嵌入式

获取给定输入的向量表示，该表示可以轻松地被机器学习模型和算法消费。

创建嵌入式

创建表示输入文本的嵌入向量。

post https://api.openai.com/v1/embeddings

请求正文

属性	类型	必需	描述
input	string or array	是	要嵌入的输入文本，编码为字符串或令牌数组。要在单个请求中嵌入多个输入，请传递字符串数组或令牌数组数组。输入不得超过模型的最大输入令牌（`text-embedding-ada-002`的8192个令牌），不能为空字符串，并且数组的维度不得超过2048。示例Python代码用于计算令牌。
model	string	是	要使用的模型的ID。您可以使用列出模型API查看所有可用的模型，或查看我们的模型概述了解它们的描述。
encoding_format	string	否	返回嵌入的格式。可以是`float`或base64。默认为浮点数。
dimensions	integer	否	结果输出嵌入式应该具有的维度数。仅在`text-embedding-3`和更新版本的模型中受支持。
user	string	否	表示您的端用户的唯一标识符，可以帮助OpenAI监控和检测滥用。了解更多信息。

嵌入式对象的列表。

示例请求

curl https://api.openai.com/v1/embeddings \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input": "The food was delicious and the waiter...",
    "model": "text-embedding-ada-002",
    "encoding_format": "float"
  }'

响应

{
  "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
  }
}

嵌入式对象

表示嵌入端点返回的嵌入向量。

属性	类型	描述
索引	整数	嵌入的索引在嵌入列表中。
嵌入	数组	嵌入向量，它是一个浮点数列表。向量的长度取决于模型，如嵌入指南中所列。
对象	字符串	对象类型，始终为“嵌入”。

{
  "object": "embedding",
  "embedding": [
    0.0023064255,
    -0.009327292,
    .... (1536 floats total for ada-002)
    -0.0028842222,
  ],
  "index": 0
}