创建嵌入(Embeddings)
把文本转成向量。检索、聚类、去重、语义相似度这类要比较文本的场景都用它。
POST https://open.feiyutoken.com/v1/embeddings
请求参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
model |
string | 是 | 嵌入模型名,必须是嵌入模型;可用值见模型列表 |
input |
string | array | 是 | 要嵌入的文本。可以是单条字符串,也可以是字符串数组,一次提交多条 |
encoding_format |
string | 否 | 向量编码方式,取 float(默认)或 base64 |
dimensions |
integer | 否 | 输出向量维度;不传则用模型默认维度 |
其余 OpenAI 标准参数按原样透传。
请求示例
curl https://open.feiyutoken.com/v1/embeddings \
-H "Authorization: Bearer <你的飞鱼Token API Key>" \
-H "Content-Type: application/json" \
-d '{
"model": "<模型名>",
"input": ["第一条文本", "第二条文本"],
"encoding_format": "float"
}'
响应
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [0.0023, -0.0091, 0.0147]
}
],
"model": "<模型名>",
"usage": {
"prompt_tokens": 12,
"total_tokens": 12
}
}
向量在 data[].embedding,每条结果带 index,对应 input 里的下标,按它取结果即可。
传入多条时 usage 是这一批的合计。
按实际用量计费,费用从账户余额扣减。输入文本的 Token 用量记在
usage 里,调用记录与消费明细在控制台查看。