Metin

Embedding Oluştur

Girdi metnini temsil eden bir embedding vektörü oluşturur

POST
/v1/embeddings

Mevcut embedding modellerini listelemek için GET /v1/models?recommended_for=embedding kullanın. Detaylarında embedding veya text-embedding işlemini listeleyen bir model kullanın. multimodal-embedding listeleyen bir model burada 400 unsupported_endpoint hatası döndürür; bunu Multimodal Embedding Oluştur uç noktasına gönderin.

İstek Gövdesi

Bu uç nokta, vektörler hazır olduktan sonra yanıt verir. Büyük toplu işlemler için HTTP istemcinizin zaman aşımı süresini en az 120s olarak ayarlayın.

modelstringzorunlu

Kullanılacak embedding modelinin kimliği (ID) (örneğin, text-embedding-3-small).

inputstring | arrayzorunlu

Embedding'e dönüştürülecek metin: bir dize veya bir dize dizisi. Token girdisini destekleyen modeller, tek bir token dizisi için number[] veya birden fazla dizi için number[][] biçimini de kabul eder. Öğe sayısı, öğe başına token sayısı ve istek başına token sayısı modele bağlıdır; bunları GET /v1/models/{model} üzerinden inceleyebilirsiniz.

encoding_formatstringvarsayılan: float

Embedding'ler için format: float veya base64.

dimensionsinteger

Döndürülen her vektörün boyut sayısı; pozitif bir tam sayı. Yalnızca model ayrıntılarında dimensions listelendiğinde gönderin; maksimum değer modele bağlıdır.

userstring

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

Yanıt

objectstring

Her zaman list.

dataarray

Embedding nesnelerinin dizisi.

Her nesne şunları içerir:

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

Kullanılan model.

usageobject

prompt_tokens ve total_tokens içeren 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 amacıyla 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")

Hatalar

DurumKodNeden
400invalid_requestBir alan eksik veya yanlış türe sahip. param bu alanı belirtir
400unsupported_endpointModel bu uç nokta için yayınlanmamış
413İstek gövdesi çok büyük

Diğer durumları API hatalarını işleme bölümündeki gibi ele alın.

İlgili arayüzler

multimodal-embedding listeleyen modeller için Multimodal Embedding Oluştur uç noktasını kullanın.

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

application/json