens Kimeneti formátum json | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok google/gemini-embedding-2 | Alapértelmezett— | | Mező`input` | Típus`string\|string[]\|integer[]\|integer[][]` | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 Feltételek: Nem üres, homogén köteg. A tokenazonosítók nemnegatív egész számok. Bemeneti keret: Maximum: 8192 · Szövegegység: UTF8-bájtok · Tokenegység: tokentömb elemei | Alapértelmezett— | | Mező`encoding_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok float | Alapértelmezettfloat | | Mező`dimensions` | Típus`integer` | KövetelményNem támogatott | Értékek és korlátok Minimum: 1 | Alapértelmezett— | | Mező`user` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`session_id` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`trace` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`provider` | Típus`object` | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasítva | Alapértelmezett— | Bemeneti anyagok kombinációi **text\_to\_embedding** Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input | | Paraméter`input_shapes` | Szerződésstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Paraméter`encoding_format` | Szerződésfloat | | Paraméter`dimensions_override` | Szerződésfalse | | Paraméter`max_input_budget_units` | Szerződés8192 | | Paraméter`multimodal_objects` | Szerződésfalse | | Paraméter`material_types` | Szerződéstext, token\_ids | Életciklus: `synchronous_json` Őrizze meg minden vektor indexét és dimenzióját. A multimodális modell neve ezen a pontos útvonalon nem teszi lehetővé képobjektumok használatát. ### Díjcsomagok A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Normál díjszabás Ha a gyors mód van kiválasztva Flex mód Normál díjszabás Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Normál díjszabás Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Ailoot-díjak #### Árak beállításonként | Beállítás | Díjtáblázat | Díj | | --- | --- | --- | | BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek **$0.0004** / 1K token Kimenet · Kimeneti tokenek **$0** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Beágyazások curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "google/gemini-embedding-2", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='google/gemini-embedding-2',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Beágyazások json ##### Őrizzen meg minden elkészült eredményt 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. ##### Ha az eredeti választ ellenőrizni kell Nem kerül bevezetésre külön beágyazási feladatvégpont. Válaszmezők | Mező | Típus | | --- | --- | | Mező`object` | Típusstring | | Mező`model` | Típusstring | | Mező`data[].index` | Típusinteger | | Mező`data[].embedding` | Típusfinite float\[\] | | Mező`usage` | Típusobject | Hibák és következő lépések | Válasz | Feltétel | Következő lépés | | --- | --- | --- | | Válasz400 · `invalid_request_error` | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`google/gemini-embedding-2`](https://ailoot.ai/models/hu/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`google/gemini-embedding-2`](https://ailoot.ai/models/hu/#m=google%2Fgemini-embedding-2&route=Ultra&caller=google%2Fgemini-embedding-2&fmt=embeddings) FAQ · Google: Gemini Embedding 2 Milyen bemenetek és eredmények érhetők el? `POST /v1/embeddings` · `google/gemini-embedding-2`: `text`, `token_ids` → `embedding` Mely mezőket használja a kérés? `POST /v1/embeddings` · `google/gemini-embedding-2`: `model`, `input`, `encoding_format`, `provider` Milyen korlátok érvényesek? `POST /v1/embeddings` · `google/gemini-embedding-2`: `ctx`: `8192`; `input.budget.maximum`: `8192` (UTF8-bájtok); `input.min_items`: `1` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.