메인 콘텐츠로 건너뛰기
POST
/
v1
/
embeddings
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
  }
}

​
요청 본문

​
model
string
필수
사용할 임베딩 모델의 ID (예: text-embedding-3-small).
​
input
string | array
필수
임베딩할 입력 텍스트입니다. 문자열 또는 문자열 배열일 수 있습니다.
​
encoding_format
string
기본값:"float"
임베딩 형식: float 또는 base64.
​
dimensions
integer
출력 차원 수 (모델별로 다름).
​
user
string
오남용 모니터링을 위해 최종 사용자를 나타내는 고유 식별자.

​
사용 가능한 모델

모델차원설명
text-embedding-3-large3072최고 품질
text-embedding-3-small1536균형 잡힌 성능
text-embedding-ada-0021536레거시

​
응답

​
object
string
항상 list입니다.
​
data
array
임베딩 객체의 배열.각 객체는 다음을 포함합니다:
  • object (string): embedding
  • index (integer): 입력 배열에서의 인덱스
  • embedding (array): 임베딩 벡터
​
model
string
사용된 모델.
​
usage
object
prompt_tokens 및 total_tokens를 포함한 토큰 사용량.
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

# 여러 텍스트를 한 번에 임베딩
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")