Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
amazon/titan-embed-image-v1Korzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Amazon Titan Multimodal Embeddings G1 to model embeddingowy od Amazon, wymieniony na api14 pod identyfikatorem modelu amazon/titan-embed-image-v1. Należy do kategorii embeddings, co oznacza, że jego zadaniem jest zamiana danych wejściowych na wektory, a nie generowanie tekstu lub obrazów. Jest skierowany do deweloperów budujących systemy wyszukiwania i rekomendacji, które muszą działać na więcej niż jednym typie treści.
Model przyjmuje tekst, obrazy lub tekst i obraz razem, a jako jedyne wyjście produkuje embeddingi. Ponieważ wszystkie te dane wejściowe są mapowane do wspólnej przestrzeni wektorowej, zapytanie tekstowe i obraz można porównać bezpośrednio, co umożliwia wyszukiwanie międzymodalne. Okno kontekstu wynosi 128 tokenów, a maksymalne wyjście to 115. Obrazy są dostarczane jako base64.
Te możliwości wskazują na dość konkretny zestaw zastosowań. Wyszukiwanie multimodalne jest oczywistym przypadkiem: użytkownik wpisuje opis, a system pobiera pasujące obrazy, albo użytkownik dostarcza obraz, a system pobiera pasujący tekst. Rekomendacja to drugi główny przypadek, w którym elementy łączące obrazy i tekst są osadzane i porównywane pod względem podobieństwa. Każdy przepływ pracy, który wymaga jednego indeksu wektorowego obejmującego obie modalności, a nie dwóch oddzielnych indeksów, pasuje do tego modelu.
Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu amazon/titan-embed-image-v1, więc istniejące biblioteki klienckie OpenAI działają bez zmian. Model nie obsługuje żadnych dodatkowych parametrów żądania poza standardowymi dla tego endpointu. Ponieważ okno kontekstu wynosi 128 tokenów, utrzymuj tekstowe dane wejściowe krótkie i traktuj każde żądanie jako pojedynczą operację embeddingu, a nie długi dokument, który ma być dzielony przez sam model.
Jeśli Twoje dane wejściowe to długie fragmenty tekstu, okno 128 tokenów będzie wiążącym ograniczeniem, a model embeddingowy tylko dla tekstu z większym kontekstem będzie prawdopodobnie lepszym wyborem. To samo dotyczy sytuacji, gdy potrzebujesz wygenerowanego wyjścia, a nie wektorów, ponieważ ten model zwraca wyłącznie embeddingi. Dla krótkiego tekstu, obrazów lub kombinacji obu, która musi znajdować się w jednej wspólnej przestrzeni wektorowej, jest to właściwy wybór.
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));
Ta społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o Amazon: Titan Multimodal Embeddings G1.
Ustawienia