tencentcloud-sdk-nodejs-es 4.1.128 → 4.1.129

package/es/services/es/index.js

@@ -1,6 +1,6 @@
-import { v20250101 } from "./v20250101";
 import { v20180416 } from "./v20180416";
+import { v20250101 } from "./v20250101";
 export const es = {
-    v20250101: v20250101,
     v20180416: v20180416,
+    v20250101: v20250101,
 };

package/es/services/es/v20250101/es_client.js

@@ -27,6 +27,9 @@ export class Client extends TencentCloudCommon.AbstractClient {
     async ChunkDocument(req, cb) {
         return this.request("ChunkDocument", req, cb);
     }
+    async GetMultiModalEmbedding(req, cb) {
+        return this.request("GetMultiModalEmbedding", req, cb);
+    }
     async RunRerank(req, cb) {
         return this.request("RunRerank", req, cb);
     }

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "tencentcloud-sdk-nodejs-es",
-  "version": "4.1.128",
+  "version": "4.1.129",
   "description": "腾讯云 API NODEJS SDK",
   "main": "./tencentcloud/index.js",
   "module": "./es/index.js",

package/tencentcloud/services/es/index.d.ts

@@ -1,10 +1,10 @@
 export declare const es: {
-    v20250101: {
-        Client: typeof import("./v20250101/es_client").Client;
-        Models: typeof import("./v20250101/es_models");
-    };
     v20180416: {
         Client: typeof import("./v20180416/es_client").Client;
         Models: typeof import("./v20180416/es_models");
     };
+    v20250101: {
+        Client: typeof import("./v20250101/es_client").Client;
+        Models: typeof import("./v20250101/es_models");
+    };
 };

package/tencentcloud/services/es/index.js

@@ -1,9 +1,9 @@
 "use strict";
 Object.defineProperty(exports, "__esModule", { value: true });
 exports.es = void 0;
-const v20250101_1 = require("./v20250101");
 const v20180416_1 = require("./v20180416");
+const v20250101_1 = require("./v20250101");
 exports.es = {
-    v20250101: v20250101_1.v20250101,
     v20180416: v20180416_1.v20180416,
+    v20250101: v20250101_1.v20250101,
 };

package/tencentcloud/services/es/v20250101/es_client.d.ts

@@ -1,5 +1,5 @@
 import * as TencentCloudCommon from "tencentcloud-sdk-nodejs-common";
-import { ChatCompletionsRequest, ChunkDocumentAsyncRequest, ChunkDocumentRequest, GetDocumentChunkResultRequest, GetDocumentParseResultRequest, ParseDocumentResponse, GetTextEmbeddingRequest, ParseDocumentAsyncResponse, ChunkDocumentResponse, GetDocumentParseResultResponse, RunRerankRequest, GetDocumentChunkResultResponse, ChunkDocumentAsyncResponse, ParseDocumentRequest, GetTextEmbeddingResponse, RunRerankResponse, ParseDocumentAsyncRequest, ChatCompletionsResponse } from "./es_models";
+import { ChatCompletionsRequest, ChunkDocumentAsyncRequest, ChunkDocumentRequest, GetDocumentChunkResultRequest, GetDocumentParseResultRequest, ParseDocumentResponse, GetTextEmbeddingRequest, ParseDocumentAsyncResponse, ChunkDocumentResponse, GetDocumentParseResultResponse, RunRerankRequest, GetDocumentChunkResultResponse, ChunkDocumentAsyncResponse, GetMultiModalEmbeddingResponse, GetMultiModalEmbeddingRequest, ParseDocumentRequest, GetTextEmbeddingResponse, RunRerankResponse, ParseDocumentAsyncRequest, ChatCompletionsResponse } from "./es_models";
 /**
  * es client
  * @class
@@ -44,6 +44,10 @@ export declare class Client extends TencentCloudCommon.AbstractClient {
   本接口为分隔符规则切片接口，有单账号调用上限控制，如您有提高并发限制的需求请 [联系我们](https://cloud.tencent.com/act/event/Online_service)  。
        */
     ChunkDocument(req: ChunkDocumentRequest, cb?: (error: string, rep: ChunkDocumentResponse) => void): Promise<ChunkDocumentResponse>;
+    /**
+     * Embedding是一种将高维数据映射到低维空间的技术，通常用于将非结构化数据，如文本、图像或音频转化为向量表示，使其更容易输入机器模型进行处理，并且向量之间的距离可以反映对象之间的相似性。 本接口有模型维度调用上限控制，单个模型qps限制10，如您有提高并发限制的需求请[联系我们](https://cloud.tencent.com/act/event/Online_service)  。
+     */
+    GetMultiModalEmbedding(req: GetMultiModalEmbeddingRequest, cb?: (error: string, rep: GetMultiModalEmbeddingResponse) => void): Promise<GetMultiModalEmbeddingResponse>;
     /**
        * 重排是指在 RAG 过程中，通过评估文档与查询之间的相关性，将最相关的文档放在前面，确保语言模型在生成回答时优先考虑排名靠前的上下文，提高生成结果的准确性和可信度，也可以通过这种方式进行过滤，减少大模型成本。
   本接口有单账号调用上限控制，如您有提高并发限制的需求请[联系我们](https://cloud.tencent.com/act/event/Online_service)  。

