Embedding Modelsanthropic

معرفی و مستندات مدل هوش مصنوعی voyage-large-2

مستندات مدل voyage-large-2 ارائه شده توسط ای آی کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند. برای دریافت بهترین نتیجه، توصیه می‌شود از متن‌های فارسی استاندارد و بدون غلط املایی استفاده کنید.

مدل voyage-large-2، قدرتمندترین مدل embedding چندمنظوره ارائه شده توسط Voyage است که عملکردی بهتر از مدل‌های رقیب محبوب دارد. این مدل برای تولید embedding از متن طراحی شده است و می‌تواند در طیف گسترده‌ای از کاربردها مانند جستجوی معنایی، خوشه‌بندی متن، طبقه‌بندی متن و ارزیابی شباهت متن مورد استفاده قرار گیرد. با استفاده از این مدل، می‌توانید متن‌ها را به بردارهای عددی تبدیل کنید که نشان‌دهنده معنای آن‌ها هستند. این بردارها می‌توانند برای مقایسه متن‌ها و یافتن متن‌های مشابه استفاده شوند. همچنین، می‌توانید از این بردارها برای آموزش مدل‌های یادگیری ماشین استفاده کنید. مدل voyage-large-2 با استفاده از معماری ترنسفورمر آموزش داده شده است و قادر است روابط پیچیده بین کلمات و عبارات را درک کند. این مدل از یک مجموعه داده بزرگ از متن‌های مختلف آموزش دیده است و می‌تواند به طور موثر با انواع مختلف متن کار کند. یکی از ویژگی‌های برجسته این مدل، توانایی آن در تولید embedding با کیفیت بالا است که می‌تواند به بهبود عملکرد برنامه‌های کاربردی مختلف کمک کند. برای مثال، در یک سیستم جستجوی معنایی، استفاده از embedding تولید شده توسط voyage-large-2 می‌تواند منجر به نتایج جستجوی دقیق‌تر و مرتبط‌تر شود. به طور خلاصه، مدل voyage-large-2 یک ابزار قدرتمند برای تولید embedding از متن است که می‌تواند در طیف گسترده‌ای از کاربردها مورد استفاده قرار گیرد. این مدل با ارائه عملکردی بهتر از مدل‌های رقیب، می‌تواند به بهبود عملکرد برنامه‌های کاربردی مختلف کمک کند. این مدل توسط ای آی کار (AI-KAR) در دسترس است.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	نام مدلی که می‌خواهید از آن استفاده کنید. مقادیر مجاز (کلیک برای کپی):
input	string \| string[]Required	متن ورودی برای تولید embedding. می‌تواند یک رشته یا آرایه‌ای از رشته‌ها باشد.
input_type	string	نوع داده ورودی برای مدل. مقدار پیش‌فرض 'document' است. مقادیر مجاز (کلیک برای کپی):

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import json

url = "https://api.ai-kar.com/v1/embeddings"
headers = {
    "Authorization": "Bearer YOUR_SECRET_TOKEN",
    "Content-Type": "application/json"
}
data = {
    "model": "voyage-large-2",
    "input": "text",
    "input_type": "document"
}

response = requests.post(url, headers=headers, data=json.dumps(data))

print(response.status_code)
print(response.content)

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "status": 201,
  "message": "Success"
}