调用已创建的通用文本向量模型,支持在线将文本转向量功能。
语法
real[] AI_Text_Embedding(text content);
real[] AI_Text_Embedding(text content, text model_id);
参数
参数名称 | 描述 |
content | 需要转为向量的文本,最长支持2048字符。 |
model_id | 指定model_id,如不指定则默认调用内置模型 |
返回值
返回real[]类型的向量。
描述
调用本函数之前,请使用AI_SetModelToken函数绑定模型服务的API-KEY。阿里云大模型服务百炼的API-KEY获取方式请参考获取API Key。
本函数可直接使用,无需创建模型,默认调用内置模型
_dashscope/text_embedding/text_embedding_v2
执行文本转向量任务。内置模型
_dashscope/text_embedding/text_embedding_v2
详细介绍请参考通用文本向量。可通过指定model_id参数,调用其他已存在的文本向量模型。
示例
不指定model_id参数。
SELECT polar_ai.ai_text_embedding('风急天高猿啸哀');
返回结果如下:
--- {0.004930191827757042, -0.012394876394385515, 0.041976027360927766, -0.01943111099801429, 0.03970705290898573, -0.03082425930989348, ..., -0.008285377453501126, 0.001457333324851072, -0.01758455200255082, -0.03808980516132491, -0.03719669819619879, -0.008629344325205105 }
指定model_id参数,此处model_id指定为内置模型
_dashscope/text_embedding/text_embedding_v3
。SELECT polar_ai.ai_text_embedding('风急天高猿啸哀', '_dashscope/text_embedding/text_embedding_v3');
返回结果如下:
--- {0.004930191827757042, -0.012394876394385515, 0.041976027360927766, -0.01943111099801429, 0.03970705290898573, -0.03082425930989348, ..., -0.008285377453501126, 0.001457333324851072, -0.01758455200255082, -0.03808980516132491, -0.03719669819619879, -0.008629344325205105 }
文档内容是否对您有帮助?