APIリファレンス
エンベディング
テキストをベクトル表現に変換します。
エンベディングは、検索、クラスタリング、類似度検索、RAG のためにテキストをベクトルに変換します。
エンドポイント
| メソッド | パス | 説明 |
|---|---|---|
POST | /v1/embeddings | テキストエンベディングを作成 |
リクエストフィールド
| フィールド | 型 | 必須 | 説明 |
|---|---|---|---|
model | string | はい | エンベディングモデル ID |
input | string or array | はい | エンベディングするテキスト。1つの文字列または文字列の配列を送信します |
encoding_format | string | いいえ | モデルのサポート状況に応じて、float や base64 などのエンコーディングを返します |
dimensions | integer | いいえ | モデルのサポート状況に応じた、目標のベクトル次元数 |
user | string | いいえ | ユーザー識別子 |
seed, temperature, top_p | number | いいえ | 一部の互換チャネルで受け付けられる拡張フィールド |
frequency_penalty, presence_penalty | number | いいえ | 一部の互換チャネルで受け付けられる拡張フィールド |
curl
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": ["First text", "Second text"]
}'Python
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])レスポンス形式
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [0.0123, -0.0456]
}
],
"model": "text-embedding-3-small",
"usage": {
"prompt_tokens": 8,
"total_tokens": 8
}
}