以文搜图，多种语言也不成问题（CLIP 支持中文）

以文搜图是跨模态图文检索的一部分，那么什么是跨模态图文检索？说的通俗易懂，就是实现文字和图片两种不同格式数据之间的互相搜索，通过文字描述找到最符合的图片，或者搜寻最适合图片的文字描述。不同于通过标签将文本和图片关联起来，跨模态模型能够从语义或内容含义的角度匹配不同类型的数据，这种检索方式更接近人为判断，更加“人工智能”。

如今最热门的跨模态文本图片模型莫过于 CLIP，推荐一些原理详解和基于 CLIP 搭建文本图片搜索系统的教程：从零到一，教你搭建「以文搜图」搜索服务（一）_Zilliz Planet的博客-CSDN博客_以文搜图 和 从零到一，教你搭建「CLIP 以文搜图」搜索服务（二）：5 分钟实现原型_Zilliz Planet的博客-CSDN博客。我这里就不进行赘述了，接下来主要介绍大家很关心的一个问题：是否有预训练好的多语言 CLIP 模型？更直白一些，能用中文搜图片吗？

先上代码：