嵌入 Gemini API

text-embedding-004 模型可為字詞、詞組和句子產生最先進的嵌入。產生的嵌入資料可用於語意搜尋、文字分類、分群等多項工作。如要進一步瞭解嵌入資料，請參閱我們的研究報告。

什麼是嵌入？

嵌入會擷取語意和背景資訊，因此具有相似意義的文字會產生「較接近」的嵌入。舉例來說，「我帶狗去看獸醫」和「我帶貓去看獸醫」這兩句話的嵌入值在向量空間中會彼此靠近，因為兩者描述的都是類似的情況。

您可以使用嵌入值比較不同文字，並瞭解它們之間的關聯。舉例來說，如果「cat」和「dog」這兩個字詞的嵌入值相近，您就可以推斷這兩個字詞的意思或上下文相似，甚至兩者皆是如此。這可支援各種常見的 AI 用途。

生成嵌入

使用 embedContent 方法產生文字嵌入：

import google.generativeai as genai
import os

genai.configure(api_key=os.environ["GEMINI_API_KEY"])

result = genai.embed_content(
        model="models/text-embedding-004",
        content="What is the meaning of life?")

print(str(result['embedding']))

const { GoogleGenerativeAI } = require("@google/generative-ai");

const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);
const model = genAI.getGenerativeModel({ model: "text-embedding-004"});

async function run() {
    const result = await model.embedContent("What is the meaning of life?");
    console.log(result.embedding.values);
}

run();

curl "https://generativelanguage.googleapis.com/v1beta/models/text-embedding-004:embedContent?key=$GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"model": "models/text-embedding-004",
     "content": {
     "parts":[{
     "text": "What is the meaning of life?"}]}
    }'

ctx := context.Background()

client, err := genai.NewClient(ctx, option.WithAPIKey(os.Getenv("GEMINI_API_KEY")))
if err != nil {
    log.Fatal(err)
}
defer client.Close()

em := client.EmbeddingModel("text-embedding-004")
res, err := em.EmbedContent(ctx, genai.Text("What is the meaning of life?"))

if err != nil {
    panic(err)
}
fmt.Println(res.Embedding.Values)

用途

文字嵌入可用於各種常見的 AI 用途，例如：

• 資訊擷取：您可以使用嵌入，在給定一段輸入文字時，擷取語義相似的文字。

  文件搜尋教學課程task

• 叢集：比較不同組的嵌入資料，有助於找出隱藏的趨勢。

  嵌入叢集教學課程bubble_chart

• 向量資料庫：當您將不同的嵌入用途導入實際作業環境時，通常會將嵌入項目儲存在向量資料庫中。

  向量資料庫教學課程bolt

• 分類：您可以使用嵌入值訓練模型，將文件分類。

  分類教學課程token

Gemini 嵌入模型

Gemini API 提供兩種產生文字嵌入值的模型：

• 文字嵌入
• 嵌入

文字嵌入是嵌入模型的更新版本，可提供 768 個維度以下的彈性嵌入大小。彈性嵌入會產生較小的輸出維度，並可能在效能略微下降的情況下節省運算和儲存空間成本。

將文字嵌入用於新專案或應用程式。