On this page
article
Open AI
1.概述
OpenAI 的文本嵌入(Text Embeddings)用于衡量文本字符串之间的相关性。嵌入通常用于以下场景:
- 搜索(Search):根据查询字符串的相关性对搜索结果进行排序。
- 聚类(Clustering):将相似的文本字符串分组。
- 推荐(Recommendations):推荐具有相关文本字符串的项目。
- 异常检测(Anomaly Detection):识别与其他数据关联较低的异常文本。
- 多样性测量(Diversity Measurement):分析文本的相似性分布。
- 分类(Classification):根据最相似的标签对文本字符串进行分类。
模型列表:
text-embedding-3-small
text-embedding-3-large
text-embedding-ada-002
2.请求说明
- 请求方法:
POST
- 请求地址
https://gateway.theturbo.ai/v1/embeddings
3.请求参数
3.1 Head参数
参数名称 | 类型 | 必填 | 说明 | 示例值 |
---|---|---|---|---|
Content-Type |
string | 是 | 设置请求头类型,必须为application/json |
application/json |
Accept |
string | 是 | 设置响应类型,建议统一为application/json |
application/json |
Authorization |
string | 是 | 身份验证所需的 API_KEY,格式Bearer $YOUR_API_KEY |
Bearer $YOUR_API_KEY |
3.2 Body 参数 (application/json)
参数名称 | 类型 | 必填 | 说明 | 示例 |
---|---|---|---|---|
model | string | 是 | 要使用的模型 ID。详见概述列出的可用版本,如 text-embedding-ada-002 。 |
text-embedding-ada-002 |
input | string/array | 是 | 输入内容。数组维度不得超过2048 。输入token数不得超过8192 。 |
你好,请给我讲个笑话。 |
encoding_format | string | 否 | 返回向量的格式。支付float 和base64 。 |
float |
4.请求示例
5.响应示例
{
"object": "list",
"data": [
{
"object": "embedding",
"embedding": [
0.0023064255,
-0.009327292,
.... (1536 floats total for ada-002)
-0.0028842222,
],
"index": 0
}
],
"model": "text-embedding-ada-002",
"usage": {
"prompt_tokens": 8,
"total_tokens": 8
}
}