产品库

多模态嵌入模型，实现文本、图像和截图的无缝检索。

Voyage AI推出的voyage-multimodal-3是一款多模态嵌入模型，它能够将文本和图像（包括PDF、幻灯片、表格等的截图）进行向量化处理，并捕捉关键视觉特征，从而提高文档检索的准确性。这一技术的进步，对于知识库中包含视觉和文本的丰富信息的RAG和语义搜索具有重要意义。voyage-multimodal-3在多模态检索任务中平均提高了19.63%的检索准确率，相较于其他模型表现出色。

多语言多模态嵌入模型，用于文本和图像检索。

jina-clip-v2是由Jina AI开发的多语言多模态嵌入模型，支持89种语言的图像检索，能够处理512x512分辨率的图像，提供从64到1024不同维度的输出，以适应不同的存储和处理需求。该模型结合了强大的文本编码器Jina-XLM-RoBERTa和视觉编码器EVA02-L14，通过联合训练创建了对齐的图像和文本表示。jina-clip-v2在多模态搜索和检索方面提供了更准确、更易用的能力，特别是在打破语言障碍、提供跨模态理解和检索方面表现出色。

多语言嵌入模型，用于视觉文档检索。

vdr-2b-multi-v1 是一款由 Hugging Face 推出的多语言嵌入模型，专为视觉文档检索设计。该模型能够将文档页面截图编码为密集的单向量表示，无需 OCR 或数据提取流程即可搜索和查询多语言视觉丰富的文档。基于 MrLight/dse-qwen2-2b-mrl-v1 开发，使用自建的多语言查询 - 图像对数据集进行训练，是 mcdse-2b-v1 的升级版，性能更强大。模型支持意大利语、西班牙语、英语、法语和德语，拥有 50 万高质量样本的开源多语言合成训练数据集，具有低 VRAM 和快速推理的特点，在跨语言检索方面表现出色。

Go语言库，用于嵌入式向量搜索和语义嵌入

kelindar/search 是一个Go语言库，它提供了嵌入式向量搜索和语义嵌入的功能，基于llama.cpp构建。这个库特别适合于小到中型项目，需要强大的语义搜索能力，同时保持简单高效的实现。它支持GGUF BERT模型，允许用户利用复杂的嵌入技术，而不需要深陷传统搜索系统的复杂性。该库还提供了GPU加速功能，能够在支持的硬件上快速进行计算。如果你的数据集少于100,000条目，这个库可以轻松集成到你的Go应用中，实现语义搜索功能。

首个AI互动式搜索引擎,改变搜索方式

简单搜索是一个基于人工智能的互动式搜索引擎,通过理解用户意图,提供个性化的搜索结果和推荐。简单搜索可以像聊天一样进行交互式搜索,同时拥有强大的语义理解能力,能够准确捕捉用户需求,大大提高搜索效率。

基于视觉语言模型的检索增强型生成模型

VisRAG是一个创新的视觉语言模型（VLM）基础的RAG（Retrieval-Augmented Generation）流程。与传统的基于文本的RAG不同，VisRAG直接将文档作为图像通过VLM进行嵌入，然后检索以增强VLM的生成能力。这种方法最大限度地保留了原始文档中的数据信息，并消除了解析过程中引入的信息损失。VisRAG模型在多模态文档上的应用，展示了其在信息检索和增强文本生成方面的强大潜力。

文档理解的模块化多模态大语言模型

mPLUG-DocOwl 是一款用于文档理解的模块化多模态大语言模型，能够处理 OCR-free 文档理解任务。该模型具有出色的性能表现，支持文档视觉问答、信息问答、图表问答等多种任务。用户可以通过模型提供的在线演示来体验其强大功能。

视觉增强的检索与生成系统

VARAG是一个支持多种检索技术的系统，优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入，简化了传统的检索流程，并使用先进的视觉语言模型进行编码，提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容，为文档检索提供强大的支持。

SkyPilot RAG 是一个基于 SkyPilot 的检索增强生成系统，用于处理大规模法律文档搜索和分析。

SkyPilot RAG 是一个结合了向量搜索和大型语言模型的检索增强生成系统。它通过语义搜索和智能问答，为法律专业人士提供高效的信息检索和分析工具。该系统基于 SkyPilot 构建，能够管理基础设施并高效利用计算资源，支持在任何云环境或 Kubernetes 上部署。其主要优点包括高准确性、上下文感知能力和可追溯性，能够显著提高法律文档处理的效率和可靠性。

AI驱动的演示文档制作平台

Pi-智能演示文档是一个利用AI技术，提供丰富设计元素和多模态模型构建设计的演示文档制作平台。它能够整合用户的笔记、PDF、网页、图片、视频和数据，创建任何格式的内容。产品背景信息显示，Pi旨在通过AI智能和知识引擎，为用户提供优雅结构化的内容生成和设计灵感，适合需要制作演示文档的用户。产品定位于提高演示文档的制作效率和质量，价格信息未在页面中明确提供。

