TokenLab
API anahtarı al
DokümantasyonAPI ReferansıEntegrasyonlar

Metin

Embedding Oluştur

Girdi metnini temsil eden bir embedding vektörü oluşturur

POST
/v1/embeddings

İstek Gövdesi

Büyük girdiler için HTTP istemcisi zaman aşımını en az 120s olarak ayarlayın. İşleme tamamlandığında yanıt döner.

modelstringzorunlu

Kullanılacak embedding modelinin kimliği (ör. text-embedding-3-small).

inputstring | arrayzorunlu

Metin bir dize veya dize dizisidir. Token girdisini destekleyen modeller ayrıca tek token dizisi için number[], birden çok dizi için number[][] kabul eder.

encoding_formatstringvarsayılan: float

Embedding'ler için format: float veya base64.

dimensionsinteger

Çıktı için boyut sayısı (modele özeldir).

userstring

Kötüye kullanım izleme için son kullanıcınızı temsil eden benzersiz bir tanımlayıcı.

Kullanılabilir Modeller

Güncel modeller ve boyutlar için GET /v1/models?recommended_for=embedding kullanın.

Yanıt

objectstring

Her zaman list.

dataarray

Embedding nesnelerinden oluşan dizi.

Her nesne şunları içerir:

  • object (string): embedding
  • index (integer): Girdi dizisindeki indeks
  • embedding (array | string): float için sayısal vektör veya base64 için Base64 dizesi.
modelstring

Kullanılan model.

usageobject

prompt_tokens ve total_tokens ile token kullanımı.

İstek

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"
  }'

Örnek vektör okunabilirlik için kısaltılmıştır.

Yanıt

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
  }
}

Toplu Embedding'ler

# 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")

İlgili API’ler

POST /v1/multimodal/embeddings

Başka bir API kullanmadan önce modelin güncel genel sözleşmesini okuyun. Kullanılabilirlik ve istek alanları modele bağlıdır.

Çok modlu girdi; text, image_url veya image_base64 ve image_mime_type içeren nesne ya da dizidir. Görseller etkin destek ve modelin açık sözleşmesini gerektirir. Her embedding modeli desteklemez.

Yetkilendirme

BearerAuth
AuthorizationBearer <token>

API Anahtarı kimlik doğrulaması. API anahtarlarını Dashboard > API > API Keys bölümünden oluşturun veya yönetin.

Konum: header

Başlıklar

X-TokenLab-Delivery-Policy?string

İstek bazlı Teslimat politikası. API anahtarı ve Çalışma Alanı varsayılanlarını geçersiz kılar. Otomatik olarak önce TokenLab Verified dener ve çıktı, istek kabulü veya kalıcı kaynak oluşturma öncesinde bir kez Official seçeneğine geçiş yapabilir.

Geçerli değerler

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

İstek gövdesi

application/json

Yanıt

application/json

application/json

application/json

application/json

application/json

application/json

application/json

Mesaj Oluştur

Önceki

Dokümanları Yeniden Sırala

Sonraki