Embeddings
Markdown検索、RAG、クラスタリングに使うテキストのベクトル表現。
完全ガイド
POST
https://api.ailoot.ai/v1/embeddingscurl https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "nvidia/nemotron-3-embed-1b", "input": ["最初の文書", "二番目の文書"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["最初の文書", "二番目の文書"],
)
vectors = [d.embedding for d in emb.data]{
"object": "list",
"data": [
{ "object": "embedding", "index": 0, "embedding": [0.0123, -0.0456, 0.0789, …] },
{ "object": "embedding", "index": 1, "embedding": [-0.0321, 0.0654, 0.0987, …] }
],
"model": "nvidia/nemotron-3-embed-1b",
"usage": { "prompt_tokens": 8, "total_tokens": 8 }
}認証
- Authorizationheader必須
キーの形式:
Bearer sk-…。次のヘッダーも使用できます:x-api-keyまたはx-goog-api-key。
リクエストボディ
- modelstring必須
埋め込みモデル:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2。 - inputstring | array必須
文字列または文字列の配列。一つの入力の長さはモデルのコンテキスト長に制限されます(NVIDIAモデルでは4096トークン)。
- encoding_formatstring任意
float(デフォルト)またはbase64。モデルが対応している場合に使用できます。
レスポンス
- data[].embeddingarray
各入力に対応する数値ベクトル。入力と同じ順序で返されます。
- usageobject
入力トークン数。埋め込みの出力は課金されません。
ご不明な点はありますか?Request IDと状況の説明をお送りください。調査をお手伝いします。サポートに問い合わせる