요청 본문
사용할 임베딩 모델의 ID입니다 (예: text-embedding-3-small).
임베딩할 입력 텍스트입니다. 문자열 또는 문자열 배열이 될 수 있습니다.
임베딩의 형식입니다: float 또는 base64.
오용 모니터링을 위해 최종 사용자를 나타내는 고유 식별자입니다.
사용 가능한 모델
| Model | Dimensions | Description |
|---|
text-embedding-3-large | 3072 | 최고 품질 |
text-embedding-3-small | 1536 | 균형형 |
text-embedding-ada-002 | 1536 | 레거시 |
임베딩 객체의 배열입니다.각 객체는 다음을 포함합니다:
object (string): embeddingindex (integer): 입력 배열 내 인덱스embedding (array): 임베딩 벡터
prompt_tokens 및 total_tokens를 포함한 Token 사용량입니다.
curl -X POST "https://api.lemondata.cc/v1/embeddings" \
-H "Authorization: Bearer sk-your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "text-embedding-3-small",
"input": "The quick brown fox jumps over the lazy dog"
}'
{
"object": "list",
"data": [
{
"object": "embedding",
"index": 0,
"embedding": [0.0023, -0.0194, 0.0081, ...]
}
],
"model": "text-embedding-3-small",
"usage": {
"prompt_tokens": 9,
"total_tokens": 9
}
}
배치 임베딩
# Embed multiple texts at once
response = client.embeddings.create(
model="text-embedding-3-small",
input=[
"First document text",
"Second document text",
"Third document text"
]
)
for i, data in enumerate(response.data):
print(f"Document {i}: {len(data.embedding)} dimensions")
