हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
amazon/titan-embed-image-v1ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
Amazon Titan Multimodal Embeddings G1, Amazon का एक embedding मॉडल है, जो api14 पर मॉडल id amazon/titan-embed-image-v1 के तहत सूचीबद्ध है। यह embeddings श्रेणी में आता है, जिसका अर्थ है कि इसका काम टेक्स्ट या इमेज जनरेट करना नहीं, बल्कि इनपुट को vectors में बदलना है। यह उन डेवलपर्स के लिए बनाया गया है जो ऐसे search और recommendation सिस्टम बना रहे हैं जिन्हें एक से अधिक प्रकार की सामग्री पर काम करना होता है।
मॉडल टेक्स्ट, इमेज, या टेक्स्ट और इमेज दोनों को स्वीकार करता है, और इसके आउटपुट के रूप में केवल embeddings देता है। चूंकि ये सभी इनपुट एक साझा vector space में मैप किए जाते हैं, एक टेक्स्ट क्वेरी और एक इमेज की सीधे तुलना की जा सकती है, और यही cross-modal retrieval को संभव बनाता है। context window 128 tokens का है, और अधिकतम आउटपुट 115 है। इमेज base64 के रूप में दी जाती हैं।
ये क्षमताएं उपयोगों के एक काफी विशिष्ट समूह की ओर इशारा करती हैं। Multimodal search सबसे स्पष्ट है: उपयोगकर्ता एक विवरण टाइप करता है और सिस्टम मेल खाती इमेज निकालता है, या उपयोगकर्ता एक इमेज देता है और सिस्टम मेल खाता टेक्स्ट निकालता है। Recommendation दूसरा मुख्य मामला है, जहां इमेज और टेक्स्ट को मिलाने वाली वस्तुओं को embed किया जाता है और similarity के आधार पर तुलना की जाती है। कोई भी ऐसा workflow जिसमें दोनों modalities को कवर करने वाला एक ही vector index चाहिए, न कि दो अलग indexes, इस मॉडल के लिए उपयुक्त है।
आप इसे api14 के OpenAI-compatible API के माध्यम से मॉडल id amazon/titan-embed-image-v1 का उपयोग करके कॉल करते हैं, इसलिए मौजूदा OpenAI client libraries बिना किसी बदलाव के काम करती हैं। मॉडल endpoint के मानक parameters के अलावा कोई अतिरिक्त request parameter समर्थित नहीं करता। चूंकि context window 128 tokens का है, टेक्स्ट इनपुट छोटे रखें और प्रत्येक request को एक ही embedding operation मानें, न कि ऐसे लंबे document के रूप में जिसे मॉडल स्वयं chunk करेगा।
यदि आपके इनपुट टेक्स्ट के लंबे passages हैं, तो 128 token की window बाधा बनेगी, और बड़े context वाला केवल-टेक्स्ट embedding मॉडल संभवतः बेहतर विकल्प होगा। यही बात तब भी लागू होती है जब आपको vectors के बजाय जनरेट किया गया आउटपुट चाहिए, क्योंकि यह मॉडल केवल embeddings लौटाता है। छोटे टेक्स्ट, इमेज, या इन दोनों के ऐसे संयोजन के लिए जिसे एक साझा vector space में रहना हो, यह उपयुक्त विकल्प है।
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));
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Amazon: Titan Multimodal Embeddings G1 के बारे में पहला टॉपिक खोलें।