Çerez kullanıyoruz. Çerezler ve tarayıcı depolaması oturumunu açık tutar ve tercihlerini hatırlar. İzin verirsen sitenin nasıl kullanıldığını da ölçeriz. İstediğin zaman . Ayrıntılar için çerez politikamıza bak.
amazon/titan-embed-image-v1Yukarıdaki fiyatlarla bakiyenden çalışır. Yeni hesaplar ücretsiz kullanımla başlar.
Ayarlar
Amazon Titan Multimodal Embeddings G1, Amazon tarafından sunulan bir embedding modelidir ve api14 üzerinde amazon/titan-embed-image-v1 model id'si ile listelenmiştir. Embeddings kategorisinde yer alır, yani görevi metin veya görsel üretmek yerine girdileri vektörlere dönüştürmektir. Birden fazla içerik türü üzerinde çalışması gereken arama ve öneri sistemleri geliştiren geliştiricilere yöneliktir.
Model metin, görsel veya metin ile görseli birlikte kabul eder ve tek çıktı olarak embeddings üretir. Tüm bu girdiler paylaşılan bir vektör uzayına eşlendiği için bir metin sorgusu ile bir görsel doğrudan karşılaştırılabilir, ki bu da çapraz modal erişimi mümkün kılar. Bağlam penceresi 128 token'dır ve maksimum çıktı 115'tir. Görseller base64 olarak sağlanır.
Bu yetenekler oldukça belirli bir kullanım kümesine işaret eder. Multimodal arama en belirgin olanıdır: kullanıcı bir açıklama yazar ve sistem eşleşen görselleri getirir veya kullanıcı bir görsel sağlar ve sistem eşleşen metni getirir. Öneri ise diğer ana durumdur; burada görsel ve metni karıştıran öğeler embed edilir ve benzerliğe göre karşılaştırılır. İki ayrı dizin yerine her iki modaliteyi kapsayan tek bir vektör dizinine ihtiyaç duyan her iş akışı bu modele uygundur.
Modeli api14'ün OpenAI uyumlu API'si üzerinden amazon/titan-embed-image-v1 model id'sini kullanarak çağırırsınız, böylece mevcut OpenAI istemci kütüphaneleri değişiklik yapılmadan çalışır. Model, endpoint için standart olanların ötesinde ek istek parametresi desteklemez. Bağlam penceresi 128 token olduğu için metin girdilerini kısa tutun ve her isteği modelin kendisi tarafından parçalara ayrılacak uzun bir belge olarak değil, tek bir embedding işlemi olarak değerlendirin.
Girdileriniz uzun metin pasajlarıysa, 128 token penceresi bağlayıcı kısıt olacaktır ve daha büyük bağlama sahip yalnızca metin için bir embedding modeli muhtemelen daha uygun olacaktır. Aynı durum, vektörler yerine üretilmiş çıktıya ihtiyaç duyduğunuzda da geçerlidir, çünkü bu model yalnızca embeddings döndürür. Kısa metin, görsel veya ikisinin tek bir paylaşılan vektör uzayında yaşaması gereken bir kombinasyonu için uygun seçimdir.
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));
Bu toplulukta henüz konu yok. Amazon: Titan Multimodal Embeddings G1 hakkında ilk konuyu sen aç.