◆ AI freelancer? Become one of the first 2,000 founding members: 0 % commission, 60 days Advanced (start whenever you like) and your own cover image forever. AI freelancer? 0 % commission + 60 days Advanced Secure your spot →More →
Connect your AIKI

Search KI-Radar24 for AI tools, AI companies and AI freelancers right from your AI assistant.

How the KI-Radar24 connector works
Add listing
Sentence Transformers

Sentence Transformers

Python framework for text embeddings, reranking and semantic search

Description

sbert.net ist die Dokumentation von Sentence Transformers, einem Python-Framework zum Berechnen von Text-Embeddings und zum Reranking, das vortrainierte Modelle für semantische Suche, Ähnlichkeitsvergleiche und Retrieval bereitstellt.

Das Tool richtet sich an Entwickler, Forschende und ML-Teams, die Embeddings und Reranker für Suche, Clustering und Retrieval selbst betreiben wollen.

Tags

  • Programmierung
  • Machine Learning
  • RAG
  • Kostenlos nutzbar
  • Open Source

Last updated: November 2026 · Report an error · Badge for your website

At a glance

As of: November 2026
🛡️Privacy

Das Projekt wird vom UKP Lab der TU Darmstadt (Deutschland) in Zusammenarbeit mit Hugging Face gepflegt. Als lokal installierbare Open-Source-Bibliothek verarbeitet sie Daten in der eigenen Umgebung; ein Datenabfluss an den Anbieter findet laut Dokumentation nicht statt, ausdrückliche Datenschutzangaben sind dort nicht öffentlich dokumentiert. Beim Laden von Modellen vom Hugging Face Hub gelten die Bedingungen des Hubs.

💰
Pricing model

Open Source und kostenlos nutzbar.

👥
Target audience
EntwicklerData ScientistsForschungsteams
⚙️
Technology

Python-Framework mit Sentence Transformer, Cross Encoder, Sparse Encoder (SPLADE) und Multi-Vector Encoder; Installation per uv, pip, Conda oder aus dem Quellcode, optional mit CUDA-Unterstützung für GPUs.

🔗
Integrations
Installation per pip oder CondaNutzung vortrainierter ModelleZusammenarbeit mit dem Hugging-Face-Ökosystem
📊
Features
Dichte Text-EmbeddingsCross-Encoder-RerankingSparse EncoderMulti-Vector-EmbeddingsMultimodale Eingaben wie BilderAudio und VideoFeintuning eigener Modelle

✅ Pros

  • Freie Open-Source-Bibliothek mit vielen vortrainierten Modellen
  • Läuft lokal ohne externe API

❌ Cons

  • Erfordert Python-Kenntnisse und eigene Rechenressourcen
  • Kein gehosteter Dienst mit Support
🎯
Who is it for?

Gut geeignet für Entwickler und Forschende, die Embeddings und Reranker für Suche und RAG lokal und kostenlos einsetzen wollen.

Information provided by the vendor, As of November 2026, no guarantee. Spotted a mistake? Report

reviews

No reviews yet. Be the first!

Write a review

Your email will not be published.