Referencia de la API
Embeddings
Convierte texto en representaciones vectoriales.
Los embeddings convierten el texto en vectores para recuperación, clustering, búsqueda de similitud y RAG.
Punto de conexión
| Método | Ruta | Descripción |
|---|---|---|
POST | /v1/embeddings | Crear embeddings de texto |
Campos de la solicitud
| Campo | Tipo | Obligatorio | Descripción |
|---|---|---|---|
model | string | Sí | ID del modelo de embedding |
input | string or array | Sí | Texto para convertir en embedding. Envía una sola cadena o un array de cadenas |
encoding_format | string | No | Codificación de retorno, como float o base64, según el soporte del modelo |
dimensions | integer | No | Dimensiones del vector objetivo, según el soporte del modelo |
user | string | No | Identificador del usuario |
seed, temperature, top_p | number | No | Campos de extensión aceptados por algunos canales compatibles |
frequency_penalty, presence_penalty | number | No | Campos de extensión aceptados por algunos canales compatibles |
curl
curl https://api.tensoraxis.ai/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.ai/v1",
)
response = client.embeddings.create(
model="text-embedding-3-small",
input="TENSORAXIS API",
)
print(response.data[0].embedding[:5])Estructura de la respuesta
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [0.0123, -0.0456]
}
],
"model": "text-embedding-3-small",
"usage": {
"prompt_tokens": 8,
"total_tokens": 8
}
}