训练和部署嵌入式模型的AI平台

Marqo是一个专注于训练和部署嵌入式模型的平台，它提供了一个端到端的解决方案，从模型训练到推理，再到存储。Marqo支持150多种嵌入式模型，并且可以快速原型设计，加速迭代，并无缝部署。该平台支持多模态模型，如CLIP，可以从图像和其他数据类型中提取语义信息，实现文本和图像的无缝搜索，甚至可以将文本和图像组合成一个向量。Marqo还支持100多种语言的搜索，提供最先进的多语言模型，无需手动进行语言配置即可扩展到新的地区。此外，Marqo的可扩展性允许用户在笔记本电脑上的Docker镜像中运行，也可以扩展到云端数十个GPU推理节点，提供低延迟的搜索服务。

高效检索文档信息，准确回答专业问题

讯飞星火知识库文档问答是科大讯飞基于讯飞星火大模型和星火知识库搭建的文档问答服务，能够高效检索文档信息，准确回答专业问题。具备多文档问答，文档知识库，信源原文定位，文档总结，自定义切分等功能。

秘塔AI搜索,没有广告,直达结果

秘塔AI搜索是一个基于大模型的新一代智能搜索引擎。它通过理解用户意图,提供无广告、高质量的搜索结果,让用户快速直达所需信息。秘塔AI搜索具有语义理解能力强、支持多轮对话式搜索、支持语音输入等优点,可 SIGNIFICANTLY 提高搜索效率。

多语言晚交互检索模型，支持嵌入和重排

Jina ColBERT v2是一个先进的晚交互检索模型，基于ColBERT架构构建，支持89种语言，并提供优越的检索性能、用户可控的输出维度和长达8192个token的文本处理能力。它在信息检索领域具有革命性的意义，通过晚交互评分近似于交叉编码器中的联合查询-文档注意力，同时保持了接近传统密集检索模型的推理效率。

AI驱动的电子书和文档搜索引擎。

Searcholic是一个由人工智能技术驱动的搜索引擎，致力于为用户提供高效、可靠的电子书和文档搜索服务。它由在信息检索、数据科学和人工智能领域具有丰富经验的专家团队创建，旨在通过先进的搜索算法，为用户提供高度准确和相关的搜索结果。Searcholic不仅提供广泛的内容覆盖，包括学术论文、研究报告、技术文档、小说等，还注重用户友好的界面设计，确保用户能够轻松地搜索、预览和下载所需内容。此外，Searcholic非常重视用户的隐私和安全性，确保所有搜索和交互过程都是受保护和加密的。

多模态原生混合专家模型

Aria是一个多模态原生混合专家模型，具有强大的多模态、语言和编码任务性能。它在视频和文档理解方面表现出色，支持长达64K的多模态输入，能够在10秒内描述一个256帧的视频。Aria模型的参数量为25.3B，能够在单个A100（80GB）GPU上使用bfloat16精度进行加载。Aria的开发背景是满足对多模态数据理解的需求，特别是在视频和文档处理方面。它是一个开源模型，旨在推动多模态人工智能的发展。

Melior AI是一款合同智能平台，可以进行跨语言语义搜索、问题解答和智能文档处理。

Melior AI合同智能平台可以自动分类、审查和查找法律文件中的答案，帮助您做出更好的商业决策，轻松自动化工作流程。

视觉语言模型高效文档检索工具

ColPali 是一种基于视觉语言模型的高效文档检索工具，它通过直接嵌入文档页面图像的方式来简化文档检索流程。ColPali 利用了最新的视觉语言模型技术，特别是 PaliGemma 模型，通过晚交互机制实现多向量检索，从而提高检索性能。这一技术不仅加快了索引速度，降低了查询延迟，而且在检索包含视觉元素的文档方面表现出色，例如图表、表格和图像。ColPali 的出现，为文档检索领域带来了一种新的“视觉空间检索”范式，有助于提高信息检索的效率和准确性。

用于多模态上下文中的检索增强生成的基准测试代码库。

M2RAG是一个用于多模态上下文中的检索增强生成的基准测试代码库。它通过多模态检索文档来回答问题，评估多模态大语言模型（MLLMs）在利用多模态上下文知识方面的能力。该模型在图像描述、多模态问答、事实验证和图像重排等任务上进行了评估，旨在提升模型在多模态上下文学习中的有效性。M2RAG为研究人员提供了一个标准化的测试平台，有助于推动多模态语言模型的发展。

基于Upstash Vector的维基百科语义搜索工具。

这是一个使用Next.js构建的项目，利用Upstash Vector提供维基百科的语义搜索功能。项目通过优化和加载自定义的Google字体Inter，实现了对维基百科内容的高效搜索和检索。

