जेमिनी एंबेडिंग
मुफ्त
जेमिनी एंबेडिंग Google द्वारा प्रदान की गई एक टेक्स्ट एम्बेडिंग एपीआई सेवा है, जो टेक्स्ट को उच्च-आयामी वेक्टर प्रतिनिधित्व में परिवर्तित कर सकती है और सिमेंटिक सर्च आरएजी पुनर्प्राप्ति, टेक्स्ट वर्गीकरण और क्लस्टरिंग जैसे एनएलपी एप्लिकेशन परिदृश्यों का समर्थन कर सकती है।
जेमिनी एंबेडिंग: गूगल टेक्स्ट वेक्टर एंबेडिंग एपीआई
मुख्य पैरामीटर और आँकड़े
| प्रोजेक्ट | विशेष विवरण |
|---|---|
| मॉडल/एपीआई नाम | जेमिनी एंबेडिंग (पाठ-एंबेडिंग-004 / टेक्स्ट-बहुभाषी-एंबेडिंग-002) |
| उत्पाद प्रकार | एआई मॉडल/एपीआई |
| डिलिवरी फॉर्म | एपीआई (आरईएसटी/जीआरपीसी) |
| प्रसंग लंबाई | अधिकतम 2048 टोकन |
| आउटपुट आयाम | 768 आयाम (मानक मोड, 256 आयामों तक ट्रंकेशन और संपीड़न का समर्थन करता है) |
| समर्थन मोडल | पाठ |
| मूल्य निर्धारण मॉडल | प्रति-वर्ण बिलिंग ($0.0001/1K वर्ण) |
| ओपन सोर्स लाइसेंस | बंद स्रोत (गूगल स्वामित्व एपीआई) |
मुख्य मापदंडों की व्याख्या: जेमिनी एंबेडिंग जेमिनी मॉडल के आधार पर Google द्वारा प्रदान की गई एक टेक्स्ट वेक्टर एम्बेडिंग एपीआई सेवा है। यह इनपुट टेक्स्ट को एक उच्च-आयामी फ़्लोटिंग पॉइंट वेक्टर (768 आयाम) में परिवर्तित करता है और कोसाइन समानता या यूक्लिडियन दूरी के माध्यम से टेक्स्ट संबंधी अर्थ संबंधी प्रासंगिकता को मापता है। यह आरएजी (रिट्रीवल ऑगमेंटेड जेनरेशन), सिमेंटिक सर्च, टेक्स्ट वर्गीकरण और अनुशंसा प्रणालियों का एक प्रमुख मूलभूत घटक है। मॉडल को बड़े पैमाने पर विरोधाभासी शिक्षा के आधार पर प्रशिक्षित किया जाता है, और प्रशिक्षण डेटा में वेब पेज, अकादमिक पेपर, कोड और बहु-भाषा समानांतर कॉर्पोरा जैसे विभिन्न स्रोत शामिल होते हैं।
उपयोगकर्ता और बाज़ार की पहचान
| आयाम | डेटा |
|---|---|
| सेवा प्रदाता | गूगल (मिथुन एपीआई/वर्टेक्स एआई) |
| मॉडल संस्करण | टेक्स्ट-एम्बेडिंग-004 (सार्वभौमिक), टेक्स्ट-बहुभाषी-एम्बेडिंग-002 (बहुभाषी) |
| भाषा समर्थन | 100+ भाषाएँ |
| पारिस्थितिक एकीकरण | गूगल एआई स्टूडियो, वर्टेक्स एआई, गूगल एआई एसडीके |
| उद्योग उद्धरण | एमटीईबी (मैसिव टेक्स्ट एंबेडिंग बेंचमार्क) मूल्यांकन |
| खुलापन | सार्वजनिक एपीआई, किसी एप्लिकेशन की आवश्यकता नहीं |
Google द्वारा आधिकारिक तौर पर प्रदान की गई एक एम्बेडिंग सेवा के रूप में, जेमिनी एंबेडिंग Google AI पारिस्थितिकी तंत्र के साथ गहराई से एकीकृत है और इसका व्यापक रूप से Google क्लाउड ग्राहकों की RAG पाइपलाइनों और एंटरप्राइज़ खोज समाधानों में उपयोग किया जाता है। एमटीईबी जैसे मानकीकृत एम्बेडिंग मूल्यांकन में, यह पुनर्प्राप्ति और वर्गीकरण उपकार्य दोनों पर प्रतिस्पर्धी प्रदर्शन प्राप्त करता है। बहुभाषी क्षमताओं में चीनी, जापानी, अरबी और अन्य गैर-अंग्रेजी भाषाएं शामिल हैं, जिसका बहुराष्ट्रीय व्यापार परिदृश्यों में स्वाभाविक लाभ है।
