임베딩 구현 전에

임베딩 제공업체를 선택할 때, 필요와 선호도에 따라 고려할 수 있는 여러 요소가 있습니다:
  • 데이터셋 크기 및 도메인 특수성: 모델 훈련 데이터셋의 크기와 임베딩하고자 하는 도메인과의 관련성. 더 크거나 더 도메인별 데이터는 일반적으로 더 나은 도메인 내 임베딩을 생성합니다
  • 추론 성능: 임베딩 조회 속도와 종단 간 지연 시간. 이는 대규모 프로덕션 배포에서 특히 중요한 고려사항입니다
  • 커스터마이제이션: 개인 데이터에 대한 지속적인 훈련 옵션 또는 매우 특정한 도메인에 대한 모델 특화. 이는 고유한 어휘에서의 성능을 향상시킬 수 있습니다

Anthropic으로 임베딩 얻는 방법

Anthropic은 자체 임베딩 모델을 제공하지 않습니다. 위의 모든 고려사항을 포괄하는 다양한 옵션과 기능을 가진 임베딩 제공업체 중 하나는 Voyage AI입니다. Voyage AI는 최첨단 임베딩 모델을 만들고 금융 및 의료와 같은 특정 산업 도메인을 위한 맞춤형 모델이나 개별 고객을 위한 맞춤 미세 조정 모델을 제공합니다. 이 가이드의 나머지 부분은 Voyage AI에 대한 것이지만, 특정 사용 사례에 가장 적합한 것을 찾기 위해 다양한 임베딩 벤더를 평가하시기를 권장합니다.

사용 가능한 모델

Voyage는 다음 텍스트 임베딩 모델 사용을 권장합니다:
모델컨텍스트 길이임베딩 차원설명
voyage-3-large32,0001024 (기본값), 256, 512, 2048최고의 범용 및 다국어 검색 품질. 자세한 내용은 블로그 포스트를 참조하세요.
voyage-3.532,0001024 (기본값), 256, 512, 2048범용 및 다국어 검색 품질에 최적화됨. 자세한 내용은 블로그 포스트를 참조하세요.
voyage-3.5-lite32,0001024 (기본값), 256, 512, 2048지연 시간과 비용에 최적화됨. 자세한 내용은 블로그 포스트를 참조하세요.
voyage-code-332,0001024 (기본값), 256, 512, 2048코드 검색에 최적화됨. 자세한 내용은 블로그 포스트를 참조하세요.
voyage-finance-232,0001024금융 검색 및 RAG에 최적화됨. 자세한 내용은 블로그 포스트를 참조하세요.
voyage-law-216,0001024법률긴 컨텍스트 검색 및 RAG에 최적화됨. 모든 도메인에서 성능도 향상됨. 자세한 내용은 블로그 포스트를 참조하세요.
또한 다음 멀티모달 임베딩 모델이 권장됩니다:
모델컨텍스트 길이임베딩 차원설명
voyage-multimodal-3320001024PDF 스크린샷, 슬라이드, 표, 그림 등과 같은 콘텐츠가 풍부한 이미지와 인터리브된 텍스트를 벡터화할 수 있는 풍부한 멀티모달 임베딩 모델. 자세한 내용은 블로그 포스트를 참조하세요.
어떤 텍스트 임베딩 모델을 사용할지 결정하는 데 도움이 필요하신가요? FAQ를 확인해보세요.

Voyage AI 시작하기

Voyage 임베딩에 액세스하려면:
  1. Voyage AI 웹사이트에 가입
  2. API 키 획득
  3. 편의를 위해 API 키를 환경 변수로 설정:
export VOYAGE_API_KEY="<your secret key>"
공식 voyageai Python 패키지 또는 아래 설명된 HTTP 요청을 사용하여 임베딩을 얻을 수 있습니다.

