CLIP Embedding — 多模态向量化服务

概述

基于 OpenAI CLIP ViT-H-14 的多模态嵌入服务，将文本和图像编码为统一的 1024 维向量空间，实现图文跨模态检索。

模型

• BAAI/CLIP-ViT-H-14 (OpenCLIP)
• 向量维度: 1024
• GPU: 部署于 GPU 服务器

API

端点	方法	说明
/api/status	GET	服务状态和模型信息
/api/text	POST	文本 → 向量
/api/image	POST	图片 → 向量
/api/similarity	POST	文本-图片相似度计算

请求示例

POST /api/text
{"texts": ["一只猫坐在沙发上", "日落海滩"]}

POST /api/image
{"images": ["base64图片数据"]}

部署

cd /data/ymq/clip_embedding
bash build.sh
sudo systemctl restart clip

端口

9086