AI 関数 - AnalyticDB - Alibaba Cloud ドキュメントセンター

AI 関数を使用すると、データベースから直接 AI サービスを呼び出し、AI によるテキスト生成、条件付きチェック、感情分析、分類などのタスクを実行できます。このトピックでは、AnalyticDB for MySQL で AI 関数を使用する方法について説明し、その例を示します。

重要

AI モデルの確率的な性質により、AI 関数は同じ入力に対しても異なる結果を生成する場合があります。

テキスト関数
- ai_filter：入力テキストに対して、事実またはコンプライアンスのチェックを実行します。
- ai_translate：入力テキストを指定された言語に翻訳します。
- ai_classify：入力テキストのセマンティック分析を実行し、事前定義されたカテゴリまたはラベルに割り当てます。
- ai_extract：非構造化テキストから、名前、日付、住所、キーワードなど、指定されたタイプの構造化情報を抽出します。
- ai_sentiment：入力テキストの感情を分析し、ポジティブ、ネガティブ、ニュートラルなどの感情ラベルを返します。
- ai_similarity：2 つのテキスト間のセマンティック類似性を計算します。
- ai_mask：入力テキスト内の ID カード番号、電話番号、メールアドレスなどの機密情報をマスクします。
- ai_summarize：長いテキストをセマンティックに圧縮して、簡潔で正確な要約を生成します。
- ai_embed：テキスト埋め込みを生成します。
- ai_pdf_extract：PDF ドキュメントから情報を抽出します。
音声関数
- ai_audio_transcribe：音声クリップをテキストに文字起こしします。セグメンテーションモードやターゲット言語などのパラメーターを指定できます。
- ai_audio_embed：音声クリップを埋め込みベクトルに変換します。

前提条件

ご利用の AnalyticDB for MySQL Enterprise Edition、Basic Edition、Data Lakehouse Edition、または Data Warehouse Edition (Elastic Mode) クラスターで ENI アクセスが有効になっていること。
重要
ENI アクセスの有効化または無効化により、データベース接続が約 2 分間中断されます。この間、読み取りや書き込みはできません。この変更を行う前に、影響を評価してください。
AnalyticDB for MySQL クラスターのカーネルバージョンが 3.2.8 以降であること。
説明
マイナーバージョンを表示および更新するには、AnalyticDB for MySQL コンソールの クラスター情報 ページにある 構成情報 セクションに移動します。すでに最新のデフォルトベースラインバージョンであるクラスターをアップグレードするには、DingTalk (DingTalk ID： x5v_rm8wqzuqf) で Alibaba Cloud サービスサポートにお問い合わせください。

事前準備

AI 関数を使用するには、ご利用の AnalyticDB for MySQL クラスターから Model Studio へのネットワークパスを設定し、モデルを作成する必要があります。

パブリックインターネット経由の接続

パブリック NAT ゲートウェイを設定します。
ご利用の AnalyticDB for MySQL クラスターと同じリージョンに NAT ゲートウェイを作成し、それに Elastic IP アドレス (EIP) をバインドしてから、SNAT エントリを作成します。vSwitch 上に SNAT エントリを作成することを推奨します。詳細については、「パブリック NAT ゲートウェイ」をご参照ください。

モデルを作成します。構文の詳細については、「CREATE MODEL」をご参照ください。

例：

CREATE MODEL qwen_plus_external
OPTIONS (
    type='external',
    provider='bailian',
    name='qwen-plus',
    interface='TEXT_TO_TEXT',
    api_key='sk-xxx' -- Model Studio で有効化したモデルサービスの API キーに置き換えます。
)

PrivateLink 経由の接続

エンドポイントを設定し、プライベートドメイン名を取得します。詳細については、「プライベートネットワーク経由での Model Studio モデルまたはアプリケーション API へのアクセス」をご参照ください。
重要
Model Studio は、次のリージョンで利用できます：
エンドポイントは、Model Studio サービスと同じリージョンにある必要があります。別のリージョンの VPC を使用するには、「リージョン間のプライベートアクセス」をご参照ください。

