Les modèles d'embedding transforment des données telles que du texte, des images et des vidéos en vecteurs. Ces vecteurs alimentent ensuite diverses tâches comme la recherche sémantique, la recommandation, le clustering, la classification ou la détection d'anomalies.
Prérequis
Obtenir une clé API et exporter cette clé API dans une variable d'environnement. Si vous utilisez le SDK OpenAI ou le SDK DashScope pour effectuer vos appels, installez le SDK.
Obtenir des embeddings
- Embedding de texte
- Vecteurs multimodaux indépendants
- Vecteurs multimodaux fusionnés
- API compatible OpenAI
- DashScope
Choix du modèle
Sélectionnez le modèle approprié selon le type de données d'entrée et votre cas d'usage.
-
Traitement de texte brut ou de code : privilégiez
text-embedding-v4. Ce modèle offre les meilleures performances et intègre des fonctionnalités avancées telles que les instructions de tâche et les vecteurs creux, couvrant ainsi la majorité des besoins en traitement de texte. -
Traitement de contenu multimodal :
- Embedding fusionné : pour représenter des entrées unimodales ou mixtes sous forme d'embedding unique, utile notamment pour la récupération intermodale et la recherche d'image, optez pour
qwen3-vl-embedding. Par exemple, vous pouvez soumettre l'image d'une chemise accompagnée de la consigne « trouver un style similaire mais plus jeune », et le modèle fusionnera l'image avec l'instruction en un seul embedding pour le traitement. - Embedding indépendant : lorsque chaque partie de l'entrée (par exemple une image et sa légende textuelle) doit produire son propre embedding, utilisez
tongyi-embedding-vision-plus,tongyi-embedding-vision-flash, ou le modèle multimodal généralistemultimodal-embedding-v1.
- Embedding fusionné : pour représenter des entrées unimodales ou mixtes sous forme d'embedding unique, utile notamment pour la récupération intermodale et la recherche d'image, optez pour
-
Traitement de données à grande échelle : pour traiter d'importants volumes de textes hors temps réel, combinez
text-embedding-v4avec l'API batch compatible OpenAI afin de réduire considérablement les coûts.
Embedding de texte
- Pékin
- Hong Kong
- Singapour
| Nom du modèle | Dimensions de l'embedding | Taille du lot | Tokens max par lot (Note) | Prix / 1 M tokens | Langue |
|---|---|---|---|---|---|
text-embedding-v4Fait partie de la série Qwen3-Embedding | 2 048, 1 536, 1 024 (par défaut), 768, 512, 256, 128, 64 | 10 | 8 192 | 0,072 $ | Plus de 100 langues majeures, dont le chinois, l'anglais, l'espagnol, le français, le portugais, l'indonésien, le japonais, le coréen, l'allemand, le russe et plusieurs langages de programmation |
- Entrée sous forme de tableau de chaînes : le tableau peut comporter jusqu'à 10 éléments.
- Entrée sous forme de fichier : le fichier texte peut contenir jusqu'à 10 lignes.
Embedding multimodal
Ce modèle produit des embeddings à partir de textes, d'images ou de vidéos. Ces embeddings servent notamment à la classification d'images et de vidéos, à la récupération image-texte, ainsi qu'à la recherche d'image ou de vidéo par texte.
L'API accepte aussi bien des entrées uniques (texte, image ou vidéo) que des combinaisons telles que texte et image. Certains modèles autorisent plusieurs entrées du même type, par exemple plusieurs images. Consultez les limitations spécifiques à chaque modèle pour plus de détails.
- Singapour
- Chine (Pékin)
Modèle | Dimensions de l'embedding | Limite de longueur du texte | Limite de taille d'image | Limite de taille vidéo | Prix (pour 1 M tokens) | Quota gratuit(Note) |
|---|---|---|---|---|---|---|
tongyi-embedding-vision-plus | 1 152 (par défaut), 1 024, 512, 256, 128, 64 | 1 024 tokens | Jusqu'à 3 Mo par image. Prise en charge de 8 images au maximum. | Jusqu'à 10 Mo par fichier vidéo | Image/Vidéo : 0,09 $ Texte : 0,09 $ | 1 million de tokens Ce quota gratuit est valable 90 jours à compter de la date d'activation de Model Studio, de la publication du modèle ou de l'approbation de la demande, selon la date la plus tardive. |
tongyi-embedding-vision-flash | 768 (par défaut), 512, 256, 128, 64 | Image/Vidéo : 0,03 $ Texte : 0,09 $ |
Restrictions d'entrée et de langue
| Modèle multimodal fusionné | ||||
|---|---|---|---|---|
| Modèle | Texte | Image | Vidéo | Limite par requête |
| qwen3-vl-embedding | Prend en charge 33 langues majeures, telles que le chinois, l'anglais, le japonais, le coréen, le français et l'allemand.
