TokenLab
Obtenir une clé API
DocumentationRéférence APIIntégrations

Texte

Créer un embedding

Crée un vecteur d’embedding représentant le texte d’entrée

POST
/v1/embeddings

Corps de la requête

Pour les entrées volumineuses, réglez le délai du client HTTP sur au moins 120s. La réponse arrive à la fin du traitement.

modelstringrequis

ID du modèle d’embedding à utiliser (par ex., text-embedding-3-small).

inputstring | arrayrequis

Texte sous forme de chaîne ou de tableau de chaînes. Les modèles acceptant des tokens prennent aussi number[] pour une séquence ou number[][] pour plusieurs séquences.

encoding_formatstringpar défaut: float

Format des embeddings : float ou base64.

dimensionsinteger

Nombre de dimensions pour la sortie (spécifique au modèle).

userstring

Un identifiant unique représentant votre utilisateur final pour la surveillance des abus.

Modèles disponibles

Consultez GET /v1/models?recommended_for=embedding pour les modèles et dimensions actuels.

Réponse

objectstring

Toujours list.

dataarray

Tableau d’objets embedding.

Chaque objet contient :

  • object (string) : embedding
  • index (integer) : Index dans le tableau d’entrée
  • embedding (array | string): Vecteur numérique pour float, ou chaîne Base64 pour base64.
modelstring

Modèle utilisé.

usageobject

Utilisation des tokens avec prompt_tokens et total_tokens.

Requête

curl -X POST "https://api.tokenlab.sh/v1/embeddings" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "The quick brown fox jumps over the lazy dog"
  }'

Le vecteur de l’exemple est raccourci pour faciliter la lecture.

Réponse

Response
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023, -0.0194, 0.0081]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 9,
    "total_tokens": 9
  }
}

Embeddings par lot

# Embed multiple texts at once
response = client.embeddings.create(
    model="text-embedding-3-small",
    input=[
        "First document text",
        "Second document text",
        "Third document text"
    ]
)

for i, data in enumerate(response.data):
    print(f"Document {i}: {len(data.embedding)} dimensions")

Autorisation

BearerAuth
AuthorizationBearer <token>

Authentification par clé API. Créez ou gérez vos clés API dans Dashboard > API > API Keys.

Emplacement: header

En-têtes

X-TokenLab-Delivery-Policy?string

Politique de livraison par requête. Remplace les valeurs par défaut de la clé API et de l'espace de travail. Tente automatiquement TokenLab Verified en premier et peut basculer une fois vers Official uniquement avant la sortie, l'acceptation de la requête ou la création de ressource persistante.

Valeurs possibles

  • "auto"
  • "verified"
  • "official"

Corps de la requête

application/json

Réponse

application/json

application/json

application/json

application/json

application/json

application/json

application/json

Créer un message

Précédent

Réorganiser les documents

Suivant