跳轉到主要內容
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
  }
}

​
請求主體

​
model
string
必填
要使用的嵌入模型 ID（例如：text-embedding-3-small）。
​
input
string | array
必填
要進行嵌入的輸入文字。可以是字串或字串陣列。
​
encoding_format
string
預設值:"float"
嵌入的格式：float 或 base64。
​
dimensions
integer
輸出的維度數量（取決於特定模型）。
​
user
string
代表您終端用戶的唯一識別碼，用於濫用監控。

​
可用模型

模型維度描述
text-embedding-3-large3072最佳品質
text-embedding-3-small1536平衡
text-embedding-ada-0021536舊版

​
回應

​
object
string
固定為 list。
​
data
array
嵌入物件陣列。每個物件包含：
  • object (string): embedding
  • index (integer): 輸入陣列中的索引
  • embedding (array): 嵌入向量
​
model
string
使用的模型。
​
usage
object
包含 prompt_tokens 與 total_tokens 的 Token 使用量。
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
  }
}

​
批次嵌入

# 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")