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-text-v1Yukarıdaki fiyatlarla bakiyenden çalışır. Yeni hesaplar ücretsiz kullanımla başlar.
Ayarlar
Amazon Titan Embeddings G1 - Text, Amazon'dan bir metin gömme modelidir ve Titan temel modeller ailesinin bir parçasıdır. Birinci nesil Titan metin gömme modelidir ve ana kategorisi gömmelerdir. Düzyazı üretmek yerine, metni anlamı temsil eden sayısal vektörlere dönüştürür, bu da onu arama, getirme ve benzerlik sistemleri için bir yapı taşı haline getirir.
Model yalnızca metin girişini kabul eder ve çıktı olarak gömmeler döndürür. Her giriş 8.192 token uzunluğa kadar olabilir, bu da oldukça büyük belgelerin veya uzun pasajların tek bir istekte gömülmesine olanak tanır. Sabit 1.536 boyutlu vektörler döndürür, böylece çıktının şekli öngörülebilir ve çağrılar arasında tutarlıdır, bu da bir vektör veritabanında depolamayı ve vektörler arasında karşılaştırmayı basitleştirir. Maksimum çıktı 7.372'dir.
Model metin yerine gömmeler ürettiği için kullanım durumları benzerlik ve getirmeden doğar. Bir belge koleksiyonunu gömebilir ve istek zamanında kullanıcı sorgularını gömebilir, ardından dahili bilgi tabanları, dokümantasyon veya ürün katalogları üzerinde anlamsal arama oluşturmak için belgeleri vektör benzerliğine göre sıralayabilirsiniz. Aynı yaklaşım, ilgili pasajların getirilip ayrı bir metin üretme modeline aktarıldığı getirme destekli üretimi destekler. Gömmeler ayrıca büyük metin koleksiyonlarının kümelemesi ve konu gruplaması, neredeyse aynı içeriğin tekilleştirilmesi, bir belge vektörünün etiketli örneklerle karşılaştırılmasıyla sınıflandırma ve anahtar kelime örtüşmesi yerine anlamsal yakınlığa dayanan öneri veya eşleştirme özellikleri için uygundur. 8.192 token giriş sınırı, uzun makalelerin ve raporların birçok küçük parçaya bölünmeden gömülebileceği anlamına gelir, ancak pasaj düzeyinde getirmeye ihtiyaç duyduğunuzda parçalama yine de tercih edilebilir.
Modeli, "amazon/titan-embed-text-v1" model kimliğini kullanarak api14'ün OpenAI uyumlu API'si üzerinden çağırırsınız. Arayüz OpenAI gömmeler kuralına uyduğundan, mevcut OpenAI istemci kitaplıkları ve SDK'ları api14'ün temel URL'sini işaret edebilir ve bu model kimliğiyle gömme istekleri gönderebilir, bu da halihazırda bir gömme işlem hattınız varsa entegrasyon işini küçük tutar. Model, standart gömme isteği alanlarının ötesinde desteklenen hiçbir istek parametresi listelemez, bu nedenle giriş metnini ve model kimliğini göndermeyi planlayın ve döndürülen 1.536 boyutlu vektörleri doğrudan işleyin.
Bir gömme modelinin hiç uygun olup olmadığını düşünün: bu model metin üretmez, bu nedenle özetleme, soru yanıtlama veya sohbet gibi görevler ayrı bir metin üretme modeline ihtiyaç duyar ve Titan Embeddings bunun yanında getirme için kullanılır. Farklı bir vektör boyutuna veya Titan gömmelerinin daha yeni bir nesline ihtiyacınız varsa, bu model kimliğine bağlanmadan önce api14'ün Amazon sağlayıcısı altında başka neler sunduğunu kontrol edin.
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-text-v1",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Bu toplulukta henüz konu yok. Amazon: Titan Embeddings G1 - Text hakkında ilk konuyu sen aç.