本文へスキップ

jina-clip-v2

画像と文章のための多言語埋め込み

公式サイトを見る

jina-clip-v2 とは

本モデルは Jina AI による多言語・多モーダルの埋め込みモデルと紹介され、同時学習で画像と文章の表現を揃えると説明されている。

できること

  • 89 言語をまたいで画像を検索する
  • 文章と 512x512 の画像を符号化する
  • 64 から 1024 の間で出力の次元を選ぶ

導入の手順

  • 必要なライブラリを導入する
  • 読み込みの方法でモデルを用意する
  • 文章と画像の符号化メソッドを呼ぶ

長所と短所

✓ 良い点

  • 文章と視覚のエンコーダを同時学習
  • 資料は API とクラウドでの商用利用を挙げる

! 注意したい点

  • 出力の次元は 64 から 1024 の範囲から選ぶ
  • 利用は資料の符号化の手順に従う

よくある質問

対応言語は?

資料は 89 言語と説明。

どのエンコーダが挙がる?

資料は Jina-XLM-RoBERTa と EVA02-L14 を挙げる。

最終評価日: 2026-11-15

その他 AI検索エンジン ツール

すべて見る →

評価方法