通义多模态向量
复制成功！
概述
Embedding-Vision是基于LLM底座的视觉多模态表征模型，具有以视觉为中心、领域性能优异（电商、 安防、相册/图库、自驾等）、高性价比的特点。兼容文本、图像、视频3种模态，可应用于以图搜图、以文搜图、以文搜视频，以视频搜视频等下游任务场景。本模型（tongyi-embedding-vision-flash）是轻量化版本，在视觉向量化上具备极高性价比。
输入
文本图像视频
输出
功能
定价
- 图片输入¥0.15/M tokens
- 文本输入¥0.15/M tokens
速率限制
- TPM每分钟 Token 数200K
- RPM每分钟请求数600
API 参考
调用API复制成功！
1234567891011121314
import os
import dashscope
dashscope.base_http_api_url = "https://cn-beijing.maas.qianwenaiapi.com/api/v1"
text = "通用多模态表征模型示例"
input = [{"text": text}]
resp = dashscope.MultiModalEmbedding.call(
model="tongyi-embedding-vision-flash",
input=input,
api_key=os.getenv("DASHSCOPE_API_KEY")
)
print(resp)