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।
Sentence Transformers: paraphrase-MiniLM-L6-v2
sentence-transformers/paraphrase-minilm-l6-v2Sentence Transformers: paraphrase-MiniLM-L6-v2 अभी आज़माएं
ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
नतीजे यहां दिखेंगे।
सेटिंग्स
Sentence Transformers: paraphrase-MiniLM-L6-v2 एक नज़र में
- इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 75% कम है।
Sentence Transformers: paraphrase-MiniLM-L6-v2 के बारे में
सेंटेंस ट्रांसफॉर्मर्स: paraphrase-MiniLM-L6-v2, सेंटेंस ट्रांसफॉर्मर्स का एक एम्बेडिंग मॉडल है, जो api14 पर एम्बेडिंग श्रेणी के अंतर्गत सूचीबद्ध है। यह एक कॉम्पैक्ट MiniLM-आधारित मॉडल है जिसका उद्देश्य टेक्स्ट को वेक्टर में बदलना है, न कि टेक्स्ट जनरेट करना। इसके लिए दर्ज प्रदाता रिलीज़ दिनांक 2025-11-18 है।
मॉडल इनपुट के रूप में टेक्स्ट स्वीकार करता है और आउटपुट के रूप में एम्बेडिंग लौटाता है। यह वाक्यों और छोटे पैराग्राफों को 384-आयामी सघन वेक्टर स्पेस में परिवर्तित करता है, जिससे पैराफ्रेज़ डिटेक्शन, सिमेंटिक समानता स्कोरिंग, क्लस्टरिंग और हल्की रिट्रीवल के लिए अनुकूलित सिमेंटिक एम्बेडिंग उत्पन्न होती हैं। इसकी कॉन्टेक्स्ट लंबाई 512 टोकन है, और अधिकतम आउटपुट 460 है। कोई अन्य इनपुट या आउटपुट मोडालिटी नहीं है: यह इमेज, ऑडियो या फ़ाइलें नहीं लेता, और यह चैट कम्पलीशन या फ्री-फॉर्म टेक्स्ट उत्पन्न नहीं करता।
ये क्षमताएँ उपयोगों के एक काफी विशिष्ट समूह की ओर संकेत करती हैं। चूँकि वेक्टर को पैराफ्रेज़ को एक-दूसरे के करीब रखने के लिए प्रशिक्षित किया गया है, मॉडल सिमेंटिक समानता स्कोरिंग के लिए उपयुक्त है, जहाँ आप टेक्स्ट के दो टुकड़ों की तुलना करते हैं और आपको एक ऐसी संख्या चाहिए जो शब्दों के ओवरलैप के बजाय अर्थ को दर्शाए। यह पैराफ्रेज़ डिटेक्शन, वाक्यों या छोटे पैराग्राफों को विषय के अनुसार समूहों में क्लस्टर करने, और हल्की रिट्रीवल के लिए उपयुक्त है, जहाँ आप एक क्वेरी और उम्मीदवार पैसेजों के एक सेट को एम्बेड करते हैं और पैसेजों को दूरी के अनुसार रैंक करते हैं। लगभग-समान प्रविष्टियों का डिडुप्लीकेशन, सपोर्ट टिकटों या फ़ीडबैक को समूहित करना, और छोटे दस्तावेज़ों पर एक छोटा सिमेंटिक सर्च इंडेक्स बनाना, ये सभी स्वाभाविक उपयोग हैं। 512 टोकन कॉन्टेक्स्ट का अर्थ है कि प्रत्येक इनपुट एक वाक्य या छोटा पैराग्राफ होना चाहिए, न कि लंबा दस्तावेज़; लंबी सामग्री को एम्बेड करने से पहले चंक्स में विभाजित करना आवश्यक है।
आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "sentence-transformers/paraphrase-minilm-l6-v2" का उपयोग करके कॉल करते हैं। चूँकि एंडपॉइंट OpenAI एम्बेडिंग आकार का अनुसरण करता है, आप अपना टेक्स्ट इनपुट के रूप में भेजते हैं और प्रतिक्रिया से वेक्टर पढ़ते हैं। मॉडल कोई समर्थित पैरामीटर सूचीबद्ध नहीं करता, इसलिए सेट करने के लिए कोई अतिरिक्त सैंपलिंग या जनरेशन विकल्प नहीं हैं; अनुरोध को मॉडल आईडी और इनपुट टेक्स्ट तक सीमित रखें। इस पृष्ठ पर लाइव मूल्य तालिका किसी भी बिलिंग विवरण को कवर करती है।
योजना बनाते समय ध्यान रखने योग्य मुख्य बाधा 512 टोकन कॉन्टेक्स्ट है। यदि आपके इनपुट लंबे दस्तावेज़ हैं, या यदि आपको वेक्टर के बजाय जनरेट किया गया टेक्स्ट चाहिए, तो यह मॉडल सही विकल्प नहीं है और एक टेक्स्ट जनरेशन मॉडल बेहतर फिट होगा। वाक्य-स्तर और छोटे-पैराग्राफ एम्बेडिंग कार्य के लिए, यह एक छोटा और सीधा विकल्प है।
Sentence Transformers: paraphrase-MiniLM-L6-v2 API कैसे कॉल करें
- अपने dashboard में API key बनाएं।
- अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
- baseURL को https://api14.com/api/v1 और model को "sentence-transformers/paraphrase-minilm-l6-v2" पर सेट करें।
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": "sentence-transformers/paraphrase-minilm-l6-v2",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
स्पेसिफिकेशन
- Context लंबाई
- 512
- अधिकतम आउटपुट
- 460
- इनपुट
- text
- आउटपुट
- embeddings
api14 पर requests · पिछले 7 दिन
Sentence Transformers: paraphrase-MiniLM-L6-v2: अक्सर पूछे जाने वाले सवाल
- Sentence Transformers: paraphrase-MiniLM-L6-v2 API की कीमत कितनी है?
- Sentence Transformers: paraphrase-MiniLM-L6-v2 की कीमत इनपुट $0.02 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
- Sentence Transformers: paraphrase-MiniLM-L6-v2 की context window कितनी है?
- Sentence Transformers: paraphrase-MiniLM-L6-v2 हर request में 512 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 460 आउटपुट tokens तक लिखता है।
- Sentence Transformers: paraphrase-MiniLM-L6-v2 क्या कर सकता है?
- Sentence Transformers: paraphrase-MiniLM-L6-v2 text स्वीकार करता है और embeddings लौटाता है।
- अपने कोड से Sentence Transformers: paraphrase-MiniLM-L6-v2 कैसे कॉल करूं?
- किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "sentence-transformers/paraphrase-minilm-l6-v2" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
- Sentence Transformers: paraphrase-MiniLM-L6-v2 के विकल्प क्या हैं?
- मिलती-जुलती कीमत वाले Embeddings मॉडल: Thenlper: GTE-Base, Intfloat: E5-Base-v2, Sentence Transformers: all-MiniLM-L12-v2। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।
Sentence Transformers: paraphrase-MiniLM-L6-v2 कम्युनिटी
नया टॉपिकइस कम्युनिटी में अभी कोई टॉपिक नहीं है। Sentence Transformers: paraphrase-MiniLM-L6-v2 के बारे में पहला टॉपिक खोलें।