本文介紹如何通過模型服務靈積DashScope進行多模態向量生成，并入庫至向量檢索服務DashVector中進行向量檢索。
模型服務靈積DashScope，通過靈活、易用的模型API服務，讓各種模態模型的能力，都能方便的為AI開發者所用。通過靈積API，開發者不僅可以直接集成大模型的強大能力，也可以對模型進行訓練微調，實現模型定制化。
前提條件
DashVector：
已創建Cluster：創建Cluster
已獲得API-KEY：API-KEY管理
已安裝最新版SDK：安裝DashVector SDK
DashScope：
已開通服務并獲得API-KEY：開通DashScope并創建API-KEY
已安裝最新版SDK：安裝DashScope SDK
ONE-PEACE多模態向量表征
簡介
ONE-PEAC是一個圖文音三模態通用表征模型，在語義分割、音文檢索、音頻分類和視覺定位幾個任務都達到了新SOTA表現，在視頻分類、圖像分類、圖文檢索、以及多模態經典benchmark也都取得了比較領先的結果。
模型名稱 | 向量維度 | 度量方式 | 向量數據類型 | 備注 |
multimodal-embedding-one-peace-v1 | 1536 | Cosine | Float32 |
|
關于靈積ONE-PEACE多模態向量表征更多信息請參考：ONE-PEACE多模態向量表征。
使用示例
需要進行如下替換代碼才能正常運行：
DashVector api-key替換示例中的{your-dashvector-api-key}
DashVector Cluster Endpoint替換示例中的{your-dashvector-cluster-endpoint}
DashScope api-key替換示例中的{your-dashscope-api-key}
import dashscope
from dashscope import MultiModalEmbedding
from dashvector import Client
dashscope.api_key = '{your-dashscope-api-key}'
# 調用DashScope ONE-PEACE模型，將各種模態素材embedding為向量
def generate_embeddings(text: str = None, image: str = None, audio: str = None):
input = []
if text:
input.append({'text': text})
if image:
input.append({'image': image})
if audio:
input.append({'audio': audio})
result = MultiModalEmbedding.call(
model=MultiModalEmbedding.Models.multimodal_embedding_one_peace_v1,
input=input,
auto_truncation=True
)
if result.status_code != 200:
raise Exception(f"ONE-PEACE failed to generate embedding of {input}, result: {result}")
return result.output["embedding"]
# 創建DashVector Client
client = Client(
api_key='{your-dashvector-api-key}',
endpoint='{your-dashvector-cluster-endpoint}'
)
# 創建DashVector Collection
rsp = client.create('one-peace-embedding', 1536)
assert rsp
collection = client.get('one-peace-embedding')
assert collection
# 向量入庫DashVector
collection.insert(
[
('ID1', generate_embeddings(text='阿里云向量檢索服務DashVector是性能、性價比具佳的向量數據庫之一')),
('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='阿里云向量檢索服務DashVector是性能、性價比具佳的向量數據庫之一',
image='https://dashscope.oss-cn-beijing.aliyuncs.com/images/256_1.png',
audio='https://dashscope.oss-cn-beijing.aliyuncs.com/audios/cow.flac'
))
]
)
# 向量檢索
docs = collection.query(
generate_embeddings(text='The best vector database')
)
print(docs)