Vi använder cookies. Cookies och webbläsarlagring håller dig inloggad och kommer ihåg dina preferenser. Med ditt tillstånd mäter vi också hur webbplatsen används. Du kan när som helst. Läs vår cookiepolicy.
amazon/titan-embed-image-v1Körs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Inställningar
Amazon Titan Multimodal Embeddings G1 är en inbäddningsmodell från Amazon, listad på api14 under modell-id:t amazon/titan-embed-image-v1. Den tillhör kategorin inbäddningar, vilket innebär att dess uppgift är att omvandla indata till vektorer snarare än att generera text eller bilder. Den riktar sig till utvecklare som bygger sök- och rekommendationssystem som behöver fungera över mer än en typ av innehåll.
Modellen tar emot text, bilder eller text och bild tillsammans, och producerar inbäddningar som enda utdata. Eftersom alla dessa indata mappas in i ett delat vektorrum kan en textfråga och en bild jämföras direkt, vilket är det som gör tvärmodal hämtning möjlig. Kontextfönstret är 128 tokens, och maximal utdata är 115. Bilder tillhandahålls som base64.
Dessa funktioner pekar mot en ganska specifik uppsättning användningsområden. Multimodal sökning är det uppenbara: en användare skriver en beskrivning och systemet hämtar matchande bilder, eller en användare tillhandahåller en bild och systemet hämtar matchande text. Rekommendation är det andra huvudfallet, där objekt som blandar bilder och text bäddas in och jämförs efter likhet. Alla arbetsflöden som behöver ett enda vektorindex som spänner över båda modaliteterna, snarare än två separata index, passar denna modell.
Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t amazon/titan-embed-image-v1, så befintliga OpenAI-klientbibliotek fungerar utan ändringar. Modellen stöder inga ytterligare begärandeparametrar utöver de standardparametrar som gäller för slutpunkten. Eftersom kontextfönstret är 128 tokens bör du hålla textindata korta och behandla varje begäran som en enda inbäddningsoperation snarare än ett långt dokument som ska delas upp av modellen själv.
Om dina indata är långa textstycken kommer fönstret på 128 tokens att vara den begränsande faktorn, och en textbaserad inbäddningsmodell med större kontext är sannolikt ett bättre val. Detsamma gäller om du behöver genererad utdata snarare än vektorer, eftersom denna modell endast returnerar inbäddningar. För kort text, bilder eller en kombination av de två som behöver finnas i ett delat vektorrum är den det lämpliga valet.
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));
Den här communityn har inga trådar ännu. Starta den första om Amazon: Titan Multimodal Embeddings G1.