研究介绍了E5-V框架，通过调整多模态大型语言模型实现通用多模态嵌入。E5-V利用提示语弥合模态差距，性能强大。提出的单模态训练方法仅需文本对，降低训练成本约95%，无需昂贵数据。实验显示，E5-V在多任务中表现优于现有方法。