文本向量化
更新时间:2024-12-24 16:32:35
基本信息
Action:/embeddings
Method: POST
Content-Type:application/json
Authorization:需提前在 API 密钥管理中创建和获取。
计费方式:输入文本的 token 数量。
请求参数
参数 | 类型 | 作用 | 是否必须 | 示例 | 备注 |
---|---|---|---|---|---|
model |
string |
模型 |
是 |
bce-embedding-base_v1 |
- |
input |
string 或 list[string] |
需要转为向量的文本 |
是 |
"你好" 或 ["你好", "今天天气"] |
|
响应参数
参数 | 类型 | 描述 |
---|---|---|
object |
string |
值为 list |
data 对象数组 |
||
object |
string |
值为 embedding |
embedding |
float 数组 |
向量值 |
index |
int |
序列号 |
usage 对象 |
||
prompt_tokens |
int |
提示词 token 数 |
total_tokens |
int |
总 token 数 |
请求示例
Curl
curl -X POST \
-H "Authorization:Bearer sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx" \
-H "Content-Type:application/json" \
-d \
'{
"model": "bce-embedding-base_v1",
"input": ["你好"]
}' \
'https://openapi.coreshub.cn/v1/embeddings'
Python
from openai import OpenAI
client = OpenAI(api_key='sk-xxxxxxxxxxxxx', base_url='https://openapi.coreshub.cn/v1')
ret = client.embeddings.create(input=['你好', '今天天气'], model='bce-embedding-base_v1')
print(ret.json())
响应示例
{
"object": "list",
"data": [
{
"object": "embedding",
"embedding": [
0.04128209128975868,
0.000010524227036512457,
-0.0013141646049916745,
......
-0.008741703815758229
],
"index": 0
},
{
"object": "embedding",
"embedding": [
0.0034224840346723797,
-0.0022287804167717697,
-0.006380495149642229,
......
-0.00442391075193882
],
"index": 1
}
],
"model": "bce-embedding-base_v1",
"usage": {
"prompt_tokens": 9,
"total_tokens": 9
}
}