Référence API
Embeddings
Convertit du texte en représentations vectorielles.
Les embeddings convertissent le texte en vecteurs pour la recherche, le clustering, la recherche de similarité et le RAG.
Point de terminaison
| Méthode | Chemin | Description |
|---|---|---|
POST | /v1/embeddings | Créer des embeddings de texte |
Champs de la requête
| Champ | Type | Obligatoire | Description |
|---|---|---|---|
model | string | Oui | ID du modèle d'embedding |
input | string or array | Oui | Texte à convertir en embedding. Envoyez une seule chaîne ou un tableau de chaînes |
encoding_format | string | Non | Encodage du retour, comme float ou base64, selon la prise en charge du modèle |
dimensions | integer | Non | Dimensions du vecteur cible, selon la prise en charge du modèle |
user | string | Non | Identifiant de l'utilisateur |
seed, temperature, top_p | number | Non | Champs d'extension acceptés par certains canaux compatibles |
frequency_penalty, presence_penalty | number | Non | Champs d'extension acceptés par certains canaux 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])Structure de la réponse
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [0.0123, -0.0456]
}
],
"model": "text-embedding-3-small",
"usage": {
"prompt_tokens": 8,
"total_tokens": 8
}
}