POST
/
v3
/
openai
/
embeddings
curl --request POST \
  --url https://api.ppinfra.com/v3/openai/embeddings \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '{
  "input": {},
  "model": {},
  "encoding_format": "<string>"
}'
{
  "object": "<string>",
  "data": [
    {
      "index": 123,
      "embedding": [
        {}
      ],
      "object": "<string>"
    }
  ],
  "model": "<string>",
  "usage": {
    "prompt_tokens": 123,
    "total_tokens": 123
  }
}

创建一个表示输入文本的嵌入向量。

​
请求头

​
Content-Type
string
required

枚举值: application/json

​
Authorization
string
required

Bearer 身份验证格式，例如：Bearer {{API 密钥}}。

​
请求体

​
input
string | arrary
required

要嵌入的输入文本，编码为字符串或 tokens 数组。要在单个请求中嵌入多个输入，请传入字符串数组或 tokens 数组的数组。输入不得超过模型的最大输入 tokens（text-embedding-ada-002 的最大输入为 8192 个 tokens），不能是空字符串，且任何数组的维度不得超过 2048。

​
model
enum<string>
required

要使用的模型 ID。Enum: baai/bge-m3

​
encoding_format
string

返回嵌入的格式。可以为 float 或 base64。

​
响应参数

​
object
string
required

固定为 list

​
data
array
required

模型生成的嵌入列表。

​
index
integer
required

嵌入向量的索引。

​
embedding
array
required

嵌入向量。

​
object
string
required

固定为 embedding

​
model
string
required

使用的模型 ID。

​
usage
object
required

使用情况信息。

​
prompt_tokens
integer
required

prompt tokens 的数量。

​
total_tokens
integer
required

总 tokens 的数量。

大语言模型 API创建聊天对话请求