लागत लाभ
| लागत आयाम | विवरण |
|---|---|
| एपीआई भुगतान-जैसा-आप-जाओ | $0.0001/1K अक्षर |
| निःशुल्क कोटा | प्रति मिनट 60 अनुरोध, मुफ़्त दैनिक कोटा |
| वॉल्यूम छूट | वर्टेक्स एआई वॉल्यूम छूट (उच्च आवृत्ति कॉल) प्रदान करता है |
| स्व-परिनियोजन लागत | एन/ए (बंद स्रोत एपीआई, स्व-होस्टेड नहीं) |
प्रतिस्पर्धी उत्पादों की लागत तुलना:
| तुलनात्मक आयाम | जेमिनी एंबेडिंग | ओपनएआई टेक्स्ट-एम्बेडिंग-3 | खुला स्रोत (बीजीई-बड़ा) |
|---|---|---|---|
| आउटपुट आयाम | 768 | 1536/256 (विन्यास योग्य) | 1024 |
| कीमत | $0.0001/1K अक्षर | $0.00002/1K टोकन | स्व-होस्टेड=जीपीयू कंप्यूटिंग शक्ति |
| निःशुल्क कोटा | 60 अनुरोध/मिनट | 200K टोकन/मिनट (परत 1) | कोई नहीं (स्वयं तैनात) |
| बहुभाषी | 100+ भाषाएँ | मुख्य भाषा | डेटा को फाइन-ट्यूनिंग करने पर निर्भर करता है |
| विलंबता | 50-150 एमएस | 50-150 एमएस | परिनियोजन कॉन्फ़िगरेशन पर निर्भर करता है |
| थोक समर्थन | ✅ 100 आइटम/अनुरोध | ✅ एकाधिक आइटम/अनुरोध | ✅ कार्यान्वयन पर निर्भर करता है |
आरएजी परियोजनाओं के लिए जिन्हें बहु-भाषा समर्थन की आवश्यकता होती है, जेमिनी एंबेडिंग गुणवत्ता और लागत के बीच एक अच्छा संतुलन बनाती है। मुफ़्त कोटा मूल रूप से प्रोटोटाइप सत्यापन और कम-ट्रैफ़िक अनुप्रयोगों के लिए पर्याप्त है। ध्यान दें: कीमतें और मुफ़्त कोटा Google के आधिकारिक वास्तविक समय मूल्य निर्धारण पृष्ठ के अधीन हैं, और विभिन्न क्षेत्रों में भिन्न हो सकते हैं।
मुख्य कार्य
- टेक्स्ट वेक्टराइजेशन: गहरी सिमेंटिक जानकारी हासिल करने के लिए टेक्स्ट (अधिकतम 2048 टोकन) को 768-आयामी सिमेंटिक वैक्टर में बदलें।
- कार्य-विशिष्ट अनुकूलन: पुनर्प्राप्ति (पुनर्प्राप्ति), वर्गीकरण (वर्गीकरण), क्लस्टरिंग (क्लस्टरिंग), और प्रश्न और उत्तर (क्यूए) जैसे कार्यों के लिए विभिन्न एम्बेडिंग अनुकूलन रणनीतियों के चयन का समर्थन करता है। अलग-अलग फ़ाइन-ट्यूनिंग की आवश्यकता के बिना, एक ही मॉडल को पैरामीटर कॉन्फ़िगरेशन के माध्यम से विभिन्न डाउनस्ट्रीम कार्यों के लिए अनुकूलित किया जा सकता है।
- बैच एंबेडिंग: एक एकल एपीआई अनुरोध नेटवर्क ओवरहेड को कम करते हुए, टेक्स्ट के 100 टुकड़ों तक संसाधित कर सकता है।
- बहु-भाषा एम्बेडिंग: जेमिनी बहु-भाषा प्रशिक्षण डेटा पर आधारित, 100+ भाषाओं के एकीकृत वेक्टर स्पेस प्रतिनिधित्व का समर्थन करता है। क्रॉस-लैंग्वेज कंट्रास्टिव लर्निंग के माध्यम से विभिन्न भाषाओं के सिमेंटिक स्पेस को संरेखित करना क्रॉस-लैंग्वेज पुनर्प्राप्ति को संभव बनाता है।
- छंटाई और भरने की प्रक्रिया: बहुत लंबे पाठ को स्वचालित रूप से काट दिया जाता है और एक काट-छांट सूचक ध्वज लौटा दिया जाता है; संक्षिप्त पाठ स्वचालित रूप से भर जाता है.