モデルを作成します。構文の詳細については、「CREATE MODEL」をご参照ください。

例：

CREATE MODEL qwen_plus_external
OPTIONS (
    type='external',
    provider='bailian',
    name='qwen-plus',
    interface='TEXT_TO_TEXT',
    api_key='sk-xxx', -- Model Studio で有効化したモデルサービスの API キーに置き換えます。
    endpoint='ep-xxx.com' -- PrivateLink エンドポイントのドメイン名に置き換えます。
)

テキスト関数

ai_filter

ai_filter(text)
ai_filter(model_name, text)

説明：入力テキストが事実に基づいているか、またはコンプライアンスに準拠しているかを確認します。コンテンツが信頼でき、合理的であるか、事前定義されたルールに準拠している場合は true を返します。それ以外の場合は false を返します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
戻り値：BOOLEAN。

例 1

SELECT ai_filter("Is Zhejiang in China?")

結果

+---------------------------------+
| ai_filter("Is Zhejiang in China?")       |
+---------------------------------+
| 1                               |

例 2

SELECT ai_filter("qwen_plus_external", "Is Zhejiang in China?")

結果

+----------------------------------------------+
| ai_filter("qwen_plus_external", "Is Zhejiang in China?")       |
+----------------------------------------------+
| 1                                            |

ai_translate

ai_translate(text, targetLang)
ai_translate(model_name, text, targetLang)

説明：入力テキストを指定された言語に翻訳します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
- targetLang：翻訳のターゲット言語。データ型：VARCHAR。
  重要
  モデルはターゲット言語をサポートしている必要があります。
戻り値：VARCHAR。

例

SELECT ai_translate("AnalyticDB for MySQL is a data analytics platform based on a lakehouse architecture.", "cn") as translate_text

結果

+-------------------------------------------------------+
| translate_text                                        |
+-------------------------------------------------------+
| AnalyticDB for MySQL 是一个基于湖仓一体架构的数据分析平台。 |

ai_classify

ai_classify(text, labels)
ai_classify(model_name, text, labels)

説明：セマンティック分析に基づいて、入力テキストを事前定義されたカテゴリまたはラベルに分類します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
- labels：事前定義されたカテゴリラベルのリスト。データ型：VARCHAR または Array<VARCHAR>。
戻り値：VARCHAR。

例 1

SELECT ai_classify('Last night, I tried a new pasta recipe in the kitchen. The sauce was rich, and my family loved it!', "['travel', 'cooking', 'reading', 'driving']")
AS predicted_label;

結果

+----------------------------------------------+
| predicted_label                              |
+----------------------------------------------+
| cooking                                      |

例 2

SELECT ai_classify('Last night, I tried a new pasta recipe in the kitchen. The sauce was rich, and my family loved it!', ARRAY['travel', 'cooking', 'reading', 'driving'])
AS predicted_label;

結果

+----------------------------------------------+
| predicted_label                              |
+----------------------------------------------+
| cooking                                      |

ai_extract

ai_extract(text, labels)
ai_extract(model_name, text, labels)

説明：非構造化テキストから、名前、日付、住所、キーワードなど、指定されたタイプの構造化情報を抽出します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
- labels：事前定義されたカテゴリラベルのリスト。データ型：VARCHAR または Array<VARCHAR>。
戻り値：VARCHAR。

例

select ai_extract('Yesterday (June 15, 2024), I bought an iPhone 15 Pro on Taobao. Its titanium body and A17 chip are truly amazing!', "['product_name', 'date', 'key_feature']") as result

結果

+----------------------------------------------+
| result                                       |
+----------------------------------------------+
| product_name=iPhone 15 Pro, date=2024年6月15日, key_feature=チタン製ボディと A17 チップ                                         |

ai_generate

ai_generate(text)
ai_generate(model_name, text)

