Embeddings（向量生成）

POST/embeddings

OpenAI的文本embeddings用于衡量文本字符串之间的相关性。embeddings通常用于：

搜索（其中结果按照与查询字符串的相关性进行排名）
聚类（其中文本字符串按相似性分组）
推荐（推荐与相关文本字符串相关的项目）
异常检测（识别与众不同、相关性较小的异常值）
多样性测量（分析相似性分布）
分类（按最相似的标签对文本字符串进行分类）
embedding是一个浮点数列表（向量）。两个向量之间的距离衡量它们的相关性。小距离表明高度相关，大距离表明相关性低。

价格请查看：https://302.ai/pricing_api/

请求参数

Header 参数

Authorization

string

可选

示例值:

Bearer {{YOUR_API_KEY}}

model

string

必需

要使用的模型的 ID。您可以使用List models API 来查看所有可用模型，或查看我们的模型概述以了解它们的描述。

input

string

必需

输入文本以获取嵌入，编码为字符串或标记数组。要在单个请求中获取多个输入的嵌入，请传递一个字符串数组或令牌数组数组。每个输入的长度不得超过 8192 个标记。

{
  "model": "text-embedding-ada-002",
  "input": "The food was delicious and the waiter..."
}

示例代码

返回响应

Create embeddings(200)

HTTP 状态码: 200

内容格式: JSONapplication/json

object

string

必需

data

array [object {3}]

必需

object

string

可选

embedding

array[number]

可选

index

integer

可选

model

string

必需

usage

object

必需

prompt_tokens

integer

必需

total_tokens

integer

必需

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "embedding": [
        0.0023064255,
        -0.009327292,
        .... (1536 floats total for ada-002)
        -0.0028842222
      ],
      "index": 0
    }
  ],
  "model": "text-embedding-ada-002",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}

最后修改时间： 8 个月前