Amazon: Titan Multimodal Embeddings G1
amazon/titan-embed-image-v1Iz 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
- V kratki frazi opredelite en predmet, lastnost ali namen iskanja.
- Pridobite vektorsko vložitev te fraze.
- Primerjajte jo z vektorji svojega indeksa in izberite ustrezne zapise.
- 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
POST /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."}