嵌入 Gemini API

Gemini API 中的嵌入服務會產生最先進的嵌入 字詞、片語和語句產生的嵌入就能用於 自然語言處理 (NLP) 工作，例如語意搜尋、文字 評估和分群法等問題

本頁面會簡要說明嵌入功能，並特別說明 來協助您快速上手

什麼是嵌入？

文字嵌入是一種自然語言處理 (NLP) 技術 將文字轉換成數值座標 (稱為「向量」)，您可以 ND 空間。這個方法可以將文字片段視為 可用來訓練模型的關聯資料

嵌入功能可擷取語意含義和背景資訊，藉此產生文字 類似含量的嵌入例如：「我拿走 「dog to the vet」以及「我將貓帶到獸醫」會含有 在向量空間中彼此相近，因為兩者都形塑了 相關資訊

您可以使用嵌入功能比較不同文字，並瞭解這些文字會如何 關係舉例來說，如果嵌入的是「cat」文字和「dog」差一點。 就能推斷出這些字詞的意思或情境相似 兩者。此功能允許各式各樣的用途，下一節會說明。

用途

文字嵌入可用於多種自然語言處理用途，例如：

  • 資訊擷取：您可以使用嵌入功能，在語意上擷取內容 所提供的類似文字各種應用程式 例如語意搜尋 回答問題或總結
  • 分類：您可以使用嵌入項目訓練模型，以便進行分類 並將這些文件分門別類例如，如想將使用者分類 您可以使用嵌入服務來取得 以訓練分類器來訓練分類器。
  • 分群：比較文字向量可顯示相似或相異之處 其次是可行的這項功能可用來訓練分群模型 偵測資料中的異常狀況
  • 向量資料庫：您可以將產生的嵌入儲存在向量中 資料庫，提升自然語言處理應用程式的準確度和效率。 請參閱下列教學課程，瞭解如何使用向量資料庫 將文字提示轉換成數值向量

Gemini 嵌入模型

Gemini API 提供兩種產生文字嵌入的模型：文字 嵌入項目 嵌入。「文字嵌入」是一種 新版嵌入模型提供彈性的嵌入大小， 768 個維度Elastic 嵌入會產生較小的輸出尺寸 可節省運算和儲存空間費用，但也幾乎不會影響效能。

為新專案或應用程式使用文字嵌入功能。您的應用程式 請只在無法遷移嵌入模型來使用文字嵌入時，再使用嵌入模型。

使用 Gemini API 產生嵌入項目

使用 embedContent 方法產生文字嵌入：

Python

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

# 1 input > 1 vector output
print(str(result['embedding'])[:50], '... TRIMMED]')

造訪入門指南 教學課程 以取得完整的可執行範例

Go

ctx := context.Background()
// Access your API key as an environment variable (see our Getting Started tutorial)
client, err := genai.NewClient(ctx, option.WithAPIKey(os.Getenv("API_KEY")))
if err != nil {
log.Fatal(err)
}
defer client.Close()
// For embeddings, use the Text Embeddings model
em := client.EmbeddingModel("text-embedding-004")
res, err := em.EmbedContent(ctx, genai.Text("The quick brown fox jumps over the lazy dog."))

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

造訪入門指南 教學課程 完整的可執行範例

Node.js

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

// Access your API key as an environment variable (see our Getting Started tutorial)
const genAI = new GoogleGenerativeAI(process.env.API_KEY);

async function run() {
// For embeddings, use the Text Embeddings model
const model = genAI.getGenerativeModel({ model: "text-embedding-004"});

const text = "The quick brown fox jumps over the lazy dog."

const result = await model.embedContent(text);
const embedding = result.embedding;
console.log(embedding.values);
}

run();

造訪入門指南 教學課程 以取得完整的可執行範例

飛鏢 (Flutter)

final model = GenerativeModel(model: 'text-embedding-004', apiKey: apiKey);
final content = Content.text('The quick brown fox jumps over the lazy dog.');
final result = await model.embedContent(content);
print(result.embedding.values);

造訪入門指南 教學課程 以取得完整的可執行範例

curl

curl "https://generativelanguage.googleapis.com/v1beta/models/text-embedding-004:embedContent?key=$GOOGLE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"model": "models/text-embedding-004",
    "content": {
    "parts":[{
    "text": "Hello world"}]}, }' 2> /dev/null | head

請造訪我們的嵌入快速入門導覽課程，使用 REST 教戰手冊： GitHub 以取得完整的可執行範例

後續步驟