テキスト
Embedding を作成
入力テキストを表現する embedding ベクトルを作成します
リクエストボディ
入力が大きい場合、HTTP クライアントのタイムアウトを少なくとも 120s に設定してください。処理完了後にレスポンスを返します。
使用する embedding モデルの ID（例: text-embedding-3-small）。
入力は文字列または文字列の配列です。トークン入力に対応するモデルでは、単一のトークン列に number[]、複数の列に number[][] も指定できます。
floatembeddings の形式: float または base64。
出力の次元数（モデル固有）。
不正使用の監視のためにエンドユーザーを表す一意の識別子。
利用可能なモデル
GET /v1/models?recommended_for=embedding で現在のモデルと次元数を確認できます。
レスポンス
常に list です。
embedding オブジェクトの配列。
各オブジェクトには以下が含まれます:
object(string):embeddingindex(integer): 入力配列内のインデックスembedding(array | string):floatは数値ベクトル、base64は Base64 文字列を返します。
使用されたモデル。
prompt_tokens および total_tokens を含む token 使用量。
リクエスト
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"
}'読みやすくするため、例のベクトルは短縮しています。
レスポンス
{
"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
}
}バッチ Embeddings
# 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")認証
BearerAuth APIキー認証。Dashboard > API > API KeysでAPIキーを作成または管理します。
場所: header
ヘッダー
リクエストごとの配信ポリシー。APIキーおよびWorkspaceのデフォルト設定を上書きします。自動的にまず TokenLab Verified を試行し、出力、リクエストの受け入れ、または永続的なリソース作成の前に、一度だけ Official に切り替える場合があります。
指定できる値
- "auto"
- "verified"
- "official"
リクエストボディ
application/json
レスポンス
application/json
application/json
application/json
application/json
application/json
application/json
application/json