임베딩 (Embeddings)

Haystack의 Embedder는 사전 학습된 모델(pre-trained models)을 이용해 텍스트나 문서를 벡터 표현(vector representation)으로 변환해요. 이렇게 만든 임베딩은 질의응답(question answering), 정보 검색(information retrieval) 같은 작업에 그대로 활용할 수 있죠.

INFO

어떤 Embedder가 자신에게 맞을지에 대한 일반적인 가이드는 Choosing the Right Embedder 페이지를 참고하세요.

Haystack에서 제공하는 Embedder 목록은 다음과 같아요.

Embedder	설명
AmazonBedrockTextEmbedder	Amazon Bedrock API의 모델을 통해 텍스트(예: 쿼리)의 임베딩을 계산해요.
AmazonBedrockDocumentEmbedder	Amazon Bedrock API의 모델을 통해 문서의 임베딩을 계산해요.
AmazonBedrockDocumentImageEmbedder	문서에 대한 이미지 임베딩을 계산해요.
AzureOpenAITextEmbedder	Azure에 배포된 OpenAI 모델을 통해 텍스트(예: 쿼리)의 임베딩을 계산해요.
AzureOpenAIDocumentEmbedder	Azure에 배포된 OpenAI 모델을 통해 문서의 임베딩을 계산해요.
CohereTextEmbedder	Cohere 모델로 단순한 문자열(예: 쿼리)을 임베딩해요. Cohere의 API 키가 필요해요.
CohereDocumentEmbedder	Cohere 모델로 문서 목록을 임베딩해요. Cohere의 API 키가 필요해요.
CohereDocumentImageEmbedder	문서 목록의 이미지 임베딩을 계산하고, 얻은 벡터를 각 문서의 embedding 필드에 저장해요.
EdenAITextEmbedder	Eden AI 임베딩 모델을 사용해 단순한 문자열(예: 쿼리)을 임베딩해요.
EdenAIDocumentEmbedder	Eden AI 임베딩 모델을 사용해 문서 목록을 임베딩해요.
FastembedTextEmbedder	Fastembed가 지원하는 임베딩 모델로 문자열의 임베딩을 계산해요.
FastembedDocumentEmbedder	Fastembed가 지원하는 모델로 문서 목록의 임베딩을 계산해요.
FastembedSparseTextEmbedder	Fastembed가 지원하는 모델로 단순한 문자열(예: 쿼리)을 희소 벡터(sparse vector)로 임베딩해요.
FastembedSparseDocumentEmbedder	Fastembed가 지원하는 모델로 문서 목록에 희소 임베딩을 추가해요.
GoogleGenAITextEmbedder	Google AI 모델로 단순한 문자열(예: 쿼리)을 임베딩해요. Google의 API 키가 필요해요.
GoogleGenAIDocumentEmbedder	Google AI 모델로 문서 목록을 임베딩해요. Google의 API 키가 필요해요.
GoogleGenAIMultimodalDocumentEmbedder	Google AI 모델로 텍스트가 아닌 문서 목록을 임베딩해요. Google의 API 키가 필요해요.
HuggingFaceAPIDocumentEmbedder	다양한 Hugging Face API를 사용해 문서 임베딩을 계산해요.
HuggingFaceAPITextEmbedder	다양한 Hugging Face API를 사용해 문자열을 임베딩해요.
JinaTextEmbedder	Jina AI Embeddings 모델로 단순한 문자열(예: 쿼리)을 임베딩해요. Jina AI의 API 키가 필요해요.
JinaDocumentEmbedder	Jina AI Embeddings 모델로 문서 목록을 임베딩해요. Jina AI의 API 키가 필요해요.
JinaDocumentImageEmbedder	문서 목록의 이미지 임베딩을 계산하고, 얻은 벡터를 각 문서의 embedding 필드에 저장해요.
MistralTextEmbedder	Mistral API와 모델을 사용해 문자열을 벡터로 변환해요.
MistralDocumentEmbedder	Mistral API와 모델을 사용해 문서 목록의 임베딩을 계산해요.
MockTextEmbedder	API 호출 없이 문자열에 대한 결정적(deterministic) 임베딩을 반환해요. 테스트와 프로토타입에서 실제 Text Embedder 대신 쓸 수 있는 비용 제로의 대체품이에요.
