एम्बेडिंग बनाएं

टेक्स्ट (या समर्थित मॉडलों के लिए मल्टीमॉडल कंटेंट) को वेक्टर एम्बेडिंग में बदलता है। रिक्वेस्ट/रिस्पॉन्स फ़ॉर्मैट OpenAI की embeddings API जैसा है, इसलिए client.embeddings.create() के साथ सीधे काम करता है। input में एकल स्ट्रिंग या स्ट्रिंग ऐरे दिया जा सकता है।

POST/api/v1/embeddings

प्राधिकरण

Authorizationआवश्यक

string · header

Authorization हेडर में bearer token के रूप में API कुंजी।

Body

modelआवश्यक

string

उपयोग करने वाला एम्बेडिंग मॉडल, प्रदाता-योग्य, जैसे "openai/text-embedding-3-small"।

minLength: 1

Example: "openai/text-embedding-3-small"

inputआवश्यक

string | string[]

एम्बेड करने के लिए टेक्स्ट। एकल स्ट्रिंग, या एक ही रिक्वेस्ट में कई इनपुट एम्बेड करने के लिए स्ट्रिंग ऐरे लिया जा सकता है। कुछ मॉडल संरचित मल्टीमॉडल कंटेंट आइटम भी स्वीकार करते हैं, जो अपस्ट्रीम को ज्यों का त्यों भेजे जाते हैं; वास्तविक समर्थन मॉडल पर निर्भर है।

Example: "The quick brown fox"

encoding_format

string

एन्कोडिंग फ़ॉर्मैट, बिना किसी स्थानीय सत्यापन के अपस्ट्रीम को ज्यों का त्यों भेजा जाता है; समर्थित मान अपस्ट्रीम पर निर्भर हैं।

Example: "float"

dimensions

integer

आउटपुट वेक्टर के आयामों की संख्या, बिना किसी स्थानीय सत्यापन के अपस्ट्रीम को ज्यों का त्यों भेजी जाती है; केवल कुछ मॉडल कस्टम आयाम समर्थित करते हैं, समर्थन न होने पर व्यवहार (आमतौर पर अनदेखा या त्रुटि) अपस्ट्रीम तय करता है।

provider

object

प्रदाता रूटिंग वरीयताएँ (order, only, ignore, allow_fallbacks, sort, …)। यह केवल कुछ मॉडल रूट पर ही भेजी और लागू होती है; असमर्थित रूट इसे चुपचाप अनदेखा कर देते हैं और कभी अपस्ट्रीम को नहीं भेजते।

POST /api/v1/embeddings

1
2
3
4
5
6
7
curl https://bazaarlink.ai/api/v1/embeddings \
  -H "Authorization: Bearer $BAZAARLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/text-embedding-3-small",
    "input": "The quick brown fox"
  }'

प्रतिक्रिया उदाहरण

सफल। OpenAI-संगत रूप लौटाता है; data[] क्रमानुसार प्रत्येक input से मेल खाता है, और usage.cost इस रिक्वेस्ट के लिए वास्तव में लिया गया शुल्क है।

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        0.0023064255,
        -0.009327292,
        0.015797347
      ]
    }
  ],
  "model": "openai/text-embedding-3-small",
  "usage": {
    "prompt_tokens": 5,
    "total_tokens": 5,
    "cost": 1e-7
  }
}