文字
建立多模態嵌入向量
使用多模態嵌入模型建立嵌入向量
概覽
此端點適用於詳細資訊中列出 multimodal-embedding 操作的模型。在發送請求之前,請先查閱 GET /v1/models/{model} 中的 supported_operations。僅支援文字的嵌入模型請使用 建立嵌入向量,若對此類模型呼叫此端點將回傳 400 unsupported_endpoint。
目前僅支援文字輸入。包含 image_url 或 image_base64 的請求將回傳 400 image_input_deferred。
請求主體
列出 multimodal-embedding 的模型 ID,例如 qwen3-vl-embedding。
單一輸入項目或項目陣列。每個項目至少需要具備以下欄位之一,且回應中每個輸入項目會對應一筆資料。
text(string):要進行嵌入處理的文字。image_url(string):公開圖片 URL。尚未啟用。image_base64(string) 與image_mime_type(string):Base64 圖片資料及其 MIME 類型。尚未啟用。
每個回傳向量的維度數量,為正整數。最大值取決於模型。
回應
固定為 list。
每個輸入項目對應一筆資料。
每個項目包含:
object(string):embeddingindex(integer):輸入項目的索引text_embedding(array):文字項目的向量。每個項目會帶有一個以其模態命名的向量欄位:text_embedding、image_embedding、video_embedding或audio_embedding。
所使用的模型。
Token 使用量,包含 prompt_tokens 與 total_tokens(當模型有回報時提供)。
請求
curl -X POST "https://api.tokenlab.sh/v1/multimodal/embeddings" \
-H "Authorization: Bearer sk-your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-vl-embedding",
"input": [
{"text": "A red bicycle leaning against a brick wall"},
{"text": "A city street at night"}
]
}'範例向量已縮短以提高可讀性。
回應
{
"object": "list",
"data": [
{ "object": "embedding", "index": 0, "text_embedding": [0.0123, -0.0456, 0.0789] },
{ "object": "embedding", "index": 1, "text_embedding": [0.0211, 0.0334, -0.0102] }
],
"model": "qwen3-vl-embedding",
"usage": { "prompt_tokens": 18, "total_tokens": 18 }
}錯誤
| 狀態 | 代碼 | 原因 |
|---|---|---|
400 | invalid_request | 缺少 input、其值為空,或項目中未包含 text、image_url、image_base64 的任何一項 |
400 | unsupported_endpoint | 該模型未列出 multimodal-embedding |
400 | image_input_deferred | 項目中包含圖片 |
其他狀態碼的處理方式請參閱 處理 API 錯誤。
授權
BearerAuth 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
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
application/json