Toutes les langues prises en charge Chinois, japonais, coréen, indonésien, vietnamien, thaï, anglais, français, allemand, russe, portugais, espagnol, italien, suédois, danois, tchèque, norvégien, néerlandais, finnois, turc, polonais, swahili, roumain, serbe, grec, kazakh, ouzbek, cebuano, arabe, ourdou, persan, hindi/devanagari et hébreu. | JPEG, PNG, WEBP, BMP, TIFF, ICO, DIB, ICNS et SGI (URL ou Base64 pris en charge) | MP4, AVI et MOV (URL uniquement) | Le nombre total d'éléments de contenu dans une requête unique ne peut excéder 20. Le nombre d'images ne peut dépasser 5. Images, textes et vidéos partagent cette limite. |
| Modèle multimodal indépendant | ||||
| Modèle | Texte | Image | Vidéo | Limite par requête |
| tongyi-embedding-vision-plus | Chinois/Anglais | JPG, PNG et BMP (URL ou Base64 pris en charge) | MP4, MPEG, AVI, MOV, MPG, WEBM, FLV et MKV (URL uniquement) | Aucune limite quant au nombre d'éléments de contenu. Le nombre total de tokens d'entrée ne doit pas dépasser la limite de tokens. |
| tongyi-embedding-vision-flash | ||||
| multimodal-embedding-v1 | Le nombre total d'éléments de contenu dans une requête unique ne peut excéder 20. Une requête peut contenir au maximum 1 image, 1 vidéo et 20 entrées textuelles. Ces éléments partagent la limite globale. | |||
Fonctionnalités principales
Personnalisation des dimensions vectorielles
Les modèles text-embedding-v4, text-embedding-v3, tongyi-embedding-vision-plus, tongyi-embedding-vision-flash, qwen3-vl-embedding permettent de personnaliser les dimensions des vecteurs. Des dimensions plus élevées conservent davantage d'informations sémantiques, mais augmentent les coûts de stockage et de calcul.
- Cas d'usage généraux (recommandé) : une dimension de 1 024 offre un compromis optimal entre performance et coût, ce qui convient à la plupart des tâches de recherche sémantique.
- Scénarios exigeant une haute précision : pour les applications nécessitant une grande exactitude, choisissez une dimension de 1 536 ou 2 048. La précision s'en trouve améliorée, mais cela accroît sensiblement la consommation de ressources de stockage et de calcul.
- Environnements à ressources limitées : dans les contextes sensibles au coût, optez pour une dimension de 768 ou moins. Cela réduit notablement la consommation de ressources, au prix d'une perte partielle d'informations sémantiques.
Texte de requête vs texte de document (text_type)
Ce paramètre est exclusivement disponible via le SDK DashScope et l'API.Pour optimiser les résultats de recherche, il convient de vectoriser le contenu différemment selon son rôle. Le paramètre
text_type répond précisément à ce besoin :
- text_type: 'query' : à utiliser pour le texte de requête fourni par l'utilisateur. Le modèle génère alors un vecteur de type « titre », plus directionnel et optimisé pour la récupération d'information.
- text_type: 'document' (par défaut) : destiné au texte de document stocké dans votre base de connaissances. Le modèle produit un vecteur de type « corps de texte », riche en informations et optimisé pour la mise en correspondance.
query et document. En revanche, pour des tâches comme le clustering ou la classification où tous les textes jouent le même rôle, ce paramètre n'est pas nécessaire.
Instructions de tâche (instruct)
Ce paramètre est exclusivement disponible via le SDK DashScope et l'API.Vous pouvez fournir une instruction de tâche claire en anglais afin de guider le modèle
text-embedding-v4 dans l'optimisation de la qualité vectorielle pour des scénarios de récupération spécifiques, améliorant ainsi la précision. Lors de l'utilisation de cette fonctionnalité, le paramètre text_type doit impérativement être défini sur query.
