Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
Embeddings API
Zamieniaj tekst na wektory do wyszukiwania semantycznego, generowania wspomaganego wyszukiwaniem (RAG), rekomendacji i klastrowania. Wysyłaj wiele danych wejściowych w jednym żądaniu.
- Wyszukiwanie semantyczne
- Pipeline’y RAG
- Deduplikacja i klastrowanie
- Rekomendacje
Wyniki pojawią się tutaj.
Ustawienia
Embeddings API · Modele: 39
Jak wywołać Embeddings API API
- Utwórz klucz API w panelu.
- Zainstaluj oficjalne SDK openai dla swojego języka.
- Ustaw baseURL na https://api14.com/api/v1, a model na "openai/text-embedding-3-small:batch".
Ile kosztują embeddings?
Zwykle kilka centów za milion tokenów, dokładne ceny znajdziesz w tabeli.
Czy mogę mieszać modele embeddings?
Nie, wektory z różnych modeli nie są porównywalne. Po zmianie modelu wygeneruj embeddingi całego korpusu od nowa.
Ile danych wejściowych w jednym żądaniu?
Wyślij tablicę ciągów w jednym żądaniu, aby utworzyć embeddingi wielu tekstów naraz; w przeliczeniu na tekst to szybsze i tańsze niż osobne żądanie dla każdego.
Jak mierzyć podobieństwo?
Użyj podobieństwa cosinusowego między wektorami. Przy znormalizowanych wektorach sprowadza się ono do zwykłego iloczynu skalarnego.
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));