jinaai/jina-embeddings-v5-omni-nano-retrieval
jina-embeddings-v5-omni-nano-retrieval: Retrieval-Targeted Omni Embedding (Nano) 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 ac...
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 Nano: Mô hình nhúng đa phương thức siêu nhẹ dành cho tìm kiếm
Mô hình nhúng đa phương thức (text, ảnh, video, âm thanh) nhỏ gọn ~0.95B tham số, tối ưu cho tìm kiếm, hỗ trợ indexing bằng text và truy vấn bằng bất kỳ modal nào.
jina-embeddings-v5-omni-nano-retrieval là phiên bản được tinh chỉnh riêng cho nhiệm vụ tìm kiếm (retrieval) của gia đình jina-embeddings-v5-omni-nano. Mô hình chấp nhận đầu vào đa dạng bao gồm văn bản, hình ảnh, video và âm thanh, đồng thời sinh ra vector nhúng trong một không gian chung được căn chỉnh với mô hình text-only tương ứng. Nhờ đó, bạn có thể dựng chỉ mục bằng text nhưng truy vấn bằng bất kỳ modal nào mà không cần đục lại chỉ mục.
✨ Điểm nổi bật
- Hỗ trợ đa modal: Chấp nhận text, ảnh, video và âm thanh như một đầu vào duy nhất.
- Không gian vectơ chung: Căn chỉnh với
jina-embeddings-v5-text-nano-retrieval, cho phép indexing bằng text và truy vấn bằng bất kỳ modal nào. - Tối ưu cho tìm kiếm: Là biến thể được tinh chỉnh đặc biệt cho task
retrieval. - Kích thước nhỏ gọn: Chỉ ~0.95B tham số, dễ dàng triển khai trên thiết bị.
- Hỗ trợ đa định dạng tệp: Bao gồm ảnh (.jpg, .png, .webp...), video (.mp4, .avi...) và âm thanh (.wav, .mp3...).
- Chiều weeb 768: Đầu ra vector có chiều dài cố định là 768.
- Tích hợp Elastic Inference Service: Hỗ trợ triển khai nhanh qua EIS của Elastic.
- Tương thích Sentence Transformers: Cung cấp API gọi một lần cho cả đa modal.
💡 Vì sao đáng chú ý
Không chỉ là một mô hình nhúng đa phương thức khác, mô hình này nổi bật bởo khả năng chia sẻ không gian vectơ giữa các modal — bạn không cần đục lại chỉ mục khi chuyển đổi từ text sang ảnh hoặc âm thanh. Điều này giúp giảm đáng kể chi phí lưu trữ và tính toán trong hệ thống tìm kiếm đa modal. Phiên bản nano còn gi giảm kích thước mô hình, ph phù hợp cho các ứng dụng cần tốc độ phản hồi nhanh và triển khai trên thiết bị.
#Multimodal #Embedding #Retrieval #JinaAI #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
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...
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...
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...
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...
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...