説明：提供された入力テキスト (プロンプト) に基づいてテキストを生成します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
戻り値：VARCHAR。

例

select ai_generate('Briefly introduce the TPC-H benchmark in one sentence.') as result

結果

+----------------------------------------------+
| result                                       |
+----------------------------------------------+
| TPC-H is a standard benchmark used to evaluate the decision support capabilities of a database. |

ai_sentiment

ai_sentiment(text)
ai_sentiment(model_name, text)

説明：入力テキストの感情を分析し、positive、negative、neutral、または mixed の 4 つのラベルのいずれかを返します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
戻り値：VARCHAR。

例

SELECT ai_sentiment('These headphones have excellent sound quality and are comfortable to wear. Highly recommended!') AS sentiment;

結果

+----------------------------------------------+
| sentiment                                    |
+----------------------------------------------+
| positive                                     |

ai_similarity

ai_similarity(text1, text2)
ai_similarity(model_name, text1, text2)

説明：2 つのテキスト間のセマンティック類似性を計算します。0 から 10 までの類似性スコアを返し、スコアが高いほど類似性が高いことを示します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text1 および text2：入力テキスト。データ型：VARCHAR。
戻り値：VARCHAR。

例

SELECT ai_similarity(
  'How do I reset my account password?',
  'I forgot my login password, how can I retrieve it?'
) AS result;

結果

+----------------------------------------------+
| result                                       |
+----------------------------------------------+
| 9.3                                          |

ai_mask

ai_mask(text, labels)
ai_mask(model_name, text, labels)

説明：入力テキスト内の ID カード番号、電話番号、メールアドレスなどの機密情報をマスクします。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
- labels：事前定義されたカテゴリラベルのリスト。データ型：VARCHAR または Array<VARCHAR>。
戻り値：VARCHAR。

例

SELECT ai_mask(
  'Contact me at 1381234****, my email is user@example.com, and my ID card number is 110101199003072316',
  "['phone', 'email', 'id_card']"
) AS result;

結果

+----------------------------------------------+
| result                                       |
+----------------------------------------------+
| 連絡先：[MSKED]、メールアドレス：[MSKED]、ID カード番号：[MSKED]   |

ai_summarize

ai_summarize(text)
ai_summarize(model_name, text)

説明：長いテキストの簡潔で正確なセマンティック要約を生成します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
戻り値：VARCHAR。

例

SELECT ai_summarize('Above the winding lotus pond, all you see are vast leaves. The leaves rise high out of the water, like the skirts of graceful dancers. Among the layers of leaves, a few white flowers are scattered—some opening softly, some shyly in bud—like pearls, like stars in a blue sky, like beauties fresh from a bath. A breeze passes and brings faint fragrance, like a distant song from a tall building. At that moment, leaves and flowers tremble slightly, and the ripple flashes across the pond like lightning. The leaves, packed shoulder to shoulder, now seem to hold a wave of deep green. Beneath them flows quiet water, hidden from view, while the leaves look all the more charming. Moonlight pours down like water, gently over the leaves and flowers. A thin mist floats above the pond. Leaves and flowers look as if washed in milk, as if wrapped in a light veil of dream. It is full moon, yet a pale cloud hangs in the sky, so the light is not too bright; but I find it just right—deep sleep is necessary, yet a light nap has its own flavor. The moonlight comes filtered through trees. Dense shrubs cast jagged dark shadows like ghosts, while the sparse silhouettes of willows look like paintings on the lotus leaves. The moonlight in the pond is uneven, but light and shadow form a harmonious rhythm, like a famous tune played on a violin.') AS result;

結果

+---------------------------------------------------------+
| result                                                  |
+---------------------------------------------------------+
| The lotus pond under moonlight is quiet and beautiful: broad lotus leaves rise like dancers’ skirts, dotted with white flowers like pearls, stars, or beauties fresh from a bath. A breeze carries fragrance; leaves and blossoms tremble and form green ripples, while water flows hidden below. Moonlight pours down like water and a thin mist softens the scene into a dream. Clouds veil the full moon and cast mottled light and shadow: shrubs throw sharp dark shapes, willows leave delicate silhouettes, and together they move in harmony like a famous melody. |

ai_embed

ai_embed(text)
ai_embed(model_name, text)
ai_embed(model_name, text, options)