- आयाम संपीड़न: भंडारण लागत और पुनर्प्राप्ति विलंब को कम करने के लिए काटे गए वेक्टर आयामों (768→256) का समर्थन करता है।
मॉडल और संस्करण विकास
| मॉडल संस्करण | रिलीज का समय | मुख्य परिवर्तन |
|---|---|---|
| टेक्स्ट-एम्बेडिंग-001 | 2024 | एम्बेडिंग मॉडल का पहला बैच, 768 आयाम, बुनियादी पुनर्प्राप्ति और वर्गीकरण |
| टेक्स्ट-एम्बेडिंग-002 | 2024 | एंबेडिंग गुणवत्ता में सुधार, नए कार्य प्रकार पैरामीटर |
| टेक्स्ट-एम्बेडिंग-004 | 2025 | जेमिनी वास्तुकला पुनर्निर्माण के आधार पर, अर्थ संबंधी समझ में काफी सुधार हुआ है |
| टेक्स्ट-बहुभाषी-एम्बेडिंग-002 | 2025 | विशेष रूप से अनुकूलित बहुभाषी एम्बेडिंग, चीनी गुणवत्ता में काफी सुधार हुआ |
वर्तमान अनुशंसाएँ: सामान्य परिदृश्यों के लिए text-embedding-004 और बहुभाषी परिदृश्यों के लिए text-multilingual-embedding-002 का उपयोग करें। Google MTEB जैसी समीक्षाओं में एम्बेडिंग गुणवत्ता को ट्रैक करना जारी रखता है और नियमित मॉडल अपडेट जारी करता है।
तकनीकी लाभ
- बड़े पैमाने पर विरोधाभासी शिक्षण प्रशिक्षण: अरबों पाठ युग्मों पर अर्थ संबंधी समानता का प्रतिनिधित्व सीखें। प्रशिक्षण डेटा में वेब पेज, अकादमिक पेपर, कोड, बहु-भाषा समानांतर कॉर्पोरा आदि शामिल हैं।
- कार्य-जागरूक प्रशिक्षण: प्रशिक्षण चरण में, प्रत्येक कार्य के लिए अलग-अलग फाइन-ट्यूनिंग की आवश्यकता के बिना, पैरामीटर कॉन्फ़िगरेशन के माध्यम से विभिन्न डाउनस्ट्रीम कार्यों (पुनर्प्राप्ति, वर्गीकरण, क्लस्टरिंग, प्रश्न और उत्तर) को अनुकूलित करने के लिए कार्य प्रकार लेबल पेश किए जाते हैं।
- बहु-भाषा संरेखण: क्रॉस-भाषा पुनर्प्राप्ति प्राप्त करने के लिए क्रॉस-भाषा तुलनात्मक शिक्षा के माध्यम से 100+ भाषाओं के सिमेंटिक स्पेस को एक एकीकृत वेक्टर स्पेस में संरेखित करें।
- लंबी टेक्स्ट प्रोसेसिंग: अधिकतम लंबाई सीमा से अधिक वाले टेक्स्ट को प्रभावी ढंग से संसाधित करने के लिए ब्लॉक कोडिंग और माध्य पूलिंग रणनीतियों का उपयोग करें।
- गूगल इकोसिस्टम इंटीग्रेशन: वर्टेक्स एआई वेक्टर सर्च और गूगल एआई स्टूडियो के साथ गहराई से एकीकृत। आरएजी परिदृश्य में, यह बेहतर अर्थ संरेखण प्राप्त करने के लिए जेमिनी बड़े मॉडल के साथ अंतर्निहित प्रतिनिधित्व को साझा करता है।
अनुकूलन सीमाएँ और प्रतिबंध
- अनुशंसित उपयोग परिदृश्य: आरएजी पुनर्प्राप्ति (दस्तावेज़ ब्लॉक एम्बेडिंग + वेक्टर पुनर्प्राप्ति), सिमेंटिक खोज (वैकल्पिक कीवर्ड खोज), पाठ वर्गीकरण और क्लस्टरिंग, अनुशंसा प्रणाली सामग्री मिलान।
