텍스트
임베딩 생성
입력 텍스트를 나타내는 임베딩 벡터를 생성합니다
요청 본문
큰 입력의 경우 HTTP 클라이언트 타임아웃을 최소 120s로 설정하세요. 처리 완료 후 응답합니다.
사용할 임베딩 모델의 ID입니다 (예: text-embedding-3-small).
입력은 문자열 또는 문자열 배열입니다. 토큰 입력을 지원하는 모델은 단일 토큰 시퀀스에 number[], 여러 시퀀스에 number[][]도 허용합니다.
float임베딩의 형식입니다: float 또는 base64.
출력 차원 수입니다 (모델별 상이).
오용 모니터링을 위해 최종 사용자를 나타내는 고유 식별자입니다.
사용 가능한 모델
GET /v1/models?recommended_for=embedding으로 현재 모델과 차원을 확인하세요.
응답
항상 list입니다.
임베딩 객체의 배열입니다.
각 객체는 다음을 포함합니다:
object(string):embeddingindex(integer): 입력 배열 내 인덱스embedding(array | string):float는 숫자 벡터,base64는 Base64 문자열을 반환합니다.
사용된 모델입니다.
prompt_tokens 및 total_tokens를 포함한 Token 사용량입니다.
요청
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"
}'읽기 쉽도록 예시 벡터를 줄였습니다.
응답
{
"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
}
}배치 임베딩
# 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")인증
BearerAuth API 키 인증입니다. Dashboard > API > API Keys에서 API 키를 생성하거나 관리하십시오.
위치: header
헤더
요청별 전송 정책입니다. API 키 및 Workspace 기본값을 재정의합니다. 자동으로 TokenLab Verified를 먼저 시도하며, 출력, 요청 수락 또는 영구 리소스 생성 전에 Official 전용으로 한 번 전환될 수 있습니다.
허용 값
- "auto"
- "verified"
- "official"
요청 본문
application/json
응답
application/json
application/json
application/json
application/json
application/json
application/json
application/json