Azure AI Studio モデル カタログ ベクタライザー

  • [アーティクル]

重要

この機能はパブリック プレビュー段階にあり、追加使用条件の下で提供されます。 この機能は、2024-05-01-Preview REST API でサポートされます。

Azure AI Studio モデル カタログ ベクタライザーは、Azure AI Studio モデル カタログを介して Azure Machine Learning エンドポイントにデプロイされた埋め込みモデルに接続します。 データは、モデルが デプロイされている Geo で処理されます。

ベクタライザー パラメーター

パラメーターの大文字と小文字は区別されます。 どのパラメーターを使用するかは、AML オンライン エンドポイントが必要とする認証 (もしあれば) によって異なります。

パラメーター名 説明
uri (必須) JSON ペイロードの送信先となる AML オンライン エンドポイントの URI。 https URI スキームのみが許可されます。
modelName (必須) 指定されたエンドポイントにデプロイされる AI Studio モデル カタログのモデル ID。 現在サポートされている値は次のとおりです
  • OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32
  • OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336
  • Facebook-DinoV2-Image-Embeddings-ViT-Base
  • Facebook-DinoV2-Image-Embeddings-ViT-Giant
  • Cohere-embed-v3-english
  • Cohere-embed-v3-multilingual
key (キー認証の場合に必要) AML オンライン エンドポイントのキー。
resourceId (トークン認証の場合に必要)。 AML オンライン エンドポイントの Azure Resource Manager リソース ID。 subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name} という形式にする必要があります。
region (トークン認証の場合は省略可能)。 AML オンライン エンドポイントがデプロイされるリージョン。 そのリージョンが検索サービスのリージョンと異なる場合に必要です。
timeout (省略可能) 指定した場合は、API 呼び出しを行う http クライアントのタイムアウト値を示します。 XSD "dayTimeDuration" 値 (ISO 8601 期間値の制限されたサブセット) として書式設定する必要があります。 たとえば、60 秒の場合は PT60S とします。 設定しなかった場合は、既定値の 30 秒が選択されます。 タイムアウトは、最大で 230 秒、最小で 1 秒に設定できます。

使用する認証パラメーター

必要な認証パラメーターは、AML オンライン エンドポイントが使用する認証 (もしあれば) に応じて異なります。 AML オンライン エンドポイントでは、次の 2 つの認証オプションが提供されます。

  • キーベースの認証。 ベクタライザーからのスコアリング要求を認証するために、静的なキーが提供されます。
    • uri および key パラメーターを使用します。
  • トークンベースの認証。 AML オンライン エンドポイントは、トークン ベースの認証を使用してデプロイされます。 Azure AI Search Serviceの マネージド ID を有効にする必要があります。 その後、ベクタライザーはそのサービスのマネージド ID を使用して、静的キーを必要とせずに、AML オンライン エンドポイントに対して認証します。 ID は、所有者または共同作成者ロールに割り当てられる必要があります。
    • resourceId パラメーターを使用します。
    • 検索サービスが AML ワークスペースとは異なるリージョンにある場合は、 リージョン パラメータを使用して、AML オンライン エンドポイントがデプロイされたリージョンを設定します

サポートされているベクター クエリの種類

AI Studio モデル カタログ ベクタライザーでサポートされているベクター クエリの種類は、構成されている modelName によって異なります。

modelName text クエリをサポート imageUrl クエリをサポート imageBinary クエリをサポート
OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32 x X x
OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336 x X x
Facebook-DinoV2-Image-Embeddings-ViT-Base x x
Facebook-DinoV2-Image-Embeddings-ViT-Giant x x
Cohere-embed-v3-english x
Cohere-embed-v3-multilingual x

想定されるフィールド ディメンション

AI Studio モデル カタログ ベクタライザーを使用して構成されたフィールドに想定されるフィールド ディメンションは、構成されている modelName によって異なります。

modelName 想定されるディメンション
OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32 512
OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336 768
Facebook-DinoV2-Image-Embeddings-ViT-Base 768
Facebook-DinoV2-Image-Embeddings-ViT-Giant 1536
Cohere-embed-v3-english 1024
Cohere-embed-v3-multilingual 1024

定義例

"vectorizers": [
    {
        "name": "my-ai-studio-catalog-vectorizer",
        "kind": "aml",
        "amlParameters": {
            "uri": "https://my-aml-endpoint.eastus.inference.ml.azure.com/score",
            "key": "0000000000000000000000000000000000000",
            "timeout": "PT60S",
            "modelName": "OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch3",
            "resourceId": null,
            "region": null,
        },
    }
]

関連項目