如何将多种模态转换为向量?

本文涉及的产品
对象存储 OSS,20GB 3个月
对象存储 OSS,内容安全 1000次 1年
对象存储 OSS,恶意文件检测 1000次 1年
简介: 本文介绍如何通过模型服务灵积DashScope进行多模态向量生成,并入库至向量检索服务DashVector中进行向量检索。

免费体验阿里云高性能向量检索服务:https://www.aliyun.com/product/ai/dashvector


本文介绍如何通过模型服务灵积DashScope进行多模态向量生成,并入库至向量检索服务DashVector中进行向量检索。

模型服务灵积DashScope,通过灵活、易用的模型API服务,让各种模态模型的能力,都能方便的为AI开发者所用。通过灵积API,开发者不仅可以直接集成大模型的强大能力,也可以对模型进行训练微调,实现模型定制化。


前提条件

  • DashVector:
  • DashScope:

ONE-PEACE多模态向量表征

简介

ONE-PEAC是一个图文音三模态通用表征模型,在语义分割、音文检索、音频分类和视觉定位几个任务都达到了新SOTA表现,在视频分类、图像分类、图文检索、以及多模态经典benchmark也都取得了比较领先的结果。

模型名称

向量维度

度量方式

向量数据类型

备注

multimodal-embedding-one-peace-v1

1536

Cosine

Float32

  • 图片:图像格式目前支持bmp, jpg, jpeg, png 和 tiff;文件大小不超过5M
  • 音频:当前支持最大音频时长为15s,超出该时长的音频内容在 auto-truncation 功能打开的情况下会被截断继续计算向量,auto-truncation 功能关闭的时候本次请求会报错返回;语音格式目前支持 wav, mp3 和 flac;文件大小不超过5M
  • 文本:当前支持最大文本长度为70 字,超出该长度的文本内容在 auto-truncation 功能打开的情况下会被截断继续计算向量,auto-truncation 功能关闭的时候本次请求会报错返回;


说明

关于灵积ONE-PEACE多模态向量表征更多信息请参考:ONE-PEACE多模态向量表征


使用示例

说明

需要进行如下替换代码才能正常运行:

  1. DashVector api-key替换示例中的{your-dashvector-api-key}
  2. DashVector Cluster Endpoint替换示例中的{your-dashvector-cluster-endpoint}
  3. DashScope api-key替换示例中的{your-dashscope-api-key}


importdashscopefromdashscopeimportMultiModalEmbeddingfromdashvectorimportClientdashscope.api_key='{your-dashscope-api-key}'# 调用DashScope ONE-PEACE模型,将各种模态素材embedding为向量defgenerate_embeddings(text: str=None, image: str=None, audio: str=None):
input= []
iftext:
input.append({'text': text})
ifimage:
input.append({'image': image})
ifaudio:
input.append({'audio': audio})
result=MultiModalEmbedding.call(
model=MultiModalEmbedding.Models.multimodal_embedding_one_peace_v1,
input=input,
auto_truncation=True    )
ifresult.status_code!=200:
raiseException(f"ONE-PEACE failed to generate embedding of {input}, result: {result}")
returnresult.output["embedding"]
# 创建DashVector Clientclient=Client(
api_key='{your-dashvector-api-key}',
endpoint='{your-dashvector-cluster-endpoint}')
# 创建DashVector Collectionrsp=client.create('one-peace-embedding', 1536)
assertrspcollection=client.get('one-peace-embedding')
assertcollection# 向量入库DashVectorcollection.insert(
    [
        ('ID1', generate_embeddings(text='阿里云向量检索服务DashVector是性能、性价比具佳的向量数据库之一')),
        ('ID2', generate_embeddings(image='https://dashscope.oss-cn-beijing.aliyuncs.com/images/256_1.png')),
        ('ID3', generate_embeddings(audio='https://dashscope.oss-cn-beijing.aliyuncs.com/audios/cow.flac')),
        ('ID4', generate_embeddings(
text='阿里云向量检索服务DashVector是性能、性价比具佳的向量数据库之一',
image='https://dashscope.oss-cn-beijing.aliyuncs.com/images/256_1.png',
audio='https://dashscope.oss-cn-beijing.aliyuncs.com/audios/cow.flac'        ))
    ]
)
# 向量检索docs=collection.query(
generate_embeddings(text='The best vector database')
)
print(docs)


相关最佳实践


向量检索服务 DashVector免费试用进行中,玩转大模型搜索,快来试试吧~

了解更多信息,请点击:https://www.aliyun.com/product/ai/dashvector

相关实践学习
借助OSS搭建在线教育视频课程分享网站
本教程介绍如何基于云服务器ECS和对象存储OSS,搭建一个在线教育视频课程分享网站。
相关文章
|
2月前
|
编解码 人工智能 搜索推荐
如何进行多模态向量生成?
本文详细介绍如何进行多模态向量生成?
|
2月前
|
人工智能 自然语言处理 开发工具
通过ModelScope开源Embedding模型将文本转换为向量
本文介绍如何通过ModelScope魔搭社区中的文本向量开源模型将文本转换为向量,并入库至向量检索服务DashVector中进行向量检索。
|
24天前
7.处理多维特征的输入
7.处理多维特征的输入
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
BERT时代,向量语义检索我们关注什么?
在医疗搜索场景中,除了模型优化,结构化知识对于提高搜索准确性至关重要。
|
2月前
|
自然语言处理 Python
【Python自然语言处理】文本向量化的六种常见模型讲解(独热编码、词袋模型、词频-逆文档频率模型、N元模型、单词-向量模型、文档-向量模型)
【Python自然语言处理】文本向量化的六种常见模型讲解(独热编码、词袋模型、词频-逆文档频率模型、N元模型、单词-向量模型、文档-向量模型)
429 0
|
2月前
|
人工智能 API 开发工具
通过百川智能向量化模型将文本转换为向量
本文介绍如何通过百川智能向量化模型将文本转换为向量,并入库至向量检索服务DashVector中进行向量检索。
通过百川智能向量化模型将文本转换为向量
|
2月前
|
机器学习/深度学习 PyTorch 算法框架/工具
使用PyTorch处理多维特征输入的完美指南
使用PyTorch处理多维特征输入的完美指南
使用PyTorch处理多维特征输入的完美指南
|
2月前
|
人工智能 API 开发工具
通过Jina Embeddings模型将文本转换为向量
本文介绍如何通过Jina Embeddings v2模型将文本转换为向量,并入库至向量检索服务DashVector中进行向量检索。
|
2月前
|
人工智能 自然语言处理 API
如何将文本转换为向量?
本文介绍如何通过模型服务灵积DashScope将文本转换为向量,并入库至向量检索服务DashVector中进行向量检索。
如何将文本转换为向量?
|
2月前
|
自然语言处理
将向量提取器用于平行语料对齐的一个小示例
将向量提取器用于平行语料对齐的一个小示例
25 0