Usamos cookies. Las cookies y el almacenamiento del navegador mantienen tu sesión iniciada y recuerdan tus preferencias. Con tu permiso, también medimos cómo se usa el sitio. Puedes en cualquier momento. Consulta nuestra política de cookies.
amazon/titan-embed-image-v1Se ejecuta con tu saldo a los precios indicados arriba. Las cuentas nuevas empiezan con uso gratuito.
Configuración
Amazon Titan Multimodal Embeddings G1 es un modelo de embeddings de Amazon, listado en api14 bajo el id de modelo amazon/titan-embed-image-v1. Se sitúa en la categoría de embeddings, lo que significa que su función es convertir las entradas en vectores en lugar de generar texto o imágenes. Está dirigido a desarrolladores que construyen sistemas de búsqueda y recomendación que necesitan funcionar con más de un tipo de contenido.
El modelo acepta texto, imágenes, o texto e imagen juntos, y produce embeddings como su única salida. Debido a que todas esas entradas se asignan a un espacio vectorial compartido, una consulta de texto y una imagen se pueden comparar directamente, que es lo que hace posible la recuperación multimodal. La ventana de contexto es de 128 tokens, y la salida máxima es de 115. Las imágenes se proporcionan como base64.
Esas capacidades apuntan a un conjunto de usos bastante específico. La búsqueda multimodal es la más obvia: un usuario escribe una descripción y el sistema recupera imágenes coincidentes, o un usuario proporciona una imagen y el sistema recupera texto coincidente. La recomendación es el otro caso principal, donde los elementos que mezclan imágenes y texto se embeben y se comparan por similitud. Cualquier flujo de trabajo que necesite un único índice vectorial que abarque ambas modalidades, en lugar de dos índices separados, encaja con este modelo.
Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo amazon/titan-embed-image-v1, por lo que las bibliotecas de cliente de OpenAI existentes funcionan sin cambios. El modelo no admite parámetros de solicitud adicionales más allá de los estándar para el endpoint. Dado que la ventana de contexto es de 128 tokens, mantén las entradas de texto cortas y trata cada solicitud como una única operación de embedding en lugar de un documento largo que el propio modelo deba dividir en fragmentos.
Si tus entradas son pasajes largos de texto, la ventana de 128 tokens será la restricción limitante, y un modelo de embeddings solo de texto con un contexto mayor probablemente sea una mejor opción. Lo mismo se aplica si necesitas salida generada en lugar de vectores, ya que este modelo solo devuelve embeddings. Para texto corto, imágenes, o una combinación de los dos que necesite vivir en un único espacio vectorial compartido, es la elección adecuada.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "amazon/titan-embed-image-v1",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Esta comunidad aún no tiene temas. Abre el primero sobre Amazon: Titan Multimodal Embeddings G1.