MockDocumentEmbedder	API 호출 없이 문서 목록에 대한 결정적 임베딩을 반환해요. 테스트와 프로토타입에서 실제 Document Embedder 대신 쓸 수 있는 비용 제로의 대체품이에요.
NvidiaTextEmbedder	단순한 문자열(예: 쿼리)을 벡터로 임베딩해요.
NvidiaDocumentEmbedder	문서의 내용을 임베딩해 문서의 메타데이터를 보강해요.
OllamaTextEmbedder	Ollama Library와 호환되는 임베딩 모델로 문자열의 임베딩을 계산해요.
OllamaDocumentEmbedder	Ollama Library와 호환되는 임베딩 모델로 문서 목록의 임베딩을 계산해요.
OpenAIDocumentEmbedder	OpenAI 임베딩 모델로 문서 목록을 임베딩해요. 활성화된 OpenAI 계정의 API 키가 필요해요.
OpenAITextEmbedder	OpenAI 임베딩 모델로 단순한 문자열(예: 쿼리)을 임베딩해요. 활성화된 OpenAI 계정의 API 키가 필요해요.
OptimumTextEmbedder	Hugging Face Optimum 라이브러리로 불러온 모델을 사용해 텍스트를 임베딩해요.
OptimumDocumentEmbedder	Hugging Face Optimum 라이브러리로 불러온 모델을 사용해 문서의 임베딩을 계산해요.
PerplexityDocumentEmbedder	Perplexity 임베딩 모델로 문서 목록의 임베딩을 계산해요. Perplexity의 API 키가 필요해요.
PerplexityTextEmbedder	Perplexity 임베딩 모델로 단순한 문자열(예: 쿼리)을 임베딩해요. Perplexity의 API 키가 필요해요.
SentenceTransformersTextEmbedder	Sentence Transformer 모델로 단순한 문자열(예: 쿼리)을 임베딩해요.
SentenceTransformersDocumentEmbedder	Sentence Transformer 모델로 문서 목록을 임베딩해요.
SentenceTransformersDocumentImageEmbedder	문서 목록의 이미지 임베딩을 계산하고, 얻은 벡터를 각 문서의 embedding 필드에 저장해요.
SentenceTransformersSparseTextEmbedder	Sentence Transformers 모델로 단순한 문자열(예: 쿼리)을 희소 벡터로 임베딩해요.
SentenceTransformersSparseDocumentEmbedder	Sentence Transformers 모델로 문서 목록에 희소 임베딩을 추가해요.
STACKITTextEmbedder	STACKIT API를 사용해 텍스트 임베딩을 지원해요.
STACKITDocumentEmbedder	STACKIT API를 사용해 문서 임베딩을 지원해요.
TwelveLabsTextEmbedder	TwelveLabs Marengo 멀티모달 모델로 단순한 문자열(예: 쿼리)을 임베딩해요. TwelveLabs의 API 키가 필요해요.
TwelveLabsDocumentEmbedder	TwelveLabs Marengo 멀티모달 모델로 문서 목록을 임베딩해요. TwelveLabs의 API 키가 필요해요.
VertexAITextEmbedder	VertexAI Embeddings API의 모델을 통해 텍스트(예: 쿼리)의 임베딩을 계산해요. 이 통합은 곧 지원 중단(deprecated)될 예정이에요. GoogleGenAITextEmbedder 통합을 사용하는 걸 권장해요.
VertexAIDocumentEmbedder	VertexAI Embeddings API의 모델을 통해 문서의 임베딩을 계산해요. 이 통합은 곧 지원 중단될 예정이에요. GoogleGenAIDocumentEmbedder 통합을 사용하는 걸 권장해요.
VLLMTextEmbedder	vLLM으로 서빙한 모델을 사용해 문자열의 임베딩을 계산해요.
VLLMDocumentEmbedder	vLLM으로 서빙한 모델을 사용해 문서 목록의 임베딩을 계산해요.
WatsonxTextEmbedder	IBM Watsonx 모델을 사용해 텍스트(예: 쿼리)의 임베딩을 계산해요.
WatsonxDocumentEmbedder	IBM Watsonx 모델을 사용해 문서의 임베딩을 계산해요.