TokenLab

Texte

Créer un embedding

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

POST
/v1/embeddings

Utilisez GET /v1/models?recommended_for=embedding pour lister les modèles d'embedding actuels. Utilisez un modèle dont les détails mentionnent l'opération embedding ou text-embedding. Un modèle qui indique multimodal-embedding renvoie 400 unsupported_endpoint ici ; envoyez-le à Créer des embeddings multimodaux.

Corps de la requête

Ce point de terminaison renvoie une réponse lorsque les vecteurs sont prêts. Pour les lots volumineux, définissez le délai d'expiration (timeout) de votre client HTTP sur au moins 120s.

modelstringrequis

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

inputstring | arrayrequis

Texte à vectoriser : une chaîne ou un tableau de chaînes. Les modèles prenant en charge les tokens en entrée acceptent également number[] pour une séquence de tokens ou number[][] pour plusieurs séquences. Le nombre d'éléments, de tokens par élément et de tokens par requête dépendent du modèle ; consultez-les dans GET /v1/models/{model}.

encoding_formatstringpar défaut: float

Format des embeddings : float ou base64.

dimensionsinteger

Nombre de dimensions de chaque vecteur retourné, un entier positif. Envoyez-le uniquement lorsque les détails du modèle mentionnent dimensions ; le maximum dépend du modèle.

userstring

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

Réponse

objectstring

Toujours list.

dataarray

Tableau d'objets d'embedding.

Chaque objet contient :

  • object (string) : embedding
  • index (integer) : Index dans le tableau d'entrée
  • embedding (array | string) : Un vecteur numérique pour float, ou une 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 d'exemple est raccourci pour des raisons de lisibilité.

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")

Erreurs

StatutCodeCause
400invalid_requestUn champ est manquant ou a un type incorrect. param le spécifie
400unsupported_endpointLe modèle n'est pas publié pour ce point de terminaison
413Le corps de la requête est trop volumineux

Gérez les autres statuts comme indiqué dans Gérer les erreurs d'API.

Interfaces associées

Pour les modèles qui mentionnent multimodal-embedding, utilisez Créer des embeddings multimodaux.

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

application/json