Source: https://ailoot.ai/models/ja/amazon-titan-embed-image-v1/ Canonical: https://ailoot.ai/models/ja/amazon-titan-embed-image-v1/ Language: ja # Amazon: Titan Multimodal Embeddings G1 [Markdown](https://ailoot.ai/models/ja/amazon-titan-embed-image-v1/index.md) · [JSON](https://ailoot.ai/models/ja/amazon-titan-embed-image-v1/facts.json) ## [Amazon: Titan Multimodal Embeddings G1](https://ailoot.ai/models/ja/amazon-titan-embed-image-v1/) `amazon/titan-embed-image-v1` Amazon埋め込み入力 $0.0016 / 1K出力 — 短いテキストをベクトル化し、Titanのマルチモーダル空間で意味検索や推薦に利用できます。 ### マルチモーダル空間へのテキスト入力 Amazon Titan Multimodal Embeddings G1は、テキストと画像に共通の表現空間を使うAmazonの埋め込みモデルです。Ailootのこのモデルカードではテキストを扱います。短い説明文や検索語句を入力すると数値ベクトルが返され、アプリケーションはその内容を互換性のある別のベクトルと比較できます。 ### 適した用途 商品カタログの検索、推薦、パーソナライズの一部に利用できます。例えば「旅行用の赤いバッグ」という説明を検索ベクトルに変換し、アプリケーションが準備済みのインデックスから近い項目を探します。検索結果はカタログの内容と索引の作り方にも左右されます。埋め込みは検索要求の表現であり、実際の候補選びは検索システムが行います。 このTitanの特徴は、テキストと視覚データの共通空間を重視していることです。対象物の互換性のある表現が既に用意されているシステムで、テキストベクトルを活用できます。通常の文書検索では、文章を区切る長さや対象言語との適合性も重要です。AmazonはG1を、短いテキスト入力を扱う英語モデルとして説明しています。 ### 作業の進め方 1. 探したい物、特徴、意図のいずれかを短い語句で表します。 2. その語句の埋め込みを取得します。 3. 自分のインデックスのベクトルと比較し、適切な項目を選びます。 4. 見つかった資料をカタログ画面や、回答を作成する別のモデルなどへ渡します。 インデックスと検索要求には互換性のあるデータ表現が必要です。大量の商品を登録する前に、実際の検索語句で意味の一致、珍しい特徴、似た単語が異なる対象を示す場合を確認すると役立ちます。 ### Ailootでの入力と出力 ここで利用できるメソッドは**テキスト**を受け取り、**埋め込み**を返します。このモデルカードの入力上限は**128トークン**です。短い説明を使い、長い文書はあらかじめ意味のまとまりに分割してください。このメソッドには画像のアップロード、画像生成、動画処理は含まれません。Multimodalという名前は元のモデルの性質を示し、このモデルカードで利用できるのはテキストからベクトルを作る処理です。 ### Ailoot APIで利用可能 入力の種類 `text` 出力の種類 `embedding` コンテキスト 128 *トークン* 最大出力 カタログに記載なし 入力 $0.0016 */ 1K* `amazon/titan-embed-image-v1` · JSON ``` {"about":"### マルチモーダル空間へのテキスト入力\n\nAmazon Titan Multimodal Embeddings G1は、テキストと画像に共通の表現空間を使うAmazonの埋め込みモデルです。Ailootのこのモデルカードではテキストを扱います。短い説明文や検索語句を入力すると数値ベクトルが返され、アプリケーションはその内容を互換性のある別のベクトルと比較できます。\n\n### 適した用途\n\n商品カタログの検索、推薦、パーソナライズの一部に利用できます。例えば「旅行用の赤いバッグ」という説明を検索ベクトルに変換し、アプリケーションが準備済みのインデックスから近い項目を探します。検索結果はカタログの内容と索引の作り方にも左右されます。埋め込みは検索要求の表現であり、実際の候補選びは検索システムが行います。\n\nこのTitanの特徴は、テキストと視覚データの共通空間を重視していることです。対象物の互換性のある表現が既に用意されているシステムで、テキストベクトルを活用できます。通常の文書検索では、文章を区切る長さや対象言語との適合性も重要です。AmazonはG1を、短いテキスト入力を扱う英語モデルとして説明しています。