文本向量化

接口描述（Description）

基于给定文本，提取嵌入式向量，将文本转换为向量化表示。

目前模型对中文的Embedding效果较好。

请求地址（Request URL）

[POST] https://api.sensenova.cn/v1/llm/embeddings

请求头（Request Header）

无特殊Header，请参考接口鉴权

请求体（Request Body）

名称	类型	必须	默认值	可选值	描述
model	string	是	-	-	Embedding模型ID，参考模型清单
input	string[]	是	-	-	input中最多支持32条，每条长度不能超过512个token

请求示例（Request Example）

curl --request POST "https://api.sensenova.cn/v1/llm/embeddings" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $API_TOKEN" \
  -d '{
        "model": "string",
        "input": [
          "string"
        ]
  }'

响应（Response）

名称	类型	描述
embeddings	object[]	向量化结果
usage	object	token用量

• embeddings 部分参数如下：

名称	类型	描述
index	int	列表序号
embedding	float[]	本条向量结果
status_code	int	状态码，参考错误码
status_message	string	状态信息

• usage 部分参数如下：

名称	类型	描述
prompt_tokens	int	输入token数（如果数组里的某一条embedding出错，不计入token）
total_tokens	int	总token数

响应示例（Response Example）

{
  "embeddings":[
    {
      "index": int,
      "embedding":[
        float
      ],
      "status_code": int,
      "status_message": "string"
    }
  ],
  "usage":{
    "prompt_tokens": int,
    "total_tokens": int
  }
}

错误信息

参考错误码