Source: https://ailoot.ai/models/ja/amazon-titan-embed-text-v1/ Canonical: https://ailoot.ai/models/ja/amazon-titan-embed-text-v1/ Language: ja # Amazon: Titan Embeddings G1 - Text [Markdown](https://ailoot.ai/models/ja/amazon-titan-embed-text-v1/index.md) · [JSON](https://ailoot.ai/models/ja/amazon-titan-embed-text-v1/facts.json) ## [Amazon: Titan Embeddings G1 - Text](https://ailoot.ai/models/ja/amazon-titan-embed-text-v1/) `amazon/titan-embed-text-v1` Amazon埋め込み入力 $0.0002 / 1K出力 — テキストを1,536次元のベクトルに変換し、意味検索、類似資料の抽出、文書のグループ分けに使えます。 ### テキストの意味を数値ベクトルに Amazon Titan Embeddings G1は、V1とも呼ばれるAmazonのテキスト埋め込みモデルです。文章を**1,536個の数値**からなるベクトルに変換します。これにより、異なる言葉で書かれた語句や文書を意味に基づいて比較できます。例えば、支払い情報の変更についての質問から、振込先情報を変更する手順を見つける用途があります。 ### 検索、ナレッジベース、グループ分け G1は、テキストのインデックスの準備や、利用者の検索要求をベクトルで表現する処理に適しています。ナレッジベースを使うシステムではRAGの一段階となり、まず適切な文章を探し、次に別の言語モデルがそれを基に回答を作ります。Titanがこの段階で返すのはベクトルです。文書の保存、類似度の計算、回答の組み立てはアプリケーションが担当します。 文章のグループ分けにも利用できます。ベクトルを使って内容の近い問い合わせを探したり、資料を話題別にまとめたり、似た文書を選べます。具体的な分類や類似度のしきい値は処理手順の中で定めるもので、埋め込みに完成済みのラベルとして含まれているわけではありません。 ### 資料の準備 1. 文書群を節、段落、単独で理解できる回答などのまとまりに分けます。 2. 各部分のベクトルを取得し、元の文章との対応を保存します。 3. 検索要求も同じ方法で変換します。 4. インデックスと比較し、見つかった資料を利用者や次の処理へ返します。 Ailootでは最大**8,192トークン**のテキストを入力でき、埋め込みが返されます。検索用の区切り方は内容に合わせて選ぶとよいでしょう。文書全体を一つの大きなベクトルにすると、文書内で扱う個々の質問の違いが埋もれることがあります。元の文章を更新した際は、インデックス内の表現も更新します。 ### G1の特徴 この世代のTitanは、固定の1,536次元表現を使用します。Amazonによると25の自然言語で学習しており、英語で最も詳しく評価されています。専門用語、曖昧な表現、その他の言語については、正解の文書が分かっている独自の検索例を少数用意して確認すると役立ちます。G1は主に自然言語の文章を対象とします。ソースコード検索については、次世代のTitanにプログラミング言語での学習に関する別の情報があります。 ### 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 8,192 *トークン* 最大出力 カタログに記載なし 入力 $0.0002 */ 1K* `amazon/titan-embed-text-v1` · JSON ``` {"about":"### テキストの意味を数値ベクトルに\n\nAmazon Titan Embeddings G1は、V1とも呼ばれるAmazonのテキスト埋め込みモデルです。文章を**1,536個の数値**からなるベクトルに変換します。これにより、異なる言葉で書かれた語句や文書を意味に基づいて比較できます。例えば、支払い情報の変更についての質問から、振込先情報を変更する手順を見つける用途があります。\n\n### 検索、ナレッジベース、グループ分け\n\nG1は、テキストのインデックスの準備や、利用者の検索要求をベクトルで表現する処理に適しています。ナレッジベースを使うシステムではRAGの一段階となり、まず適切な文章を探し、次に別の言語モデルがそれを基に回答を作ります。Titanがこの段階で返すのはベクトルです。文書の保存、類似度の計算、回答の組み立てはアプリケーションが担当します。\n\n文章のグループ分けにも利用できます。ベクトルを使って内容の近い問い合わせを探したり、資料を話題別にまとめたり、似た文書を選べます。具体的な分類や類似度のしきい値は処理手順の中で定めるもので、埋め込みに完成済みのラベルとして含まれているわけではありません。\n\n### 資料の準備\n\n1. 文書群を節、段落、単独で理解できる回答などのまとまりに分けます。\n2. 各部分のベクトルを取得し、元の文章との対応を保存します。\n3. 検索要求も同じ方法で変換します。\n4. インデックスと比較し、見つかった資料を利用者や次の処理へ返します。\n\nAilootでは最大**8,192トークン**のテキストを入力でき、埋め込みが返されます。検索用の区切り方は内容に合わせて選ぶとよいでしょう。文書全体を一つの大きなベクトルにすると、文書内で扱う個々の質問の違いが埋もれることがあります。元の文章を更新した際は、インデックス内の表現も更新します。\n\n### G1の特徴\n\nこの世代のTitanは、固定の1,536次元表現を使用します。Amazonによると25の自然言語で学習しており、英語で最も詳しく評価されています。専門用語、曖昧な表現、その他の言語については、正解の文書が分かっている独自の検索例を少数用意して確認すると役立ちます。G1は主に自然言語の文章を対象とします。ソースコード検索については、次世代のTitanにプログラミング言語での学習に関する別の情報があります。","alias_of":null,"aliases":[],"author":"Amazon","canonical_model":"amazon/titan-embed-text-v1","ctx":8192,"formats":["embeddings"],"id":"amazon/titan-embed-text-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":8192,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"Эмбеддинги","max_out":0,"max_tool_calls":null,"out":0,"output":["embedding"],"path":"/v1/embeddings","request_model_id":"amazon/titan-embed-text-v1","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"amazon/titan-embed-text-v1","request_model_id":"amazon/titan-embed-text-v1","route_label":"Ultra"}],"name":"Amazon: Titan Embeddings G1 - Text","price":{"in":0.2,"in_label":null,"out":null,"out_label":null,"sort_in":0.2,"sort_out":null,"varies":false},"public_id":"amazon/titan-embed-text-v1","short":"テキストを1,536次元のベクトルに変換し、意味検索、類似資料の抽出、文書のグループ分けに使えます。"} ``` ## 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。