説明：テキスト埋め込みを生成します。
パラメーター：
- model_name：モデル名。データ型：VARCHAR。
- text：入力テキスト。データ型：VARCHAR。
- options：オプションのパラメーター。データ型：VARCHAR。サポートされているパラメーターは次のとおりです。
  パラメーター
  説明
  dimension
  埋め込み次元。
  type
  埋め込みタイプ。モデルは指定されたタイプをサポートしている必要があります。
  document (デフォルト)
  query
戻り値：Array。

例

SELECT ai_embed("text_embedding_v4", "What should I have for lunch today?", "{'dimension':1024}")

結果

[-0.02406704,-0.09344522,-0.021460138,-0.059166607,0.027912581,...]

ai_pdf_extract

ai_pdf_extract(url, options)
ai_pdf_extract(model_name, url, options)

説明：PDF ドキュメントから情報を抽出します。

パラメーター：

model_name：モデル名。データ型：VARCHAR。
url：ソース PDF ファイルの URL。データ型：VARCHAR。

options：オプションのパラメーター。データ型：VARCHAR。サポートされているパラメーターは次のとおりです。

パラメーター	説明
page_index	ファイルのページ番号。
role_arn	(オプション) OSS ファイルを所有するアカウントのロール ARN。 AnalyticDB for MySQL クラスターを所有するアカウントの OSS サービスを使用する場合、このパラメーターは不要です。
schema_only	ファイル構造を抽出するかどうかを指定します。 true：戻り値にファイル構造が含まれます。 false：戻り値にファイル構造が含まれません。
components	(オプション) データ抽出のためのカスタム構造を定義します。

components パラメーターは JSON 配列です。各要素は次の構造を持ちます：

パラメータータイプ	説明
name	構造の名前。
type	構造のタイプ： METADATA：メタデータ FORM：フォーム TABLE：テーブル CUSTOM：カスタム
instruction	構造の内容の説明。

戻り値：JSON。

例

SELECT ai_pdf_extract(
  'qwen35_plus',
  'oss://my-bucket/invoices/invoice_001.pdf',
  '{"page_index": 1}'
);

結果

{"data":[{"content":[{"description":"Services\nCost of various services.","rate":"$50.00\n+Tax","qty":"10","amount":"$500.00"},{"description":"Consulting\nConsultation for your business.","rate":"$75.00\n+Tax","qty":"15","amount":"$1,125.00"},{"description":"Materials\nCost of materials and supplies to complete job.","rate":"$122.39\n+Tax","qty":"1","amount":"$122.39"}],"name":"table","type":"table"},{"content":{"billed_to":"Your Client\n1234 Clients Street\nCity, California\n90210\nUnited States\n1-888-123-8910","date_issued":"26/2/2021","invoice_number":"INV-10012","amount_due":"$1,699.48","due_date":"25/4/2021","subtotal":"$1,798.39","discount":"-$179.84","tax":"$80.93","total":"$1,699.48","deposit_requested":"$169.95","deposit_due":"$169.95"},"name":"form","type":"form"},{"content":{"filename":"stocklist.pdf","size":117249,"creation_date":"2026-03-09 06:37:58","modification_date":"2026-03-09 06:37:58","page_count":1,"url":"oss://test-oss-hk/ai/pdf_test/stocklist.pdf","page_index":1},"name":"metadata","type":"metadata"}]}

音声関数

ai_audio_transcribe

この関数は組み込みモデルのみをサポートします。

ai_audio_transcribe(url)
ai_audio_transcribe(model_name, url)
ai_audio_transcribe(model_name, url, options)

