text-embedding-ada-002 yra OpenAI teksto įterpinių modelis rašytinei medžiagai atvaizduoti skaitiniu vektoriumi. Jo išvestis turi 1536 komponentus. Gamintojas vienoje reprezentacijoje sujungia tekstų panašumo, dokumentų paieškos pagal užklausas ir kodo paieškos užduotis. Rezultatas yra duomenys palyginimui ar kitam algoritmui, o ne sugeneruotas atsakymas į tekstą, kurio įterpinys kuriamas.
Semantinei paieškai paruoškite prasmingas dokumentų ištraukas ir išsaugokite jų šaltinių identifikatorius. Iliustracinis procesas tuo pačiu modeliu sukuria kiekvienos ištraukos ir naudotojo klausimo įterpinius, palygina vektorius ir grąžina aktualias šaltinio ištraukas. Programa nustato paieškos taisyklę, filtrus ir pateikimą. Vėlesnis teksto generavimo veiksmas gali naudoti rastą medžiagą atsakymui parengti, o įterpinių modelis pateikia skaitinį atvaizdą.
Kiti dokumentuoti naudojimo būdai apima panašių įrašų grupavimą, susijusio turinio rekomendavimą, teksto klasifikavimą ir išskirčių nustatymą. Rekomendacijai lyginkite objektų, kurių ryšys svarbus, aprašymus. Klasifikavimui vadovas aprašo palyginimą su kategorijų reprezentacijomis arba vektorių naudojimą kaip požymius klasifikatoriuje. Anomalijų aptikimui aktualus rezultatas yra įrašas, besiskiriantis nuo aplinkinės kolekcijos, interpretuojamas pagal produkto užduotį.
OpenAI šiam modeliui nurodo didžiausią 8192 žetonų įvestį. Gamintojo įterpinių API priima tekstines eilutes arba į žetonus suskaidytą įvestį, leidžia kelias įvestis vienoje užklausoje ir atmeta tuščias eilutes. Bendras limitas yra 300 000 žetonų vienai užklausai, papildomai prie atskiros įvesties ribos. Ilgesnius dokumentus skaidykite į naudingas ištraukas, išsaugodami pavadinimus, apibrėžimus ir nuorodą atgal į originalią medžiagą.
Išvestis yra slankiojo kablelio reikšmių vektorius; gamintojas taip pat dokumentuoja base64 kaip alternatyvią perdavimo koduotę. OpenAI matmenų mažinimo parametras skirtas trečiosios ir vėlesnių kartų įterpinių modeliams, todėl dokumentuotas Ada modelio 1536 matmenų rezultatas laikomas atskiru nuo šio valdiklio. Modelio tapatybę ir vektorių saugokite su šaltinio įrašu, kad vėlesni palyginimai naudotų nuoseklią reprezentaciją.
Įterpinių vadovas rekomenduoja kosinuso panašumą ir nurodo, kad OpenAI įterpiniai normalizuoti iki vienetinės normos. Tokiems vektoriams skaliarinė sandauga gali apskaičiuoti kosinuso panašumą, o Euklido atstumas pateikia tą patį rikiavimą. Panašumo balas yra programos paieškos ar klasifikavimo logikos dalis, o ne automatiškai modelio pateiktas sprendimas dėl kategorijos.
Apibrėžkite, kurie šaltinio laukai tampa įvesties tekstu ir kaip reikia skaidyti ištraukas. Iliustracinis rezultatas yra surikiuotas dokumentų ištraukų ar susijusių įrašų rinkinys, kurio kiekvienas elementas susietas su originaliu šaltiniu ir atrankai naudota taisykle. Paruošimą išlaikykite nuoseklų ir įvertinkite, ar grąžinta medžiaga atsako į tikrąjį klausimą. Taip skaitinė išvestis tampa naudinga kitam paieškos, rekomendavimo ar analizės veiksmui.