Voyage Python 라이브러리

voyageai 패키지는 다음 명령을 사용하여 설치할 수 있습니다:
pip install -U voyageai
그런 다음 클라이언트 객체를 생성하고 텍스트를 임베딩하는 데 사용할 수 있습니다:
import voyageai

vo = voyageai.Client()
# 이는 자동으로 환경 변수 VOYAGE_API_KEY를 사용합니다.
# 또는 vo = voyageai.Client(api_key="<your secret key>")를 사용할 수 있습니다

texts = ["Sample text 1", "Sample text 2"]

result = vo.embed(texts, model="voyage-3.5", input_type="document")
print(result.embeddings[0])
print(result.embeddings[1])
result.embeddings는 각각 1024개의 부동소수점 숫자를 포함하는 두 개의 임베딩 벡터 목록이 됩니다. 위 코드를 실행한 후 두 임베딩이 화면에 출력됩니다:
[-0.013131560757756233, 0.019828535616397858, ...]   # "Sample text 1"에 대한 임베딩
[-0.0069352793507277966, 0.020878976210951805, ...]  # "Sample text 2"에 대한 임베딩
임베딩을 생성할 때 embed() 함수에 몇 가지 다른 인수를 지정할 수 있습니다. Voyage python 패키지에 대한 자세한 정보는 Voyage 문서를 참조하세요.

Voyage HTTP API

Voyage HTTP API를 요청하여 임베딩을 얻을 수도 있습니다. 예를 들어, 터미널에서 curl 명령을 통해 HTTP 요청을 보낼 수 있습니다:
curl https://api.voyageai.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $VOYAGE_API_KEY" \
  -d '{
    "input": ["Sample text 1", "Sample text 2"],
    "model": "voyage-3.5"
  }'
받게 될 응답은 임베딩과 토큰 사용량을 포함하는 JSON 객체입니다:
{
  "object": "list",
  "data": [
    {
      "embedding": [-0.013131560757756233, 0.019828535616397858, ...],
      "index": 0
    },
    {
      "embedding": [-0.0069352793507277966, 0.020878976210951805, ...],
      "index": 1
    }
  ],
  "model": "voyage-3.5",
  "usage": {
    "total_tokens": 10
  }
}

Voyage HTTP API에 대한 자세한 정보는 Voyage 문서를 참조하세요.

AWS Marketplace

Voyage 임베딩은 AWS Marketplace에서 사용할 수 있습니다. AWS에서 Voyage에 액세스하는 지침은 여기에서 확인할 수 있습니다.

빠른 시작 예제

이제 임베딩을 얻는 방법을 알았으니 간단한 예제를 살펴보겠습니다. 검색할 6개 문서의 작은 코퍼스가 있다고 가정해보겠습니다
documents = [
    "The Mediterranean diet emphasizes fish, olive oil, and vegetables, believed to reduce chronic diseases.",
    "Photosynthesis in plants converts light energy into glucose and produces essential oxygen.",
    "20th-century innovations, from radios to smartphones, centered on electronic advancements.",
    "Rivers provide water, irrigation, and habitat for aquatic species, vital for ecosystems.",
    "Apple's conference call to discuss fourth fiscal quarter results and business updates is scheduled for Thursday, November 2, 2023 at 2:00 p.m. PT / 5:00 p.m. ET.",
    "Shakespeare's works, like 'Hamlet' and 'A Midsummer Night's Dream,' endure in literature."
]

먼저 Voyage를 사용하여 각각을 임베딩 벡터로 변환합니다
import voyageai

vo = voyageai.Client()

# 문서들을 임베딩
doc_embds = vo.embed(
    documents, model="voyage-3.5", input_type="document"
).embeddings
임베딩을 통해 벡터 공간에서 의미적 검색/검색을 수행할 수 있습니다. 예제 쿼리가 주어졌을 때,
query = "When is Apple's conference call scheduled?"
이를 임베딩으로 변환하고, 임베딩 공간에서의 거리를 기반으로 가장 관련성이 높은 문서를 찾기 위해 최근접 이웃 검색을 수행합니다.
import numpy as np

