Embeddings
将文本转换为向量表示。
Embeddings 接口用于把文本转换为向量，可用于检索、聚类、相似度计算和 RAG。
端点
| 方法 | 路径 | 说明 |
|---|---|---|
POST | /v1/embeddings | 创建文本向量 |
请求参数
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
model | string | 是 | Embedding 模型 ID |
input | string 或 array | 是 | 待向量化文本，可传单条或多条字符串 |
encoding_format | string | 否 | 返回编码格式，例如 float 或 base64，取决于模型支持 |
dimensions | integer | 否 | 指定向量维度，取决于模型支持 |
user | string | 否 | 用户标识 |
seed、temperature、top_p | number | 否 | 部分兼容渠道会接收的扩展参数 |
frequency_penalty、presence_penalty | number | 否 | 部分兼容渠道会接收的扩展参数 |
curl 示例
curl https://api.tensoraxis.com/v1/embeddings \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $TENSORAXIS_API_KEY" \
-d '{
"model": "text-embedding-3-small",
"input": ["第一段文本", "第二段文本"]
}'Python 示例
from openai import OpenAI
client = OpenAI(
api_key="your-tensoraxis-api-key",
base_url="https://api.tensoraxis.com/v1",
)
response = client.embeddings.create(
model="text-embedding-3-small",
input="TENSORAXIS API",
)
print(response.data[0].embedding[:5])响应结构
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [0.0123, -0.0456]
}
],
"model": "text-embedding-3-small",
"usage": {
"prompt_tokens": 8,
"total_tokens": 8
}
}