开源的先进文本嵌入模型

Snowflake Arctic Embed是一系列基于Apache 2.0许可开源的文本嵌入模型，专为检索用例设计。这些模型在Massive Text Embedding Benchmark (MTEB)检索基准测试中提供了领先的检索性能，为组织在结合专有数据集与大型语言模型（LLMs）进行检索增强生成（RAG）或语义搜索服务时提供了新的优势。这些模型的尺寸从超小型（xs）到大型（l），具有不同的上下文窗口和参数数量，以满足不同企业的延迟、成本和检索性能需求。

嵌入编辑器，优化向量搜索

Embedditor是一款开源的嵌入编辑器，类似于MS Word，能够帮助您充分利用向量搜索。通过用户友好的界面，改进您的嵌入元数据和嵌入标记。无缝应用高级NLP清洗技术，如TF-IDF，规范化和丰富您的嵌入标记，提高LLM相关应用的效率和准确性。优化您从向量数据库获取的内容的相关性，智能拆分或合并内容，基于其结构添加空白或隐藏标记，使块更具语义一致性。您可以完全控制您的数据，轻松在个人计算机上或专用企业云或本地环境中部署Embedditor，提高数据安全性。通过应用Embedditor的高级清洗技术，过滤掉嵌入中的无关标记，如停用词、标点符号和低相关性的常用词，您可以节省多达40%的嵌入和向量存储成本，同时获得更好的搜索结果。

ViDoRAG 是一个结合视觉文档检索增强生成的动态迭代推理代理框架。

ViDoRAG 是阿里巴巴自然语言处理团队开发的一种新型多模态检索增强生成框架，专为处理视觉丰富文档的复杂推理任务设计。该框架通过动态迭代推理代理和高斯混合模型（GMM）驱动的多模态检索策略，显著提高了生成模型的鲁棒性和准确性。ViDoRAG 的主要优点包括高效处理视觉和文本信息、支持多跳推理以及可扩展性强。该框架适用于需要从大规模文档中检索和生成信息的场景，例如智能问答、文档分析和内容创作。其开源特性和灵活的模块化设计使其成为研究人员和开发者在多模态生成领域的重要工具。

AI多模态数据绑定

ImageBind是一种新的AI模型，能够同时绑定六种感官模态的数据，无需显式监督。通过识别这些模态之间的关系（图像和视频、音频、文本、深度、热成像和惯性测量单元（IMUs）），这一突破有助于推动AI发展，使机器能够更好地分析多种不同形式的信息。探索演示以了解ImageBind在图像、音频和文本模态上的能力。

多模态语言模型

SpeechGPT是一种多模态语言模型，具有内在的跨模态对话能力。它能够感知并生成多模态内容，遵循多模态人类指令。SpeechGPT-Gen是一种扩展了信息链的语音生成模型。SpeechAgents是一种具有多模态多代理系统的人类沟通模拟。SpeechTokenizer是一种统一的语音标记器，适用于语音语言模型。这些模型和数据集的发布日期和相关信息均可在官方网站上找到。

利用向量搜索技术，实现基于描述搜索相关股票的工具。

概念股搜索器是一款基于自然语言处理和向量搜索技术的在线工具，它能够对用户输入的任意描述进行语义匹配，快速找到与之相关的中国A股上市公司股票。该产品的主要优点在于其创新的搜索方式，能够处理意象、概念、关键词等多种形式的输入，为用户提供一种全新的股票搜索体验。产品背景信息显示，它旨在帮助用户在投资决策时，能够快速获取相关信息，但请注意，搜索结果仅供参考，不构成投资建议。

多模态语言模型预测网络

Honeybee是一个适用于多模态语言模型的局部性增强预测器。它能够提高多模态语言模型在不同下游任务上的性能,如自然语言推理、视觉问答等。Honeybee的优势在于引入了局部性感知机制,可以更好地建模输入样本之间的依赖关系,从而增强多模态语言模型的推理和问答能力。

AI助手嵌入工具

Embedditor是一个开源的嵌入工具，帮助您在向量搜索中发挥最大作用。通过用户友好的界面，改善嵌入元数据和嵌入令牌。无缝应用高级NLP清理技术，如TF-IDF，标准化和丰富您的嵌入令牌，提高在LLM相关应用中的效率和准确性。还可以通过智能拆分或合并内容，根据其结构增加空白或隐藏令牌，使块更具语义一致性，优化从向量数据库中获取的内容的相关性。并且您可以完全控制数据，轻松部署Embedditor在您的PC上，或者在专用企业云或本地环境中。通过应用Embedditor的高级清理技术，过滤嵌入的无关令牌，如停用词、标点符号和低相关性频繁词，您可以在嵌入和向量存储的成本上节省高达40%，同时获得更好的搜索结果。

探索维基百科的语义搜索能力。

Wikipedia Semantic Search 是一个实验性项目，展示了 Upstash Vector 在处理大型数据集时的可扩展性。该项目将 2300 万篇维基百科文章在 11 种语言中进行了向量化处理，并在一个 Upstash Vector 索引中存储了 1440 万个向量。这使得用户能够通过语义搜索来探索维基百科的内容，而不仅仅是传统的关键词搜索。