# 쿼리를 임베딩
query_embd = vo.embed(
    [query], model="voyage-3.5", input_type="query"
).embeddings[0]

# 유사성 계산
# Voyage 임베딩은 길이 1로 정규화되므로 내적과
# 코사인 유사성이 동일합니다.
similarities = np.dot(doc_embds, query_embd)

retrieved_id = np.argmax(similarities)
print(documents[retrieved_id])
문서와 쿼리를 임베딩할 때 각각 input_type="document"input_type="query"를 사용한다는 점에 주목하세요. 더 자세한 사양은 여기에서 찾을 수 있습니다. 출력은 쿼리와 실제로 가장 관련성이 높은 5번째 문서가 될 것입니다:
Apple's conference call to discuss fourth fiscal quarter results and business updates is scheduled for Thursday, November 2, 2023 at 2:00 p.m. PT / 5:00 p.m. ET.
벡터 데이터베이스를 포함하여 임베딩으로 RAG를 수행하는 방법에 대한 자세한 쿡북 세트를 찾고 있다면 RAG 쿡북을 확인해보세요.

FAQ

임베딩 모델은 생성 모델과 유사하게 의미적 컨텍스트를 캡처하고 압축하기 위해 강력한 신경망에 의존합니다. Voyage의 경험 많은 AI 연구자 팀은 다음을 포함한 임베딩 프로세스의 모든 구성 요소를 최적화합니다:
  • 모델 아키텍처
  • 데이터 수집
  • 손실 함수
  • 옵티마이저 선택
Voyage의 기술적 접근 방식에 대해 더 자세히 알아보려면 블로그를 참조하세요.
범용 임베딩의 경우 다음을 권장합니다:
  • voyage-3-large: 최고 품질
  • voyage-3.5-lite: 가장 낮은 지연 시간과 비용
  • voyage-3.5: 경쟁력 있는 가격대에서 우수한 검색 품질을 갖춘 균형 잡힌 성능
검색의 경우 input_type 매개변수를 사용하여 텍스트가 쿼리인지 문서 유형인지 지정하세요.도메인별 모델:
  • 법률 작업: voyage-law-2
  • 코드 및 프로그래밍 문서: voyage-code-3
  • 금융 관련 작업: voyage-finance-2
Voyage 임베딩은 내적 유사성, 코사인 유사성 또는 유클리드 거리와 함께 사용할 수 있습니다. 임베딩 유사성에 대한 설명은 여기에서 찾을 수 있습니다.Voyage AI 임베딩은 길이 1로 정규화되므로:
  • 코사인 유사성은 내적 유사성과 동등하며, 후자가 더 빠르게 계산될 수 있습니다.
  • 코사인 유사성과 유클리드 거리는 동일한 순위를 결과로 낼 것입니다.
페이지를 참조하세요.
모든 검색 작업 및 사용 사례(예: RAG)에 대해 input_type 매개변수를 사용하여 입력 텍스트가 쿼리인지 문서인지 지정하는 것을 권장합니다. input_type을 생략하거나 input_type=None으로 설정하지 마세요. 입력 텍스트가 쿼리인지 문서인지 지정하면 검색을 위한 더 나은 밀집 벡터 표현을 생성할 수 있으며, 이는 더 나은 검색 품질로 이어질 수 있습니다.input_type 매개변수를 사용할 때, 임베딩 전에 입력 텍스트에 특별한 프롬프트가 앞에 붙습니다. 구체적으로:
📘 input_type과 관련된 프롬프트
  • 쿼리의 경우, 프롬프트는 “Represent the query for retrieving supporting documents: “입니다.
  • 문서의 경우, 프롬프트는 “Represent the document for retrieval: “입니다.
  • 예제
    • input_type="query"일 때, “When is Apple’s conference call scheduled?”와 같은 쿼리는 “Represent the query for retrieving supporting documents: When is Apple’s conference call scheduled?”가 됩니다.
    • input_type="document"일 때, “Apple’s conference call to discuss fourth fiscal quarter results and business updates is scheduled for Thursday, November 2, 2023 at 2:00 p.m. PT / 5:00 p.m. ET.”와 같은 쿼리는 “Represent the document for retrieval: Apple’s conference call to discuss fourth fiscal quarter results and business updates is scheduled for Thursday, November 2, 2023 at 2:00 p.m. PT / 5:00 p.m. ET.”가 됩니다.
