選擇自然語言處理函式

本文將比較 BigQuery ML 提供的自然語言處理函式，包括 ML.GENERATE_TEXT、ML.TRANSLATE 和 ML.UNDERSTAND_TEXT。如果函式的功能重疊，您可以參考本文資訊，決定要使用哪個函式。

這兩項函式的主要差異如下：

  • ML.GENERATE_TEXT 是以較低成本執行自訂自然語言處理 (NLP) 工作的理想選擇。這項功能支援更多語言、輸送量更快、可調整模型，且適用於多模態模型。
  • ML.TRANSLATE 是執行翻譯專屬 NLP 工作的好選擇，可支援每分鐘高查詢率。
  • ML.UNDERSTAND_TEXT 是執行 Cloud Natural Language API 支援的 NLP 工作時的理想選擇。

函式比較

請參閱下表，比較 ML.GENERATE_TEXT、ML.TRANSLATE 和 ML.UNDERSTAND_TEXT 函式：

ML.GENERATE_TEXT ML.TRANSLATE ML.UNDERSTAND_TEXT
目的

將提示傳遞至 Gemini 或合作夥伴模型，或是開放式模型，即可執行任何 NLP 工作。

舉例來說，如要執行問答工作，可以提供類似 CONCAT("What are the key concepts in the following article?: ", article_text) 的提示。

 使用 Cloud Translation API 執行下列工作： 使用 Cloud Natural Language API 執行下列工作：
帳單

系統會針對處理的資料收取 BigQuery ML 費用。詳情請參閱 BigQuery ML 定價一文。

模型呼叫會產生 Vertex AI 費用。如果使用 Gemini 2.0 以上版本模型，系統會以批次 API 費率計費。詳情請參閱「在 Vertex AI 中建構及部署 AI 模型的費用」。

 系統會針對處理的資料收取 BigQuery ML 費用。詳情請參閱 BigQuery ML 定價一文。

呼叫 Cloud Translation API 會產生費用。詳情請參閱 Cloud Translation API 定價。

系統會針對處理的資料收取 BigQuery ML 費用。詳情請參閱 BigQuery ML 定價一文。

呼叫 Cloud Natural Language API 時會產生費用。詳情請參閱 Cloud Natural Language API 定價。
每分鐘要求數 不適用於 Gemini 模型。合作夥伴模型：25 到 60。詳情請參閱「每分鐘要求數限制」。 200。詳情請參閱雲端 AI 服務函式。 600。詳情請參閱雲端 AI 服務函式。
每分鐘權杖數 視使用的模型而定，範圍從 8,192 到超過 100 萬。 沒有詞元數量上限。不過，ML_TRANSLATE 有 30,000 個位元組的限制。 100,000。
輸入資料 支援 BigQuery 標準資料表和物件資料表中的文字和非結構化資料。 支援 BigQuery 標準資料表的文字資料。 支援 BigQuery 標準資料表的文字資料。
函式輸出 即使使用相同的提示，模型呼叫的輸出內容也可能有所不同。 針對每次成功的 API 呼叫，為特定工作類型產生相同的輸出內容。輸出內容會包含輸入語言的相關資訊。 針對每次成功的 API 呼叫，為特定工作類型產生相同的輸出內容。輸出內容會包含情緒分析工作的情緒強度資訊。
資料脈絡 您可以在提交的提示中提供資料背景資訊。 不支援。 不支援。
監督式調整 受監護微調 適用於部分模型。 不支援。 不支援。
支援的語言 支援的語言會因您選擇的 LLM 而異。 支援 Cloud Translation API 語言。 支援 Cloud Natural Language API 語言。
支援的地區 所有 Vertex AI 生成式 AI 區域皆支援這項功能。 支援 EU 和 US 多區域。 支援 EU 和 US 多區域。