- अनुशंसित परिदृश्य नहीं: अनुपालन परिदृश्य जिनके लिए पूर्ण ऑफ़लाइन प्रसंस्करण या डेटा की आवश्यकता होती है जो देश नहीं छोड़ सकते हैं (ओपन सोर्स मॉडल बीजीई/जीटीई सेल्फ-होस्टिंग का मूल्यांकन करने की अनुशंसा की जाती है); ऐसे परिदृश्य जिनमें छवियों और ऑडियो जैसी मल्टी-मोडल सामग्री को एम्बेड करने की आवश्यकता होती है (मिथुन एंबेडिंग सादा पाठ एम्बेडिंग है); बहुत लंबे दस्तावेज़ों की प्रत्यक्ष एम्बेडिंग (>2048 टोकन) (जिसे पहले टुकड़ों में संसाधित करने की आवश्यकता है)।
- ज्ञात सीमाएं: आउटपुट आयाम 768 पर तय किए गए हैं (काट-छांट द्वारा संपीड़ित किया जा सकता है, लेकिन परिशुद्धता के नुकसान के साथ); बंद स्रोत एपीआई, स्व-होस्टेड या फाइन-ट्यून नहीं; डोमेन-विशिष्ट (कानूनी, चिकित्सा) शब्दावली की एम्बेडिंग गुणवत्ता डोमेन-फाइन-ट्यून किए गए ओपन सोर्स मॉडल जितनी अच्छी नहीं हो सकती है।
कैसे उपयोग करें
google.generativeai को genai के रूप में आयात करें
genai.configure(api_key='YOUR_API_KEY')
परिणाम = genai.embed_content(
मॉडल = "मॉडल/टेक्स्ट-एम्बेडिंग-004",
सामग्री = "एम्बेड की जाने वाली पाठ्य सामग्री",
कार्य_प्रकार = "पुनर्प्राप्ति_दस्तावेज़"
)
प्रिंट(लेन(परिणाम['एम्बेडिंग'])) #768| प्रवेश | कैसे उपयोग करें | लागू परिदृश्य |
|---|---|---|
| एपीआई इंटरफ़ेस | Google AI स्टूडियो REST API/gRPC | व्यक्तिगत डेवलपर्स, प्रोटोटाइप सत्यापन |
| वर्टेक्स एआई | Google क्लाउड परिनियोजन | एंटरप्राइज-ग्रेड उत्पादन, उच्च एसएलए |
| गूगल एआई एसडीके | पायथन/जेएस एसडीके | त्वरित एकीकरण |
उत्पाद का मूल्य निर्धारण
| बिलिंग आइटम | कीमत |
|---|---|
| अक्षर दर्ज करें | $0.0001/1K अक्षर |
| निःशुल्क कोटा | 60 अनुरोध/मिनट, मुफ़्त दैनिक कोटा |
| वॉल्यूम छूट | वर्टेक्स एआई द्वारा संचालित |
कीमत Google के आधिकारिक वास्तविक समय मूल्य निर्धारण पृष्ठ के अधीन है और विभिन्न क्षेत्रों में भिन्न हो सकती है।
अनुप्रयोग परिदृश्य
- आरएजी खोज उन्नत पीढ़ी: दस्तावेज़ लाइब्रेरी के टेक्स्ट ब्लॉक को वेक्टरकृत किया जाता है और वेक्टर डेटाबेस (वर्टेक्स एआई वेक्टर सर्च / क्रोमा / पाइनकोन) में संग्रहीत किया जाता है। उपयोगकर्ता द्वारा प्रश्न पूछने के बाद, सबसे प्रासंगिक अंशों को बड़े मॉडल द्वारा संदर्भ और उत्तर के लिए पुनर्प्राप्त किया जाता है। सत्यापन: लक्ष्य डेटा सेट पर पुनर्प्राप्ति रिकॉल@के का परीक्षण करें।
- सिमेंटिक सर्च: कीवर्ड खोज का विकल्प, सिमेंटिक समानता के माध्यम से उपयोगकर्ता के इरादे का मिलान। यहां तक कि "2025 वित्तीय विवरण" की खोज करने पर "FY2025 वित्तीय विवरण" शीर्षक वाले दस्तावेज़ भी याद आ जाते हैं। सत्यापन: एक परीक्षण क्वेरी सेट बनाएं और सिमेंटिक खोज और कीवर्ड खोज के एनडीसीजी की तुलना करें।