説明：音声クリップをテキストに文字起こしします。セグメンテーションモードやターゲット言語などのパラメーターを指定できます。文字起こしされたテキスト、またはテキストファイルへの URL を返します。

パラメーター：

model_name：モデル名。データ型：VARCHAR。
url：入力音声ファイルの URL。データ型：VARCHAR。

options：JSON 文字列形式のオプションパラメーター。サポートされているパラメーターは次のとおりです。

パラメーター	説明	有効な値	デフォルト
language	文字起こしされたテキストのターゲット言語。	cn (中国語) en (英語) ja (日本語) yue (広東語) fspk (中国語と英語の混合)	cn
diarization_mode	テキストを段落に分割するモード。	word (単語ごと) sentence (文ごと) speaker (話者ごと)	word
output_type	出力フォーマット。	json (文字起こしされたテキストを直接 JSON オブジェクトとして返す) url (テキストを OSS に保存し、テキストファイルの URL を返す)	json

戻り値：VARCHAR。

例 1

SELECT ai_audio_transcribe("https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav") as result

結果

+----------------------------------------------+
| result                                       |
+----------------------------------------------+
| {"TaskId": "xxxx", "Transcription": {"AudioInfo": {"Size": 128480, "Duration": 3834, "SampleRate": 16000, "Language": "cn"}, "Paragraphs": [{"ParagraphId": "1768447804076500000", "SpeakerId": "1", "Words": [{"Id": 10, "SentenceId": 1, "Start": 100, "End": 595, "Text": "Hello, "}, {"Id": 20, "SentenceId": 1, "Start": 596, "End": 841, "Text": "world, "}, {"Id": 30, "SentenceId": 1, "Start": 844, "End": 1588, "Text": "这里是"}, {"Id": 40, "SentenceId": 1, "Start": 1588, "End": 2580, "Text": "阿里巴巴"}, {"Id": 50, "SentenceId": 1, "Start": 2580, "End": 3076, "Text": "语音"}, {"Id": 60, "SentenceId": 1, "Start": 3076, "End": 3820, "Text": "实验室。"}]}], "AudioSegments": [[100, 3820]]}}                                |

例 2

SELECT ai_audio_transcribe("tingwu", "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav", "{'diarization_mode':'sentence'}") as result

結果

+----------------------------------------------+
| result                                       |
+----------------------------------------------+
| {"TaskId": "xxxx", "Transcription": {"AudioInfo": {"Size": 128480, "Duration": 3834, "SampleRate": 16000, "Language": "cn"}, "Speakers": [{"SpeakerId": "1", "Sentences": [{"SentenceId": 1, "Start": 100, "End": 3820, "Text": "Hello, world, 这里是阿里巴巴语音实验室。"}]}]}}|

ai_audio_embed

この関数は音声埋め込みを生成し、組み込みモデルのみをサポートします。

ai_audio_embed(url)
ai_audio_embed(model_name, url)
ai_audio_embed(model_name, url, options)

説明：音声クリップのセグメントを埋め込みベクトルに変換します。開始時刻と終了時刻を使用してセグメントを指定できます。

パラメーター：

model_name：モデル名。データ型：VARCHAR。
text：入力テキスト。データ型：VARCHAR。

options：JSON 文字列形式のオプションパラメーター。サポートされているパラメーターは次のとおりです。

パラメーター	説明	注意
access_id	OSS の AccessKey ID。	ロール ARN が指定されている場合、`access_id`、`access_secret`、または `token` を提供する必要はありません。
access_secret	OSS の AccessKey Secret。
token	OSS トークン認証情報。
role_arn	ロール認証情報。
start_time	音声の開始時刻。	指定しない場合、デフォルトで音声の開始時刻になります。
end_time	音声の終了時刻。	指定しない場合、デフォルトで音声の終了時刻になります。

戻り値：Array<FLOAT>。

例

SELECT ai_audio_embed("https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav")

