创建嵌入请求

将文本转换为向量表示，使用 OpenAI 兼容协议。支持 text-embedding 系列模型。

POST /v1/embeddings

📌 并发限制

并发限制基于账号维度，同一账号下所有 API Key 共享并发配额，默认最大并发请求数为 200。超出后返回错误码 4296，需等待已有请求完成后再重试。

Body 参数

model string Required

使用的嵌入模型 ID。可用模型完整列表请查看。

✅ 模型名称不区分大小写，例如 Text-Embedding-V4 和 text-embedding-v4 效果相同。

示例: "text-embedding-v4"

input string / string[] Required

要嵌入的输入文本，编码为字符串或 token 数组。要在单个请求中获取多个输入的嵌入，请传递字符串数组或 token 数组的数组。输入不得超过模型的最大输入 token，并且不能是空字符串。

encoding_format enum<string>

返回嵌入的格式。可以是 float 或 base64。

可选值：float base64

默认值："float"

示例: "float"

dimensions integer

结果输出嵌入的维度数。不同模型支持的维度范围不同，请参考具体模型说明。

示例: 1024

Response

模型的响应。响应头包含 x-AccessAPI-trace-id 字段，作为请求的唯一标识符，方便日志查询和问题排查。

object enum<string> Required

对象类型，始终为 "list"。

可选值：list

model string Required

使用的模型名称。

data object[] Required

嵌入对象列表。

显示子属性

embedding float[]

嵌入向量。

index integer

嵌入在列表中的索引。

object string

始终为 "embedding"。

usage object Required

用量统计。

显示子属性

prompt_tokens integer Required

提示中的 token 数量。

completion_tokens integer Required

生成的补全中的 token 数量。

total_tokens integer Required

使用的总 token 数量。

curl -X POST https://api.AccessAPI.com/v1/embeddings \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
  "input": "The food was delicious...",
  "model": "text-embedding-v4"
}'

from openai import OpenAI

client = OpenAI(
  base_url="https://api.AccessAPI.com/v1",
  api_key="YOUR_API_KEY"
)

response = client.embeddings.create(
  model="text-embedding-v4",
  input="The food was delicious...",
  encoding_format="float"
)

print(response.data[0].embedding)

Response Example

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "embedding": [0.0023, 0.2123, ...],
      "index": 0
    }
  ],
  "model": "text-embedding-v4",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}