Amazon Titan Multimodal Embeddings G1 je embeddingový model Amazonu so spoločným priestorom reprezentácií textu a obrázkov. V Ailoot táto karta sprístupňuje textový scenár: zadáte krátky opis alebo vyhľadávaciu frázu a dostanete číselný vektor. Vyjadruje obsah textu vo forme, ktorú aplikácia môže porovnávať s inými kompatibilnými vektormi.
Model možno zapojiť do vyhľadávania v katalógu, odporúčaní a personalizácie. Napríklad opis „červená cestovná taška“ sa zmení na vyhľadávací vektor, podľa ktorého aplikácia nájde blízke záznamy v pripravenom indexe. Výsledok závisí aj od obsahu katalógu a spôsobu indexovania: embedding reprezentuje dopyt, kým výsledný výber zostavuje vyhľadávací systém.
Táto verzia Titan sa zameriava na spoločný priestor textových a vizuálnych údajov. Textový vektor sa môže hodiť v systéme, ktorý už má pripravené kompatibilné reprezentácie objektov. Pri bežnom vyhľadávaní v textových dokumentoch záleží aj na dĺžke úseku a vhodnosti jazyka pre danú úlohu: výrobca opisuje G1 ako anglickojazyčný model s krátkym textovým vstupom.
Index a dopyt musia používať kompatibilnú reprezentáciu údajov. Pred naplnením veľkého katalógu sa oplatí overiť skutočné vyhľadávacie frázy: významovú zhodu, zriedkavé vlastnosti aj situácie, keď podobné slová označujú rôzne objekty.
Tu dostupná metóda prijíma text a vracia embedding; vstupný limit tejto karty je 128 tokenov. Táto operácia vyžaduje krátke opisy, dlhý dokument preto najprv rozdeľte na samostatné významové úseky. Nahrávanie obrázkov, tvorba obrázkov a práca s videom do tejto metódy nepatria. Názov Multimodal opisuje pôvodný model, kým táto karta sprístupňuje vytvorenie vektora z textu.
", "aboutText": "### Textový vstup do multimodálneho priestoru\n\nAmazon Titan Multimodal Embeddings G1 je embeddingový model Amazonu so spoločným priestorom reprezentácií textu a obrázkov. V Ailoot táto karta sprístupňuje textový scenár: zadáte krátky opis alebo vyhľadávaciu frázu a dostanete číselný vektor. Vyjadruje obsah textu vo forme, ktorú aplikácia môže porovnávať s inými kompatibilnými vektormi.\n\n### Na aké úlohy sa hodí\n\nModel možno zapojiť do vyhľadávania v katalógu, odporúčaní a personalizácie. Napríklad opis „červená cestovná taška“ sa zmení na vyhľadávací vektor, podľa ktorého aplikácia nájde blízke záznamy v pripravenom indexe. Výsledok závisí aj od obsahu katalógu a spôsobu indexovania: embedding reprezentuje dopyt, kým výsledný výber zostavuje vyhľadávací systém.\n\nTáto verzia Titan sa zameriava na spoločný priestor textových a vizuálnych údajov. Textový vektor sa môže hodiť v systéme, ktorý už má pripravené kompatibilné reprezentácie objektov. Pri bežnom vyhľadávaní v textových dokumentoch záleží aj na dĺžke úseku a vhodnosti jazyka pre danú úlohu: výrobca opisuje G1 ako anglickojazyčný model s krátkym textovým vstupom.\n\n### Ako si usporiadať prácu\n\n1. Krátkou frázou vyjadrite jeden predmet, vlastnosť alebo zámer vyhľadávania.\n2. Získajte embedding tejto frázy.\n3. Porovnajte ho s vektormi svojho indexu a vyberte vhodné záznamy.\n4. Nájdené materiály odovzdajte ďalej, napríklad do rozhrania katalógu alebo samostatnému modelu, ktorý zostaví odpoveď.\n\nIndex a dopyt musia používať kompatibilnú reprezentáciu údajov. Pred naplnením veľkého katalógu sa oplatí overiť skutočné vyhľadávacie frázy: významovú zhodu, zriedkavé vlastnosti aj situácie, keď podobné slová označujú rôzne objekty.\n\n### Vstup a výsledok v Ailoot\n\nTu dostupná metóda prijíma **text** a vracia **embedding**; vstupný limit tejto karty je **128 tokenov**. Táto operácia vyžaduje krátke opisy, dlhý dokument preto najprv rozdeľte na samostatné významové úseky. Nahrávanie obrázkov, tvorba obrázkov a práca s videom do tejto metódy nepatria. Názov Multimodal opisuje pôvodný model, kým táto karta sprístupňuje vytvorenie vektora z textu.", "locale": "sk", "methods": [ { "html": "POST /v1/embeddingstextembedding