Open API中文文档
  • 介绍
  • Quick Start
  • Reference
    • OpenAI API 参考文档
      • ChatGpt注册方法
      • 介绍
      • 认证
      • 请求组织
      • 发出请求
      • 模型
      • 问答
      • 对话
      • 编辑
      • 图片
      • 嵌入向量
      • 音频
      • 文件
      • 优化模型
      • 内容审核
      • 引擎
      • 参数详情
  • ChatGpt插件开发
  • ChatGpt注册方法
由 GitBook 提供支持
在本页

这有帮助吗?

  1. Reference
  2. OpenAI API 参考文档

嵌入向量

嵌入向量是指一种向量表示法,可以对给定的输入进行向量化处理,以便机器学习模型和算法更容易地使用。 相关指南:Embeddings

创建嵌入向量

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

创建一个嵌入向量来表示输入的文本。

请求体

  • model 字符串 必填项 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以获取它们的描述。

  • input 字符串或数组 必填项 要为其获取嵌入的输入文本,编码为字符串或令牌数组的数组。要在单个请求中获取多个输入的嵌入,传递一个字符串数组或令牌数组的数组。每个输入的长度不能超过8192个令牌。

  • user 字符串 可选项 代表您的最终用户的唯一标识符,可以帮助OpenAI监视和检测滥用。了解更多信息。

请求示例

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"
  }
import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
openai.Embedding.create(
  model="text-embedding-ada-002",
  input="The food was delicious and the waiter..."
)
const { Configuration, OpenAIApi } = require("openai");
const configuration = new Configuration({
  apiKey: process.env.OPENAI_API_KEY,
});
const openai = new OpenAIApi(configuration);
const response = await openai.createEmbedding({
  model: "text-embedding-ada-002",
  input: "The food was delicious and the waiter...",
});
请求参数
{
  "model": "text-embedding-ada-002",
  "input": "The food was delicious and the waiter..."
}
返回结果
{
  "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
  }
}
上一页图片下一页音频

最后更新于2年前

这有帮助吗?