- पाठ वर्गीकरण और क्लस्टरिंग: समाचार, ग्राहक सेवा टिकट और उत्पाद समीक्षाओं के वेक्टरकृत होने के बाद, बिना पर्यवेक्षित वर्गीकरण के लिए के-साधन या पदानुक्रमित क्लस्टरिंग का उपयोग किया जाता है। सत्यापन: क्लस्टरिंग शुद्धता का मूल्यांकन करने के लिए नमूनों की एक छोटी संख्या को लेबल करें।
- सिफारिश प्रणाली: उपयोगकर्ता व्यवहार टेक्स्ट एम्बेडिंग और उम्मीदवार आइटम एम्बेडिंग के बीच समानता की गणना करें। सत्यापन: अनुशंसित परिणामों की रिकॉल दर और हिट दर का ऑफ़लाइन मूल्यांकन करें।
- प्रश्न और उत्तर प्रणाली: एफएक्यू लाइब्रेरी के प्रश्न और उत्तर क्रमशः वेक्टरकृत होते हैं। उपयोगकर्ताओं द्वारा प्रश्न पूछने के बाद, सबसे प्रासंगिक प्रश्न पुनः प्राप्त किए जाते हैं और उत्तर लौटाए जाते हैं। सत्यापन: परीक्षण सेट पर शीर्ष-1 सटीकता का मूल्यांकन करें।
लागू लोग
- एआई एप्लिकेशन डेवलपर: आरएजी पाइपलाइन, बुद्धिमान खोज या प्रश्न और उत्तर प्रणाली बनाएं।
- डेटा वैज्ञानिक और एमएल इंजीनियर: पाठ विश्लेषण परियोजनाओं में वर्गीकरण, क्लस्टरिंग, या आयामीता में कमी के लिए एम्बेडेड सुविधाओं का लाभ उठाएं।
- एंटरप्राइज़ आर्किटेक्ट: एम्बेडेड एपीआई सेवाओं (बहुभाषावाद, लागत, विलंबता, पारिस्थितिकी तंत्र एकीकरण) का मूल्यांकन करें।
- अकादमिक शोधकर्ता: एनएलपी अनुसंधान में एम्बेडिंग अभ्यावेदन का उपयोग करके सिमेंटिक विश्लेषण के साथ प्रयोग।
विशेष अनुपालन आवश्यकताओं वाले या पूर्ण ऑफ़लाइन प्रसंस्करण की आवश्यकता वाले परिदृश्यों के लिए, ओपन सोर्स एम्बेडेड मॉडल (बीजीई, जीटीई) के साथ स्व-होस्ट किए गए समाधानों का मूल्यांकन करने की अनुशंसा की जाती है।
प्रतिस्पर्धी उत्पादों की तुलना
| तुलनात्मक आयाम | जेमिनी एंबेडिंग | ओपनएआई टेक्स्ट-एम्बेडिंग-3 | सम्मिलित करें एंबेड | खुला स्रोत (बीजीई/जीटीई) |
|---|---|---|---|---|
| पैरामीटर स्केल | अज्ञात | अज्ञात | अज्ञात | 102एम-335एम |
| प्रसंग लंबाई | 2048 टोकन | 8191 टोकन | 512 टोकन | 512-8192 |
| आउटपुट आयाम | 768 | 1536/256 (विन्यास योग्य) | 1024/384 (कॉन्फ़िगर करने योग्य) | 384-1024 |
| बहुभाषी | 100+ भाषाएँ | मुख्य भाषा | 100+ भाषाएँ | संस्करण पर निर्भर करता है |
| एपीआई मूल्य निर्धारण | $0.0001/1K अक्षर | $0.00002/1K टोकन | $0.0001/1K अक्षर | निःशुल्क (स्वयं-होस्टेड) |
| स्व-मेज़बान | ❌ उपलब्ध नहीं है | ❌ उपलब्ध नहीं है | ❌ उपलब्ध नहीं है | ✅ स्व-होस्टेड उपलब्ध |
| कार्य प्रकार अनुकूलन | ✅ समर्थन | ✅ समर्थन | ✅ समर्थन | ⚠️ फ़ाइन-ट्यूनिंग की आवश्यकता है |