voyage-large-2-instruct는 이름에서 알 수 있듯이 입력 텍스트에 앞에 붙는 추가 지침에 반응하도록 훈련되었습니다. 분류, 클러스터링 또는 기타 MTEB 하위 작업의 경우 여기의 지침을 사용하세요.
임베딩에서 양자화는 32비트 단정밀도 부동소수점 숫자와 같은 고정밀도 값을 8비트 정수 또는 1비트 이진 값과 같은 저정밀도 형식으로 변환하여 저장, 메모리 및 비용을 각각 4배 및 32배 줄입니다. 지원되는 Voyage 모델은 output_dtype 매개변수로 출력 데이터 유형을 지정하여 양자화를 가능하게 합니다:
  • float: 반환된 각 임베딩은 32비트(4바이트) 단정밀도 부동소수점 숫자의 목록입니다. 이는 기본값이며 가장 높은 정밀도/검색 정확도를 제공합니다.
  • int8uint8: 반환된 각 임베딩은 각각 -128에서 127 및 0에서 255 범위의 8비트(1바이트) 정수 목록입니다.
  • binaryubinary: 반환된 각 임베딩은 비트 패킹된 양자화된 단일 비트 임베딩 값을 나타내는 8비트 정수 목록입니다: binary의 경우 int8, ubinary의 경우 uint8. 반환된 정수 목록의 길이는 임베딩의 실제 차원의 1/8입니다. 이진 유형은 오프셋 이진 방법을 사용하며, 아래 FAQ에서 더 자세히 알아볼 수 있습니다.
이진 양자화 예제 다음 8개의 임베딩 값을 고려해보세요: -0.03955078, 0.006214142, -0.07446289, -0.039001465, 0.0046463013, 0.00030612946, -0.08496094, 및 0.03994751. 이진 양자화를 사용하면 0 이하의 값은 이진 0으로, 양수 값은 이진 1로 양자화되어 다음 이진 시퀀스가 됩니다: 0, 1, 0, 0, 1, 1, 0, 1. 이 8비트는 단일 8비트 정수 01001101로 패킹됩니다(가장 왼쪽 비트가 최상위 비트).
  • ubinary: 이진 시퀀스는 직접 변환되어 부호 없는 정수(uint8) 77로 표현됩니다.
  • binary: 이진 시퀀스는 오프셋 이진 방법을 사용하여 계산된 부호 있는 정수(int8) -51로 표현됩니다(77 - 128 = -51).
Matryoshka 학습은 단일 벡터 내에서 거친 것부터 세밀한 표현까지 갖는 임베딩을 생성합니다. 여러 출력 차원을 지원하는 voyage-code-3와 같은 Voyage 모델은 이러한 Matryoshka 임베딩을 생성합니다. 차원의 선행 하위 집합을 유지하여 이러한 벡터를 잘라낼 수 있습니다. 예를 들어, 다음 Python 코드는 1024차원 벡터를 256차원으로 자르는 방법을 보여줍니다:
import voyageai
import numpy as np

def embd_normalize(v: np.ndarray) -> np.ndarray:
    """
    2D numpy 배열의 행을 각 행을 유클리드 노름으로 나누어 단위 벡터로 정규화합니다.
    0으로 나누는 것을 방지하기 위해 노름이 0인 행이 있으면 ValueError를 발생시킵니다.
    """
    row_norms = np.linalg.norm(v, axis=1, keepdims=True)
    if np.any(row_norms == 0):
        raise ValueError("Cannot normalize rows with a norm of zero.")
    return v / row_norms


vo = voyageai.Client()

# 기본적으로 1024차원 부동소수점 숫자인 voyage-code-3 벡터 생성
embd = vo.embed(['Sample text 1', 'Sample text 2'], model='voyage-code-3').embeddings

# 더 짧은 차원 설정
short_dim = 256

# 벡터를 더 짧은 차원으로 크기 조정 및 정규화
resized_embd = embd_normalize(np.array(embd)[:, :short_dim]).tolist()

가격

최신 가격 세부 정보는 Voyage의 가격 페이지를 방문하세요.