import vertexai
from vertexai.language_models import TextEmbeddingModel, TextEmbeddingInput

# Google CloudプロジェクトIDとリージョンを指定
PROJECT_ID = "your-project-id" # 実際のプロジェクトIDに置き換えてください
REGION = "asia-northeast1" # モデルが利用可能なリージョンを指定してください

# Vertex AI SDKの初期化
vertexai.init(project=PROJECT_ID, location=REGION)

# 使用するテキスト埋め込みモデルを指定
# 利用可能なモデルについては、Vertex AIの公式ドキュメントを参照してください。
# 例: "text-embedding-004", "text-multilingual-embedding-002"
model_name = "text-multilingual-embedding-002"

# テキスト埋め込みモデルのロード
model = TextEmbeddingModel.from_pretrained(model_name)

texts = ["これは最初のテキストです。", "そして、これが二番目のテキストです。", "関連性のある全く別の文章です。", ]

# テキストをTextEmbeddingInputオブジェクトのリストに変換
# タスクタイプを指定する場合 (例: 検索ドキュメント)
inputs = [TextEmbeddingInput(text, task_type="RETRIEVAL_DOCUMENT") for text in texts]

# テキスト埋め込みの生成
print(f"Generating embeddings for {len(texts)} texts using model: {model_name}")
embeddings = model.get_embeddings(inputs)

# 結果の表示
for i, embedding in enumerate(embeddings):
    print(f"Text: '{texts[i]}'")
    print(f"Embedding dimension: {len(embedding.values)}")
    print(f"Embedding (first 5 elements): {embedding.values[:5]}...")
    print("-" * 20)

import vertexai, numpy as np
from vertexai.language_models import TextEmbeddingModel, TextEmbeddingInput

vertexai.init(project="your-project-id", location="asia-northeast1")
model = TextEmbeddingModel.from_pretrained("gemini-embedding-001")

texts = [
    "抹茶ラテの作り方",
    "グリーンティーラテの簡単レシピ",
    "サッカー最新戦術の解説"
]

inputs = [TextEmbeddingInput(t, task_type="SEMANTIC_SIMILARITY") for t in texts]

# 768 dim に圧縮（MRL）
embs = model.get_embeddings(inputs, output_dimensionality=768)
# デフォルトの次元
# embs = model.get_embeddings(inputs,)

# 正規化はお好みで（推奨）
array = np.vstack([e.values for e in embs]).astype("float32")
array /= np.linalg.norm(array, axis=1, keepdims=True)

print(array.shape)      # (3, 768)