हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
Embeddings API
semantic search, retrieval-augmented generation (RAG), recommendations और clustering के लिए टेक्स्ट को vectors में बदलें। एक request में कई इनपुट batch करें।
- Semantic search
- RAG pipelines
- Deduplication और clustering
- Recommendations
नतीजे यहां दिखेंगे।
सेटिंग्स
Embeddings API · 39 मॉडल
Embeddings API API कैसे कॉल करें
- अपने dashboard में API key बनाएं।
- अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
- baseURL को https://api14.com/api/v1 और model को "openai/text-embedding-3-small:batch" पर सेट करें।
Embeddings की लागत कितनी है?
आम तौर पर प्रति मिलियन tokens कुछ सेंट, सटीक कीमतों के लिए टेबल देखें।
क्या अलग-अलग embedding मॉडल मिला सकता हूं?
नहीं, अलग मॉडल के vectors की आपस में तुलना नहीं हो सकती। मॉडल बदलने पर पूरे corpus को दोबारा embed करें।
एक request में कितने इनपुट?
कई टेक्स्ट एक साथ embed करने के लिए एक request में strings का array भेजें; यह हर टेक्स्ट के लिए अलग request से तेज़ और सस्ता है।
समानता कैसे मापूं?
vectors के बीच cosine similarity इस्तेमाल करें। Normalised vectors के साथ यह सिर्फ एक dot product रह जाता है।
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "openai/text-embedding-3-small:batch",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));