| पारिस्थितिकी तंत्र एकीकरण | गूगल क्लाउड | ओपनएआई इकोसिस्टम | सुसंगत पारिस्थितिकी तंत्र | गले मिलता हुआ चेहरा |
सारांश और आउटलुक
Google की आधिकारिक टेक्स्ट एम्बेडिंग सेवा के रूप में, जेमिनी एंबेडिंग के पास एम्बेडिंग गुणवत्ता, बहु-भाषा समर्थन और पारिस्थितिक एकीकरण में स्पष्ट लाभ हैं। जेमिनी बड़े मॉडल के साथ अंतर्निहित आधार को साझा करने से आरएजी दृश्यों में बेहतर अर्थ संरेखण सक्षम हो जाता है।
मुख्य लाभ: Google द्वारा आधिकारिक तौर पर रखरखाव, गुणवत्ता और SLA की गारंटी; 100+ भाषा समर्थन, उत्कृष्ट बहु-भाषा संरेखण गुणवत्ता; कार्य-जागरूक प्रशिक्षण विभिन्न प्रकार के डाउनस्ट्रीम कार्यों का समर्थन करता है; वर्टेक्स एआई वेक्टर सर्च के साथ गहराई से एकीकृत; प्रोटोटाइप सत्यापन के लिए उपयुक्त निःशुल्क कोटा।
ज्ञात सीमाएँ: बंद स्रोत एपीआई, स्व-होस्ट या फ़ाइन-ट्यून नहीं किया जा सकता; विशिष्ट क्षेत्रों में पेशेवर शब्दावली की समझ डोमेन फ़ाइन-ट्यूनिंग मॉडल जितनी अच्छी नहीं है; आउटपुट आयाम निश्चित हैं, और भंडारण लागत कॉन्फ़िगर करने योग्य आयामों वाले प्रतिस्पर्धी उत्पादों की तुलना में अधिक है।
जोखिम प्रकटीकरण: (1) मूल्य निर्धारण Google के आधिकारिक वास्तविक समय पृष्ठ पर आधारित है, मुफ्त कोटा और दरों को समायोजित किया जा सकता है, और उत्पादन परिनियोजन के लिए लागत निगरानी स्थापित करने की आवश्यकता है; (2) क्लोज्ड-सोर्स एपीआई Google सेवा उपलब्धता पर निर्भर करता है, और व्यवसाय पर सेवा रुकावट के प्रभाव का मूल्यांकन करने की आवश्यकता है; (3) डेटा एपीआई के माध्यम से प्रेषित होता है, और यह पुष्टि करना आवश्यक है कि डेटा प्रोसेसिंग शर्तें अनुपालन आवश्यकताओं (विशेषकर सीमा पार डेटा ट्रांसमिशन) को पूरा करती हैं या नहीं; (4) एम्बेडिंग गुणवत्ता के लिए ऊर्ध्वाधर क्षेत्रों (कानूनी, चिकित्सा) में स्व-परीक्षण और सत्यापन की आवश्यकता हो सकती है।
ध्यान देने के निम्नलिखित निर्देश: उच्च आउटपुट आयाम मॉडल, मल्टी-मोडल एम्बेडिंग (ग्राफिक्स और टेक्स्ट का एकीकृत वेक्टर स्थान), अधिक सूक्ष्म कार्य अनुकूलन, और क्या स्व-होस्ट किए गए हल्के संस्करण को लॉन्च करना है।
संबंधित उपकरण: <एक्सलिंक प्रकार='टूल' स्लग='क्रूवाई'>, <एक्सलिंक प्रकार='टूल' स्लग='लैंगचेन'>
संस्करण जानकारी
- सार्वजनिक बीटा संस्करण ：सार्वजनिक एपीआई संस्करण, टेक्स्ट एम्बेडिंग, बैच प्रोसेसिंग और बहु-भाषा इनपुट का समर्थन करता है।
- पुराना संस्करण ：प्रारंभिक एपीआई पूर्वावलोकन संस्करण, बुनियादी एम्बेडिंग फ़ंक्शन सत्यापन चरण।
उपयोगकर्ता समीक्षाएं