modeli

Amazon: Titan Multimodal Embeddings G1

Markdown · JSON

Amazon: Titan Multimodal Embeddings G1

amazon/titan-embed-image-v1
AmazonVektorske predstavitveVhod 0,0016 $ / 1KIzhod —

Iz kratkega besedila ustvari vektorje za pomensko iskanje in priporočila v multimodalnem prostoru Titan.

Besedilni vhod v multimodalni prostor

Amazon Titan Multimodal Embeddings G1 je Amazonov model za vektorske vložitve s skupnim predstavitvenim prostorom za besedilo in slike. V Ailoot ta kartica omogoča besedilni potek: podate kratek opis ali iskalno frazo in prejmete številčni vektor. Ta predstavlja vsebino besedila v obliki, ki jo aplikacija lahko primerja z drugimi združljivimi vektorji.

Za katere naloge je primeren

Model je mogoče vključiti v iskanje po katalogu, priporočila in personalizacijo. Opis »rdeča potovalna torba« na primer postane iskalni vektor, s katerim aplikacija poišče podobne zapise v pripravljenem indeksu. Rezultat je odvisen tudi od vsebine kataloga in načina indeksiranja: vektorska vložitev predstavlja poizvedbo, končni izbor pa pripravi iskalni sistem.

Posebnost te različice Titan je skupni prostor besedilnih in vizualnih podatkov. Besedilni vektor je lahko uporaben v sistemu, v katerem so združljive predstavitve predmetov že pripravljene. Pri običajnem iskanju po besedilnih dokumentih sta pomembna tudi dolžina odseka in ustreznost jezika za nalogo: proizvajalec G1 opisuje kot angleškojezični model s kratkim besedilnim vhodom.

Kako organizirati delo

  1. V kratki frazi opredelite en predmet, lastnost ali namen iskanja.
  2. Pridobite vektorsko vložitev te fraze.
  3. Primerjajte jo z vektorji svojega indeksa in izberite ustrezne zapise.
  4. Najdene vsebine posredujte naprej, denimo vmesniku kataloga ali ločenemu modelu, ki sestavi odgovor.

Indeks in poizvedba morata uporabljati združljivo predstavitev podatkov. Pred polnjenjem obsežnega kataloga je koristno preveriti dejanske iskalne fraze: pomensko ujemanje, redke lastnosti in primere, ko podobne besede opisujejo različne predmete.

Vhod in rezultat v Ailoot

Tu dostopna metoda sprejme besedilo in vrne embedding; vhodna omejitev te kartice je 128 žetonov. Operacija zahteva kratke opise, zato dolg dokument vnaprej razdelite na samostojne pomenske odseke. Nalaganje slik, ustvarjanje slik in delo z videom niso del te metode. Ime Multimodal opisuje izvirni model, ta kartica pa omogoča ustvarjanje vektorja iz besedila.

Na voljo prek Ailoot API

Ultra Vektorske predstavitvePOST /v1/embeddings
Vhod
text
Izhod
embedding
Kontekst
128 žetonov
Največji odgovor
Ni navedeno v katalogu
Vhod
0,0016 $ / 1K
amazon/titan-embed-image-v1 · JSON
{"about":"### Besedilni vhod v multimodalni prostor\n\nAmazon Titan Multimodal Embeddings G1 je Amazonov model za vektorske vložitve s skupnim predstavitvenim prostorom za besedilo in slike. V Ailoot ta kartica omogoča besedilni potek: podate kratek opis ali iskalno frazo in prejmete številčni vektor. Ta predstavlja vsebino besedila v obliki, ki jo aplikacija lahko primerja z drugimi združljivimi vektorji.\n\n### Za katere naloge je primeren\n\nModel je mogoče vključiti v iskanje po katalogu, priporočila in personalizacijo. Opis »rdeča potovalna torba« na primer postane iskalni vektor, s katerim aplikacija poišče podobne zapise v pripravljenem indeksu. Rezultat je odvisen tudi od vsebine kataloga in načina indeksiranja: vektorska vložitev predstavlja poizvedbo, končni izbor pa pripravi iskalni sistem.\n\nPosebnost te različice Titan je skupni prostor besedilnih in vizualnih podatkov. Besedilni vektor je lahko uporaben v sistemu, v katerem so združljive predstavitve predmetov že pripravljene. Pri običajnem iskanju po besedilnih dokumentih sta pomembna tudi dolžina odseka in ustreznost jezika za nalogo: proizvajalec G1 opisuje kot angleškojezični model s kratkim besedilnim vhodom.\n\n### Kako organizirati delo\n\n1. V kratki frazi opredelite en predmet, lastnost ali namen iskanja.\n2. Pridobite vektorsko vložitev te fraze.\n3. Primerjajte jo z vektorji svojega indeksa in izberite ustrezne zapise.\n4. Najdene vsebine posredujte naprej, denimo vmesniku kataloga ali ločenemu modelu, ki sestavi odgovor.\n\nIndeks in poizvedba morata uporabljati združljivo predstavitev podatkov. Pred polnjenjem obsežnega kataloga je koristno preveriti dejanske iskalne fraze: pomensko ujemanje, redke lastnosti in primere, ko podobne besede opisujejo različne predmete.\n\n### Vhod in rezultat v Ailoot\n\nTu dostopna metoda sprejme **besedilo** in vrne **embedding**; vhodna omejitev te kartice je **128 žetonov**. Operacija zahteva kratke opise, zato dolg dokument vnaprej razdelite na samostojne pomenske odseke. Nalaganje slik, ustvarjanje slik in delo z videom niso del te metode. Ime Multimodal opisuje izvirni model, ta kartica pa omogoča ustvarjanje vektorja iz besedila.","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":"Iz kratkega besedila ustvari vektorje za pomensko iskanje in priporočila v multimodalnem prostoru Titan."}

Vprašanja

Kako izberem model za svojo nalogo?

Najprej določite potreben vhod in izhod: besedilo, sliko, zvok ali video. Nato primerjajte združljive metode API, točen ID modela ali trenutno ciljno vrednost vzdevka, ceno in obračunsko enoto. Brezplačni GET /v1/models navede modele, dostopne vašemu ključu.

Ali vsak model podpira vse metode API in vrste medijev?

Uporabite metode API ter vrste vhoda in izhoda, navedene na kartici modela. Podpora besedilu, slikam, zvoku ali videu je odvisna od izbranega modela in metode; pred pošiljanjem podatkov preverite ustrezni primer zahteve.

Kakšna je razlika med ID modela in vzdevkom?

Točen ID označuje določen model. Vzdevek kaže na model, njegova ciljna vrednost pa se lahko spremeni. V katalogu preverite trenutno ciljno vrednost vzdevka; ko integracija potrebuje določen model, uporabite točen ID.

Kako primerjam cene pred pošiljanjem zahteve?

Na kartici modela preverite ceno in obračunsko enoto izbrane metode API. Primerjajte enako enoto ter vrsto vhoda in izhoda; zgodovina zahtev prikazuje dejansko porabo in zaračunani znesek.

Kaj omogoča naročnina?

Popust na nakup žetonov za redno delo. Paket izberite po obsegu zahtev; pogoji in cena so prikazani ob naročilu.

Kako uporabim kodo za do 50% popusta?

Promocijsko kodo vnesite ob nakupu žetonov. Končni znesek se preračuna po akcijskih pogojih, višina popusta pa je vidna pred plačilom.