\n\n### 作業の進め方\n\n1. 探したい物、特徴、意図のいずれかを短い語句で表します。\n2. その語句の埋め込みを取得します。\n3. 自分のインデックスのベクトルと比較し、適切な項目を選びます。\n4. 見つかった資料をカタログ画面や、回答を作成する別のモデルなどへ渡します。\n\nインデックスと検索要求には互換性のあるデータ表現が必要です。大量の商品を登録する前に、実際の検索語句で意味の一致、珍しい特徴、似た単語が異なる対象を示す場合を確認すると役立ちます。\n\n### Ailootでの入力と出力\n\nここで利用できるメソッドは**テキスト**を受け取り、**埋め込み**を返します。このモデルカードの入力上限は**128トークン**です。短い説明を使い、長い文書はあらかじめ意味のまとまりに分割してください。このメソッドには画像のアップロード、画像生成、動画処理は含まれません。Multimodalという名前は元のモデルの性質を示し、このモデルカードで利用できるのはテキストからベクトルを作る処理です。","alias_of":null,"aliases":[],"author":"Amazon","canonical_model":"amazon/titan-embed-image-v1","ctx":128,"formats":["embeddings"],"id":"amazon/titan-embed-image-v1","input":["text"],"kind":"embedding","max_out":0,"methods":[{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":128,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":1.6,"input":["text"],"label":"Эмбеддинги","max_out":0,"max_tool_calls":null,"out":0,"output":["embedding"],"path":"/v1/embeddings","request_model_id":"amazon/titan-embed-image-v1","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"amazon/titan-embed-image-v1","request_model_id":"amazon/titan-embed-image-v1","route_label":"Ultra"}],"name":"Amazon: Titan Multimodal Embeddings G1","price":{"in":1.6,"in_label":null,"out":null,"out_label":null,"sort_in":1.6,"sort_out":null,"varies":false},"public_id":"amazon/titan-embed-image-v1","short":"短いテキストをベクトル化し、Titanのマルチモーダル空間で意味検索や推薦に利用できます。"} ``` ## よくある質問 用途に合ったモデルを選ぶには？ まず、必要な入力と出力がテキスト、画像、音声、動画のどれかを確認してください。次に、互換性のあるAPIメソッド、正確なモデルIDまたはエイリアスが現在指しているモデル、料金、課金単位を比較します。GET /v1/models は無料で、キーで利用可能なモデルの一覧を取得できます。 各モデルはすべてのAPIメソッドとメディアタイプに対応していますか？ モデルカードに記載されているAPIメソッドと入出力タイプを使用してください。テキスト、画像、音声、動画への対応は、選択したモデルとメソッドによって異なります。データを送信する前に、該当するリクエストのサンプルを確認してください。 モデルIDとエイリアスの違いは何ですか？ 正確なモデルIDは、特定のモデルを識別します。エイリアスはモデルを指し、その参照先は変更されることがあります。カタログでエイリアスの現在の参照先を確認してください。連携で特定のモデルが必要な場合は、正確なIDを使用してください。 リクエストを送信する前に料金を比較するには？ モデルカードで、選択したAPIメソッドの料金と課金単位を確認してください。同じ単位と入出力タイプで比較してください。リクエスト履歴には、実際の使用量と請求額が表示されます。 サブスクリプションの利点は？ 継続利用のトークン購入を割引価格にできます。リクエスト量に合うプランを選べ、条件と価格は申し込み時に表示します。 最大50%割引のプロモコードを使うには？ トークン購入時にコードを入力します。キャンペーン条件で合計を再計算し、支払い前に割引率を表示します。 ## Ailoot · 企業とそのプロジェクト群 Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。