fastembed-rs - 基于Rust的无需Tokio依赖，支持同步操作的高效文本嵌入工具

FastEmbed-rs 项目介绍

FastEmbed-rs 是一个用 Rust 语言实现的快速嵌入生成工具。它旨在为开发者提供高效且强大的嵌入生成解决方案。该项目基于 @qdrant/fastembed，并提供了一系列便利功能，使得在 Rust 生态系统中使用变得更加简单。

🍕 项目功能

同步使用支持：无须依赖 Tokio，即可进行同步操作。
高效的 ONNX 推理：使用 @pykeio/ort 来提高 ONNX 推理性能。
快速编码：采用 @huggingface/tokenizers 以实现快速编码。
批量嵌入生成：通过 @rayon-rs/rayon 提供的并行处理支持批量生成嵌入。

默认的模型是 Flag Embedding, 在 MTEB 排行榜上表现非常优异。

🔍 他编程语言实现

如果您正在寻找其他编程语言的实现，也可以查看以下选项：

Python 🐍: fastembed
Go 🐳: fastembed-go
JavaScript 🌐: fastembed-js

🤖 模型支持

文本嵌入

BAAI/bge-small-en-v1.5 - 默认模型
sentence-transformers/all-MiniLM-L6-v2
mixedbread-ai/mxbai-embed-large-v1

点击查看完整模型列表...

稀疏文本嵌入

prithivida/Splade_PP_en_v1 - 默认模型

图像嵌入

重排序

🚀 安装指南

在项目目录中运行以下命令来添加依赖：

cargo add fastembed

或者可以手动将以下内容添加到 Cargo.toml：

[dependencies]
fastembed = "3"

📖 使用示例

文本嵌入

以下示例展示如何进行文本嵌入：

use fastembed::{TextEmbedding, InitOptions, EmbeddingModel};

// 使用默认初始化选项
let model = TextEmbedding::try_new(Default::default())?;

// 使用自定义初始化选项
let model = TextEmbedding::try_new(
    InitOptions::new(EmbeddingModel::AllMiniLML6V2).with_show_download_progress(true),
)?;

let documents = vec![
    "passage: Hello, World!",
    "query: Hello, World!",
    "passage: This is an example passage.",
    "fastembed-rs is licensed under Apache 2.0"
];

// 以默认批量大小256生成嵌入
let embeddings = model.embed(documents, None)?;

println!("嵌入数量: {}", embeddings.len());
println!("单个嵌入维度: {}", embeddings[0].len());

图像嵌入

以下示例展示如何进行图像嵌入：

use fastembed::{ImageEmbedding, ImageInitOptions, ImageEmbeddingModel};

// 使用默认初始化选项
let model = ImageEmbedding::try_new(Default::default())?;

// 使用自定义初始化选项
let model = ImageEmbedding::try_new(
    ImageInitOptions::new(ImageEmbeddingModel::ClipVitB32).with_show_download_progress(true),
)?;

let images = vec!["assets/image_0.png", "assets/image_1.png"];

// 以默认批量大小256生成嵌入
let embeddings = model.embed(images, None)?;

println!("嵌入数量: {}", embeddings.len());
println!("单个嵌入维度: {}", embeddings[0].len());

重新排序

以下示例展示如何进行候选项重新排序：

use fastembed::{TextRerank, RerankInitOptions, RerankerModel};

let model = TextRerank::try_new(
    RerankInitOptions::new(RerankerModel::BGERerankerBase).with_show_download_progress(true),
)?;

let documents = vec![
    "hi",
    "The giant panda (Ailuropoda melanoleuca), sometimes called a panda bear, is a bear species endemic to China.",
    "panda is animal",
    "i dont know",
    "kind of mammal",
];

// 使用默认批量大小进行重新排序
let results = model.rerank("what is panda?", documents, true, None)?;
println!("Rerank result: {:?}", results);