Embedding 功能是腾讯云向量数据库（Tencent?Cloud?VectorDB）提供将非结构化数据转换为向量数据的能力，目前已支持文本 Embedding 模型，能够覆盖多种主流语言的向量转换，包括但不限于中文、英文。开启?Embedding 功能并在创建 Collection 时配置模型，在插入、更新和相似性检索数据时直接传入原始文本，向量数据库会自动将原始文本进行转换，生成对应的向量数据后插入数据库或进行相似性计算，大幅提高业务接入效率。
快速接入
Embedding 实现架构
腾讯云向量数据库（Tencent Cloud VectorDB）通过 HTTP API 将这些非结构化文本数据送入向量数据库，向量数据库将原始文本数据转交给 Embedding 模型进行向量化，再将转换后的向量数据以及原始文本一并存储在向量数据库中。其整个实现架构，如下图所示。
?
模型信息
腾讯云向量数据库（Tencent Cloud VectorDB）快速测试并分析来源于 Massive Text Embedding Benchmark（MTEB）上排名靠前的模型，选择出综合性能较好、适合不同应用场景的模型。当前，Embedding 功能支持的模型如下表所示。您可以依据数据集的语言类型、向量维度、以及综合性能得分选择合适的模型。
模型名 | 适用语言类型 | Dimensions（维度） | 最大 Token 数量 | 综合得分 | ||
? | ? | ? | ? | Classification（分类）
| Clustering（聚类）
| Retrieval（检索）
|
bge-base-zh（推荐） | 中文 | 768 | 512 |
67.06
| 47.64 | 69.53 |
m3e-base | 中文 | 768 | 512 | 67.52 | 47.68 | 56.91 |
text2vec-large-chinese | 中文 | 1024 | 512 |
60.66
| 30.02 | 41.94 |
e5-large-v2 | 英文 | 1024 | 512 |
75.24
| 44.49 | 50.56 |
multilingual-e5-base | 多语言 | 768 | 514 |
65.35
| 40.68 | 40.68 |
计费说明
腾讯云向量数据库（Tencent Cloud VectorDB）默认开通 Embedding 功能。在使用 Embedding 功能时，腾讯云向量数据库（Tencent Cloud VectorDB）将会根据输入文本的 Token 数量进行计费。目前在公测阶段，暂不计费。
说明：
在?Embedding?模型中，Token?是指文本数据处理的基本单元。通常在文本中，一个?Token?可以是一个字或词，也可以是一个标点符号。在将文本输入到 Embedding?模型中进行向量化时，文本数据会被切分成一系列的?Token?序列，每个?Token?都会依据在模型中预先建立的词汇表的映射关系与唯一的数字?ID?相关联，实现将所有?Token?映射到一个固定维度的向量空间，完成文本的向量化。
发布地域
当前 Embedding 功能支持地域包含：北京、上海、广州、新加坡。
相关 API
您需要在建表时，做相关配置，才能在写入、更新、检索数据直接写入原始文本，应用 Embedding 功能进行向量化。相关 API，如下表所示。
相关 API | 含义 | Embedding 信息 |
创建集合 | 指定 Embedding 模型，配置输入文本的字段名及其输出的向量字段。 | |
插入数据 | 插入原始文本信息，将原始文本直接向量化，将原始文本与向量数据一并存入数据库。 | |
更新数据 | 更新之前写入的文本信息，自动向量化后存入数据库。 | |
检索数据 | 检索数据时，可根据输入的文本信息，自动向量化并检索与其最相似的数据。 |
?
