文字
建立 Embedding
建立表示輸入文字的 embedding 向量
請求主體
輸入較多時，請將 HTTP 用戶端逾時設為至少 120s；端點會在處理完成後回傳。
modelstring必填
要使用的 embedding 模型 ID（例如：text-embedding-3-small）。
inputstring | array必填
要轉換的文字，可以是字串或字串陣列。支援 token 輸入的模型也可接收 number[]（一組 token）或 number[][]（多組 token）。
encoding_formatstring預設值:
floatembeddings 的格式：float 或 base64。
dimensionsinteger
輸出的維度數量（依模型而定）。
userstring
代表終端使用者的唯一識別碼，用於濫用監控。
可用模型
透過 GET /v1/models?recommended_for=embedding 取得目前模型與維度資訊。
回應
objectstring
一律為 list。
dataarray
embedding 物件的陣列。
每個物件包含：
object(string)：embeddingindex(integer)：輸入陣列中的索引embedding(array | string):float回傳數值向量，base64回傳 Base64 字串。
modelstring
使用的模型。
usageobject
Token 使用量，包含 prompt_tokens 和 total_tokens。
請求
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"
}'範例中的向量已縮短，方便閱讀。
回應
{
"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
}
}批次 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")授權
BearerAuth AuthorizationBearer <token>
API Key 驗證。請在 Dashboard > API > API Keys 建立或管理 API 金鑰。
位置: header
請求標頭
X-TokenLab-Delivery-Policy?string
單次請求傳遞策略。會覆寫 API key 與 Workspace 的預設值。系統會自動優先嘗試 TokenLab Verified，並可能在輸出、請求接受或建立持久性資源前切換至 Official 模式一次。
可選值
- "auto"
- "verified"
- "official"
請求主體
application/json
回應
application/json
application/json
application/json
application/json
application/json
application/json
application/json