Vecteurs denses et creux
Ce paramètre est exclusivement disponible via le SDK DashScope et l'API.Les modèles
text-embedding-v4 et text-embedding-v3 proposent trois types de sortie vectorielle afin de s'adapter à différentes stratégies de récupération.
Type de vecteur (output_type) | Avantages | Limitations | Cas d'usage |
|---|---|---|---|
dense | Compréhension sémantique approfondie identifiant synonymes et contexte pour des résultats plus pertinents. | Coûts de calcul et de stockage plus élevés. Ne garantit pas une correspondance exacte des mots-clés. | Recherche sémantique, Q&R assistée par IA, recommandation de contenu. |
sparse | Haute efficacité computationnelle, axée sur la correspondance exacte des mots-clés et permettant un filtrage rapide. | Absence de compréhension sémantique, incapable de traiter les synonymes ou le contexte. | Récupération de journaux, recherche de SKU produits, filtrage précis d'informations. |
dense&sparse | Allie correspondance sémantique et recherche par mots-clés pour des résultats optimaux. Le coût de génération reste inchangé et la surcharge d'appel API est identique au mode vecteur unique. | Nécessite davantage de stockage ; l'architecture système et la logique de récupération sont plus complexes. | Moteur de recherche hybride de qualité production. |
Cas d'usage
Le code ci-dessous est fourni à titre illustratif uniquement. En environnement de production, précalculez les embeddings et stockez-les dans une base de données vectorielle. Ainsi, seul l'embedding de requête devra être généré lors de la récupération.
Recherche sémantique
Effectuez une mise en correspondance sémantique précise en calculant la similarité entre l'embedding de la requête et ceux des documents.
Système de recommandation
Analysez les embeddings de l'historique comportemental d'un utilisateur afin d'identifier ses centres d'intérêt et de lui recommander des éléments similaires.
Clustering de textes
Regroupez des textes similaires en analysant les distances entre leurs embeddings respectifs.
Classification de textes
Réalisez une classification de textes sans apprentissage préalable (zero-shot) en calculant la similarité entre l'embedding d'un texte d'entrée et les embeddings d'étiquettes prédéfinies. Cette méthode classe le texte dans de nouvelles catégories sans nécessiter d'exemples préétiquetés.
Détection d'anomalies
Identifiez les données anormales en calculant la similarité entre l'embedding d'un texte et l'embedding central des échantillons normaux. Toute donnée s'écartant significativement de ce schéma est considérée comme une anomalie.
Le threshold utilisé dans l'exemple est fourni à titre indicatif. La valeur idéale dépend du contenu et de la distribution des données ; il vous appartient donc de la calibrer à l'aide de votre propre jeu de données.
Référence API
- Embedding de texte général
- Embedding multimodal API d'embedding multimodal
Codes d'erreur
Si l'appel au modèle échoue et renvoie un message d'erreur, consultez la rubrique Codes d'erreur pour obtenir des solutions.
Limitation du débit
Pour connaître les conditions de limitation du débit applicables au modèle, reportez-vous à la rubrique Limitation du débit.
Performances des modèles (MTEB/CMTEB)
Benchmarks d'évaluation
- MTEB (Massive Text Embedding Benchmark) : benchmark complet évaluant les performances générales des embeddings de texte sur des tâches telles que la classification, le clustering et la récupération.
- CMTEB (Chinese Massive Text Embedding Benchmark) : benchmark à grande échelle dédié à l'évaluation des embeddings de texte en chinois.
- Les scores s'échelonnent de 0 à 100. Un score élevé indique de meilleures performances.
Modèle | MTEB | MTEB (tâche de récupération) | CMTEB | CMTEB (tâche de récupération) |
|---|---|---|---|---|
text-embedding-v3 (512 dimensions) | 62,11 | 54,30 | 66,81 | 71,88 |
text-embedding-v3 (768 dimensions) | 62,43 | 54,74 | 67,90 | 72,29 |
text-embedding-v3 (1 024 dimensions) | 63,39 | 55,41 | 68,92 | 73,23 |
text-embedding-v4 (512 dimensions) | 64,73 | 56,34 | 68,79 | 73,33 |
text-embedding-v4 (1 024 dimensions) | 68,36 | 59,30 | 70,14 | 73,98 |
text-embedding-v4 (2 048 dimensions) | 71,58 | 61,97 | 71,99 | 75,01 |