Multimodal Embedding & Reranker Models with Sentence Transformers

Sentence Transformers v5.4 ajoute le support multimodal (texte, images, audio, vidéo) via des modèles d’embedding et de reranker partageant un espace vectoriel commun. Cela permet des recherches croisées et des pipelines RAG mixtes, avec détection automatique des modalités supportées. Des dépendances supplémentaires (image/audio/video) sont nécessaires et certains modèles nécessitent GPU.

Source

HuggingFace Blog

Ingéré

09 AVR. 2026 · 19:10

Score édito

4.0 / 5