使用场景

在法律领域，用于匹配查询与包含法律条款的文档截图。

在金融行业，用于检索包含财务报表和图表的文档。

在教育领域，用于检索包含教学材料和图表的学术文档。

产品特色

支持文本和内容丰富的图像，如文本、图表、表格、PDF、幻灯片等的截图。

捕捉关键文本和视觉特征，如字体大小、文本位置、空白等，无需复杂的文档解析。

允许交错文本和图像的最大灵活性，通过统一的表示处理两种模态的数据。

在多模态检索任务中，相较于OpenAI CLIP large和Cohere multimodal v3等模型，平均提高了41.44%和43.37%的检索准确率。

通过统一的处理方式，有效捕捉截图中的语义内容，即使在混合模态数据中也表现出色。

无需屏幕解析模型、布局分析或复杂的文本提取流程，可以直接向量化包含纯文本文档和非结构化数据的知识库。

使用教程

1. 访问Voyage AI的官方网站或文档，了解voyage-multimodal-3的基本信息和使用条件。

2. 注册并获取API访问权限，开始免费试用。

3. 根据提供的sample notebook或文档指南，学习如何向量化文本和图像数据。

4. 将voyage-multimodal-3集成到现有的知识管理系统中，用于提升检索效率。

5. 使用voyage-multimodal-3处理包含文本和图像的复杂文档，如PDF和幻灯片。

6. 通过比较检索结果，评估voyage-multimodal-3在实际应用中的性能表现。

7. 根据需要，联系Voyage AI获取更多技术支持或进行模型的定制和优化。