結果

[0.4234241,0.3575562,0.022631245,-0.09829298,-0.40605977,-0.72465694,-1.8039973,2.4773192,0.91702485,0.15146817,0.7209677,0.78260005,0.8019302,2.7577147,-0.86063147,-0.8249354,0.28732437,0.9009849,0.8899265,-1.5320694,-2.0866642,0.5051579,1.3553369,2.0348034,-0.74032015,-0.66065377,0.2756823,0.15714298,-2.8250875,0.8162984,0.20878711,0.8285897,1.4863579,1.0645012,-1.2933203,0.6919463,0.87850314,1.2212433,-0.44420764,-1.0146322,-1.8209833,0.16996253,-1.534067,-0.10253409,0.07611574,2.4005992,-1.2903963,0.6613166,-0.2554945,0.97570425,-0.108424075,0.82061934,-0.18102498,-0.27137256,-1.2723781,-0.9188018,-0.027503261,-0.15346082,-0.9564006,-0.4618776,-1.077228,-0.27756396,0.28749034,0.2570488,-0.39753774,0.5270934,0.6970718,-1.2984067,2.4312186,1.485573,1.6031872,-0.6158852,-1.1512791,0.49305362,-1.1939837,0.72933173,0.2659372,2.5559616,-0.41886744,0.6304756,-0.6171451,-0.5282561,0.78426796,-0.57570314,-0.91166306,-0.531768,0.96598166,0.17423655,-0.9133532,-0.09258405,-0.26951456,-0.34667063,-0.21612991,-0.054430377,0.052798696,0.5198285,1.9431844,-0.5638291,-2.1043544,-0.47198293,0.21959576,0.5975169,0.3951007,0.28112686,1.792782,-0.15896009,-0.71152246,1.1540072,0.37563428,0.0016163457,0.6544563,0.043974634,-1.6375796,-0.3698572,1.5310435,-0.20282944,0.73641545,2.1867669,1.4115202,-0.8114418,-0.36265984,0.2191038,-0.8933491,0.6616433,1.545423,0.10970531,-0.109743424,0.44605017,-0.087265715,0.29077715,-2.4435875,-1.1484046,0.078253455,0.02283861,-0.29482847,2.0237377,-0.6009212,-1.2377249,0.05194488,-0.16573223,0.8370868,-0.43602425,-0.4706988,0.17996503,0.88799554,0.6562157,-0.7520023,0.64789253,0.36865348,-1.4820247,0.5299587,1.1884397,1.4351603,0.21073115,-0.1712549,2.9410155,1.7485802,-0.6828801,-0.4833641,-0.4477328,2.3307724,-0.35595444,-0.61682695,-0.5370858,-0.8068234,1.2195143,-1.0834758,0.45275012,1.6243625,-1.3629726,-0.2959109,0.05071621,-0.7280639,-0.1713935,-0.43650395,-0.2131698,0.25380868,-0.16288652,2.0921175,0.3555297,-0.10752705,0.5716714,-0.09943808,-1.9066161,0.12683412,0.8566219,-0.20323975,1.4260024,-0.28789783,0.32412016,0.88897985,0.86555415,0.5940666,0.6645551,0.046334613,-1.5640875,-0.3510718,0.55363727,-0.13503519,0.67008746,-0.9184686,0.025278697,1.0128921,-0.61241907,-0.01107134,-0.8309523,-0.51025873,1.1141272,0.28813183,-0.10634196,-0.9954202,-0.07171043,-0.5856978,-1.2660285,2.1327019,-0.60268104,-0.6227884,-0.42101067,0.059599742,-0.09640202,-1.258711,0.5054924,-1.1847625,-0.044398762,-0.98595804,0.8883682,0.6221085,-2.5484293,0.7249505,0.69930685,0.7739025,-0.8139478,-1.1988907,-1.0416493,2.0153732,-1.7091763,-0.5611238,-1.2147603,0.9113469,1.5113174,0.23810485,-1.702736,-0.3295935,-0.41867778,-1.0378691,-0.45600057,-0.43525052,-0.1078409,-1.2993969,0.12842774,0.026097976,-0.7705405,-1.0907317,0.28274077,1.236289,1.6190