package/tencentcloud/services/es/v20250101/es_client.js

@@ -82,6 +82,12 @@ class Client extends TencentCloudCommon.AbstractClient {
     async ChunkDocument(req, cb) {
         return this.request("ChunkDocument", req, cb);
     }
+    /**
+     * Embedding是一种将高维数据映射到低维空间的技术，通常用于将非结构化数据，如文本、图像或音频转化为向量表示，使其更容易输入机器模型进行处理，并且向量之间的距离可以反映对象之间的相似性。 本接口有模型维度调用上限控制，单个模型qps限制10，如您有提高并发限制的需求请[联系我们](https://cloud.tencent.com/act/event/Online_service)  。
+     */
+    async GetMultiModalEmbedding(req, cb) {
+        return this.request("GetMultiModalEmbedding", req, cb);
+    }
     /**
        * 重排是指在 RAG 过程中，通过评估文档与查询之间的相关性，将最相关的文档放在前面，确保语言模型在生成回答时优先考虑排名靠前的上下文，提高生成结果的准确性和可信度，也可以通过这种方式进行过滤，减少大模型成本。
   本接口有单账号调用上限控制，如您有提高并发限制的需求请[联系我们](https://cloud.tencent.com/act/event/Online_service)  。

package/tencentcloud/services/es/v20250101/es_models.d.ts

@@ -424,6 +424,21 @@ export interface ChunkConfig {
      */
     ChunkOverlap?: number;
 }
+/**
+ * 多模态特征向量
+ */
+export interface MultiModalEmbeddingData {
+    /**
+     * 文本特征向量
+  注意：此字段可能返回 null，表示取不到有效值。
+     */
+    TextEmbeddings?: Array<EmbeddingData>;
+    /**
+     * 图片特征向量
+  注意：此字段可能返回 null，表示取不到有效值。
+     */
+    ImageEmbeddings?: Array<EmbeddingData>;
+}
 /**
  * function定义
  */
@@ -475,6 +490,27 @@ export interface OutputMessage {
      */
     ToolCalls?: Array<ToolCall>;
 }
+/**
+ * 模型生成的工具调用
+ */
+export interface ToolCall {
+    /**
+     * 工具调用id
+     */
+    Id?: string;
+    /**
+     * 工具调用类型，当前只支持function
+     */
+    Type?: string;
+    /**
+     * 具体的function调用
+     */
+    Function?: ToolCallFunction;
+    /**
+     * 索引值
+     */
+    Index?: number;
+}
 /**
  * 文档信息
  */
@@ -555,25 +591,42 @@ export interface ChunkDocumentAsyncResponse {
     RequestId?: string;
 }
 /**
- * 模型生成的工具调用
+ * GetMultiModalEmbedding返回参数结构体
  */
-export interface ToolCall {
+export interface GetMultiModalEmbeddingResponse {
     /**
-     * 工具调用id
+     * 多模态特征向量输出
      */
-    Id?: string;
+    Data?: MultiModalEmbeddingData;
     /**
-     * 工具调用类型，当前只支持function
+     * 消耗的tokens和输入图片数量
      */
-    Type?: string;
+    Usage?: MultiModalUsage;
     /**
-     * 具体的function调用
+     * 唯一请求 ID，由服务端生成，每次请求都会返回（若请求因其他原因未能抵达服务端，则该次请求不会获得 RequestId）。定位问题时需要提供该次请求的 RequestId。
      */
-    Function?: ToolCallFunction;
+    RequestId?: string;
+}
+/**
+ * GetMultiModalEmbedding请求参数结构体
+ */
+export interface GetMultiModalEmbeddingRequest {
     /**
-     * 索引值
+     * 模型名称，支持WeCLIPv2-Base和WeCLIPv2-Large
      */
-    Index?: number;
+    ModelName?: string;
+    /**
+     * 需进行向量化的文本集，一次输入限10条，单条文本长度限72
+     */
+    Texts?: Array<string>;
+    /**
+     * 输入图片，base64编码格式，一次输入限制8个，单张图片限制1M
+     */
+    ImageData?: Array<string>;
+    /**
+     * 输入图片url，一次输入限8个，推荐cos地址，速度更快
+     */
+    ImageUrl?: Array<string>;
 }
 /**
  * 联网搜索选项。
@@ -700,6 +753,19 @@ export interface Message {
      */
     ToolCalls?: Array<ToolCall>;
 }
+/**
+ * 多模态向量化消耗tokens和images数量
+ */
+export interface MultiModalUsage {
+    /**
+     * 消耗tokens
+     */
+    TotalTokens?: number;
+    /**
+     * 输入图片数量
+     */
+    TotalImages?: number;
+}
 /**
  * ChatCompletions返回参数结构体
  */