创建文本嵌入(OpenAI)

POST  v1/embeddings

获取给定输入的矢量表示，机器学习模型和算法可以轻松使用该表示。

相关指南：嵌入

创建表示输入文本的嵌入向量。

请求参数

Authorization

在 Header 添加参数 Authorization，其值为在 Bearer 之后拼接 Token。

Authorization: Bearer ******************

Body 参数

Content-Type: application/json

参数名	类型	必填	说明
input	string	必需	输入内容。这是需要被处理的核心文本数据。在 Embedding 接口中，这里填入需要向量化的句子或段落。
model	string	必需	模型标识。指定使用哪个具体的模型版本来处理请求（例如 text-embedding-3-small 或 cl100k_base）。
encoding_format	string	必需	编码/输出格式。指定返回数据的格式。常见的取值通常是 float（返回浮点数数组）或 base64（返回压缩后的字符串），用于平衡精度与传输体积。

请求示例 (JSON)

{
    "input": "The food was delicious and the waiter...",
    "model": "text-embedding-3-large",
    "encoding_format": "float"
}

返回响应

200 成功

Content-Type: application/json

响应参数

参数路径	类型	必填	说明
object	string	必需	根对象类型。通常用于标识整个响应体的类型，例如 "list" 或 "response"。
data	array[object]	必需	核心数据列表。包含具体的处理结果（如向量数据），因为一次请求可能包含多个输入，所以是数组。
└─ object	string	可选	数据对象类型。标识该具体条目的类型，通常为 "embedding"。
└─ embedding	array[integer]	可选	向量/编码数据。这是核心内容，即文本转换后的数字数组（向量）。注：此处为整数数组，可能是量化后的向量或 Token IDs。
└─ index	integer	可选	索引。对应请求中 input 数组的下标，用于区分哪个向量对应哪段输入文本。
model	string	必需	模型名称。实际用于处理任务的模型版本（例如 "text-embedding-3-small"）。
usage	object	必需	用量统计。包含 Token 消耗信息，用于计费或监控。
└─ prompt_tokens	integer	必需	提示词 Token 数。输入文本所消耗的 Token 数量。
└─ total_tokens	integer	必需	总 Token 数。本次调用消耗的总 Token 数量。

响应示例

{
    "object": "string",
    "data": [
        {
            "object": "string",
            "embedding": [
                0
            ],
            "index": 0
        }
    ],
    "model": "string",
    "usage": {
        "prompt_tokens": 0,
        "total_tokens": 0
    }
}

示例代码

import http.client
import json

conn = http.client.HTTPSConnection("nxaiapp.com")
payload = json.dumps({
   "input": "The food was delicious and the waiter...",
   "model": "text-embedding-3-large",
   "encoding_format": "float"
})
headers = {
   'Authorization': 'Bearer <token>',
   'Content-Type': 'application/json'
}
conn.request("POST", "/v1/embeddings", payload, headers)
res = conn.getresponse()
data = res.read()
print(data.decode("utf-8"))