177,2.1874366,0.16072829,-0.33150536,2.218483,-1.1703843,0.10300327,1.1994884,0.48275462,-0.40795812,0.5020531,1.1787555,-0.082187966,0.6315653,0.36654752,-0.24940589,-0.8652801,1.6283739,0.41405886,0.6377814,0.08396838,-1.0169003,1.2100558,1.4457762,-0.07999261,-0.012102162,0.85055244,-0.09711141,-1.0452846,0.13768612,-2.0506873,-1.6474499,0.043265514,-1.0009454,-0.0111249415,-1.2523409,-0.080719866,-0.6187693,-1.398226,0.6425289,-0.4808641,-0.06030046,-0.10275636,-0.31625932,-1.5993032,-0.20966552,-1.4618409,0.34925935,-0.5034448,0.100028045,0.25327235,-1.078896,-0.23394233,1.2247928,-2.6050038,-0.71609926,-0.77765155,-1.2089496,0.8526703,-0.1358416,1.1074059,1.1545771,-0.94525933,0.41012967,0.9361201,-0.14788401,-0.29333082,1.5782444,1.1100405,-0.4074414,-0.3862537,-0.5779069,-0.88644946,0.2233385,1.3612705,1.2413827,-1.3625424,-1.3623037,0.3056319,-1.4446377,0.64613384,0.15064861,-0.61473364,-1.3611295,-0.1975697,-1.0701923,0.7591377,-1.2106745,-2.067824,0.45041704,-0.71582735,-1.743847,1.169414,2.0158787,0.4734838,-0.3133036,-1.9916989,1.1441987,0.9155275,-1.3003027,0.82898057,-0.7439868,1.2072865,0.46877453,0.6648313,0.80477613,1.6927507,0.5842916,0.36608973,2.259473,-1.1628797,-0.3311869,0.36989415,-0.25035658,-0.28012496,1.092324,-0.40238732,0.0046352614,-2.0625768,1.161326,0.92277956,-0.20316431,-0.15164377,1.1715052,-0.7067665,-0.8608931,0.079684004,-0.89916384,0.02488108,-0.57668805,-0.879138,-1.7274998,0.824049,1.5638052,0.28415555,-0.17347385,-2.085917,0.4987632,-0.031601395,-1.0190377,-0.7815816,0.69643223,-0.33574122,2.1242745,0.19785832,0.55690974,-1.3932099,-0.44952002,-0.7719798,1.1326215,0.43839702,0.996999,-0.55692834,1.4014084,-2.3939395,-1.0112343,-1.4143248,1.1514114,1.1233637,-0.3385779,-0.23665123,-0.100857966,0.4633971,1.6215613,-0.0692888,-0.031505972,1.0472811,0.57112235,0.6015763,0.07582237,0.52702487,-1.3809607,-1.7482765,0.38386008,0.99316126,0.95603,0.40644804,-1.5072054,-0.34419048,0.63205683,-1.0854999,-0.92245156,-0.2712947,-0.75696105,0.996232,-0.10738732,-0.4674776,-1.2149413,-1.5094053,1.6796608,0.21961057,-0.35295358,-1.2609407,-0.040009048,-0.38785484,0.7788784,-0.65823495,2.0559616,-1.0074826,1.2282485,1.2540467,0.4914942,-0.47057188,-0.47061247,-0.16255763,-0.6718562,-0.53630847,0.4804698,-0.3134068,0.6407026,-0.727981,0.0481851,0.06927338,0.8321921,-0.6639807,0.74932885,0.23291564,0.76362675,-1.2966217,0.8806557,-1.2141875,0.6996881,-0.8293652,0.9085288,1.8878758,0.11363957,0.148718,0.5030497,-1.0422761,0.08673843,-0.80342984,-0.8046266,-0.18026677,0.28900644,0.76534355,-1.3163859,-0.72775376,0.36529016,-0.3660175,0.31056792,0.052575216,-1.11831,0.7895246,1.1172394,-0.31374845,0.17143561,-0.42633826,0.16579832,-0.012790448,-1.4290546,-0.47322562,0.7557427,1.0487514,-0.14331971,0.30455515,0.6938429,0.5565799]

