jinaai/jina-embeddings-v5-omni-small
jina-embeddings-v5-omni-small: Multi-Task Omni Embedding Base (Small) ArXiv(https://arxiv.org/abs/2605.08384) | Blog(https://www.elastic.co/search-labs/blog/jina-embeddings-v5-omni-all-media-one-index) Average score vs. parameter count across image...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🚀 jina-embeddings-v5-omni-small: Một mô hình embedding đa phương thức mạnh mẽ
Mô hình embedding đa phương thức (text, ảnh, video, audio) cỡ nhỏ, hỗ trợ 4 task chính và đồng nhất không gian vector với text-only.
jina-embeddings-v5-omni-small là một mô hình embedding đa phương thức (multimodal) từ Jina AI, chấp nhận đầu vào dạng text, hình ảnh, video và audio, đồng thời tạo ra các vector embedding trong một không gian chung được căn chỉnh với mô hình text-only jinaai/jina-embeddings-v5-text-small. Nhờ đó, bạn có thể lập chỉ mục bằng text nhưng truy vấn bằng bất kỳ định dạng nào khác mà không cần đánh chỉ mục lại. Đây là kho lưu trữ cơ sở chứa tất cả bộ điều hướng nhiệm vụ (task adapters): retrieval, classification, clustering, text-matching.
✨ Điểm nổi bật
- Tham số: khoảng 1.74 tỷ tham số, phù hợp triển khai hiệu quả.
- Chiều embedding: 1024, hỗ trợ Matryoshka từ 32 đến 1024.
- Đầu vào đa dạng: hỗ trợ text, ảnh, video, audio và tài liệu PDF.
- Đa nhiệm: hỗ trợ 4 task: retrieval, classification, clustering, text-matching.
- Đa ngôn ngữ: hỗ trợ đa ngôn ngữ.
- Độ dài chuỗi tối đa: lên đến 32768 token.
- Chiến lược pooling: last-token.
- Phiên bản nhỏ gọn hơn: có sẵn
jina-embeddings-v5-omni-nano.
💡 Vì sao đáng chú ý
Mô hình không chỉ mạnh mẽ về khả năng xử lý đa phương thức mà còn tối ưu hiệu suất thông qua các biến thể task-specific được gộp sẵn, giúp người dùng dễ dàng lựa chọn theo nhu cầu cụ thể. Đặc biệt, khả năng đồng bộ không gian vector giữa các modal giúp giảm đáng kể chi phí đánh chỉ mục lại khi chuyển đổi giữa các dạng dữ liệu khác nhau.
#Multimodal #Embedding #JinaAI #Transformers #TiniX
Similar Projects
Discover other similar projects and AI models.
Hugging Face | GitHub | Launch Blog | Documentation | License: Apache 2.0 | Authors: Google DeepMind EmbeddingGemma 2 is an open multimodal embedding model built by Google DeepMind which maps text (incl. code), images, video, and audio inputs—and co...
The embedding model trained by Jina AI. jina-embeddings-v3: Multilingual Embeddings With Task LoRA Quick Start Blog(https://jina.ai/news/jina-embeddings-v3-a-frontier-multilingual-embedding-model/parameter-dimensions) | Azure(https://azuremarketplac...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
Qwen3-Embedding-0.6B Highlights The Qwen3 Embedding model series is the latest proprietary model of the Qwen family, specifically designed for text embedding and ranking tasks. Building upon the dense foundational models of the Qwen3 series, it prov...
Multilingual-E5-large Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 24 layers and the embedding size is...
all-mpnet-base-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License For more details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more langua...