デフォルトの AI モデル

AI 関数を呼び出すときにモデル名を指定しない場合、システムはデフォルトのモデルを使用します。次の設定項目を使用して、デフォルトのモデルを変更できます。設定の変更方法については、「Config および Hint 設定パラメーター」をご参照ください。

モデルタイプ	デフォルトモデル	パラメーター
TEXT_TO_TEXT (テキストモデル)	qwen-plus	AI_FUNCTION_TEXT_TO_TEXT_MODEL
TEXT_TO_EMBEDDING (テキスト埋め込みモデル)	text-embedding-v2	AI_FUNCTION_TEXT_TO_EMBEDDING_MODEL
AUDIO_TO_TEXT (音声テキスト変換モデル)	tingwu	AI_FUNCTION_AUDIO_TO_TEXT_MODEL
AUDIO_TO_EMBEDDING (音声埋め込みモデル)	qwen2.5-vl-embedding	AI_FUNCTION_AUDIO_TO_EMBEDDING_MODEL
IMAGE_TO_TEXT (画像モデル)	qwen35_plus	AI_FUNCTION_IMAGE_TO_TEXT_MODEL

典型的なユースケース

ユースケース 1：テキスト検索

シナリオ：RAG やカスタマーサービスシステムなどのアプリケーションで、ユーザーの質問のセマンティクスに基づいてテキストライブラリを検索し、最も関連性の高い結果を取得します。

ai_embed 関数を使用して、検索クエリとライブラリ内のテキストを埋め込みに変換します。次に、コサイン類似度を計算し、結果をソートして最も類似した 10 個のテキストを見つけます。

SELECT cosine_similarity(ai_embed("The semantic text to search for"), ai_embed(text)) AS cos
FROM text_table
ORDER BY cos
LIMIT 10

ベクトル検索のパフォーマンスをさらに最適化するには、「ベクトル検索」をご参照ください。

ユースケース 2：話者認識

シナリオ：会議や日常会話の録音をテキストに文字起こしし、話者ごとに対話を区別します。

話者情報をさらに分析するには、音声を話者ごとにセグメント化し、各セグメントの埋め込みを音声データセットと比較します。完全なソリューションについては、「話者認識」をご参照ください。

文字起こしとセグメンテーション：AI_AUDIO_TRANSCRIBE 関数を使用して、音声をテキストに文字起こしし、話者ごとにセグメント化します。
```
SELECT ai_audio_transcribe("oss://xxx", "{'diarization_mode':'speaker'}")
```
話者認識：AI_AUDIO_EMBED 関数を使用して、入力音声と元の音声ライブラリの埋め込みベクトルを生成します。次に、l2_distance を計算し、最も近い 10 件の一致を選択します。
```
SELECT l2_distance(input_embedding, origin_embedding) AS ld
FROM(
  SELECT ai_audio_embed("oss://xxx") AS input_embedding
  JOIN
  SELECT ai_audio_embed(url) AS origin_embedding
  FROM audio_table)
ORDER BY ld
LIMIT 10
```

ユースケース 3：ネガティブな顧客レビューの抽出

シナリオ：ユーザーコメントからネガティブなフィードバックをフィルタリングします。

customer_comment テーブルには、日々の顧客コメントが保存されています。ai_sentiment 関数を使用して各コメントの感情を判断し、2026 年 1 月 1 日からのすべてのネガティブなコメントをフィルタリングします。

-- Model Studio の qwen-plus モデルに対応する qwen_plus_external モデルが事前に作成されています。
SELECT name, comment
FROM customer_comment
WHERE ai_sentiment("qwen_plus_external", comment)='negative'
AND dt='20260101'