", "aboutText": "text-embedding-ada-002 yra OpenAI teksto įterpinių modelis rašytinei medžiagai atvaizduoti skaitiniu vektoriumi. Jo išvestis turi 1536 komponentus. Gamintojas vienoje reprezentacijoje sujungia tekstų panašumo, dokumentų paieškos pagal užklausas ir kodo paieškos užduotis. Rezultatas yra duomenys palyginimui ar kitam algoritmui, o ne sugeneruotas atsakymas į tekstą, kurio įterpinys kuriamas.\n\nSemantinei paieškai paruoškite prasmingas dokumentų ištraukas ir išsaugokite jų šaltinių identifikatorius. Iliustracinis procesas tuo pačiu modeliu sukuria kiekvienos ištraukos ir naudotojo klausimo įterpinius, palygina vektorius ir grąžina aktualias šaltinio ištraukas. Programa nustato paieškos taisyklę, filtrus ir pateikimą. Vėlesnis teksto generavimo veiksmas gali naudoti rastą medžiagą atsakymui parengti, o įterpinių modelis pateikia skaitinį atvaizdą.\n\nKiti dokumentuoti naudojimo būdai apima panašių įrašų grupavimą, susijusio turinio rekomendavimą, teksto klasifikavimą ir išskirčių nustatymą. Rekomendacijai lyginkite objektų, kurių ryšys svarbus, aprašymus. Klasifikavimui vadovas aprašo palyginimą su kategorijų reprezentacijomis arba vektorių naudojimą kaip požymius klasifikatoriuje. Anomalijų aptikimui aktualus rezultatas yra įrašas, besiskiriantis nuo aplinkinės kolekcijos, interpretuojamas pagal produkto užduotį.\n\nOpenAI šiam modeliui nurodo didžiausią 8192 žetonų įvestį. Gamintojo įterpinių API priima tekstines eilutes arba į žetonus suskaidytą įvestį, leidžia kelias įvestis vienoje užklausoje ir atmeta tuščias eilutes. Bendras limitas yra 300 000 žetonų vienai užklausai, papildomai prie atskiros įvesties ribos. Ilgesnius dokumentus skaidykite į naudingas ištraukas, išsaugodami pavadinimus, apibrėžimus ir nuorodą atgal į originalią medžiagą.\n\nIšvestis yra slankiojo kablelio reikšmių vektorius; gamintojas taip pat dokumentuoja base64 kaip alternatyvią perdavimo koduotę. OpenAI matmenų mažinimo parametras skirtas trečiosios ir vėlesnių kartų įterpinių modeliams, todėl dokumentuotas Ada modelio 1536 matmenų rezultatas laikomas atskiru nuo šio valdiklio. Modelio tapatybę ir vektorių saugokite su šaltinio įrašu, kad vėlesni palyginimai naudotų nuoseklią reprezentaciją.\n\nĮterpinių vadovas rekomenduoja kosinuso panašumą ir nurodo, kad OpenAI įterpiniai normalizuoti iki vienetinės normos. Tokiems vektoriams skaliarinė sandauga gali apskaičiuoti kosinuso panašumą, o Euklido atstumas pateikia tą patį rikiavimą. Panašumo balas yra programos paieškos ar klasifikavimo logikos dalis, o ne automatiškai modelio pateiktas sprendimas dėl kategorijos.\n\nApibrėžkite, kurie šaltinio laukai tampa įvesties tekstu ir kaip reikia skaidyti ištraukas. Iliustracinis rezultatas yra surikiuotas dokumentų ištraukų ar susijusių įrašų rinkinys, kurio kiekvienas elementas susietas su originaliu šaltiniu ir atrankai naudota taisykle. Paruošimą išlaikykite nuoseklų ir įvertinkite, ar grąžinta medžiaga atsako į tikrąjį klausimą. Taip skaitinė išvestis tampa naudinga kitam paieškos, rekomendavimo ar analizės veiksmui.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "62926f65d3930e4579cd40618c9bb48ea49523f02f8beda4a18cb06cebb7eec4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "lt", "methods": [ { "html": "openai/text-embedding-ada-002OpenAI teksto įterpinių modelis, grąžinantis 1536 matmenų skaitinį vektorių. Šias reprezentacijas naudokite semantinei paieškai, susijusio turinio rekomendacijoms, grupavimui į klasterius, klasifikavimui ar neįprastų tekstinių įrašų aptikimui.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
text-embedding-ada-002 yra OpenAI teksto įterpinių modelis rašytinei medžiagai atvaizduoti skaitiniu vektoriumi. Jo išvestis turi 1536 komponentus. Gamintojas vienoje reprezentacijoje sujungia tekstų panašumo, dokumentų paieškos pagal užklausas ir kodo paieškos užduotis. Rezultatas yra duomenys palyginimui ar kitam algoritmui, o ne sugeneruotas atsakymas į tekstą, kurio įterpinys kuriamas.
Semantinei paieškai paruoškite prasmingas dokumentų ištraukas ir išsaugokite jų šaltinių identifikatorius. Iliustracinis procesas tuo pačiu modeliu sukuria kiekvienos ištraukos ir naudotojo klausimo įterpinius, palygina vektorius ir grąžina aktualias šaltinio ištraukas. Programa nustato paieškos taisyklę, filtrus ir pateikimą. Vėlesnis teksto generavimo veiksmas gali naudoti rastą medžiagą atsakymui parengti, o įterpinių modelis pateikia skaitinį atvaizdą.
Kiti dokumentuoti naudojimo būdai apima panašių įrašų grupavimą, susijusio turinio rekomendavimą, teksto klasifikavimą ir išskirčių nustatymą. Rekomendacijai lyginkite objektų, kurių ryšys svarbus, aprašymus. Klasifikavimui vadovas aprašo palyginimą su kategorijų reprezentacijomis arba vektorių naudojimą kaip požymius klasifikatoriuje. Anomalijų aptikimui aktualus rezultatas yra įrašas, besiskiriantis nuo aplinkinės kolekcijos, interpretuojamas pagal produkto užduotį.
OpenAI šiam modeliui nurodo didžiausią 8192 žetonų įvestį. Gamintojo įterpinių API priima tekstines eilutes arba į žetonus suskaidytą įvestį, leidžia kelias įvestis vienoje užklausoje ir atmeta tuščias eilutes. Bendras limitas yra 300 000 žetonų vienai užklausai, papildomai prie atskiros įvesties ribos. Ilgesnius dokumentus skaidykite į naudingas ištraukas, išsaugodami pavadinimus, apibrėžimus ir nuorodą atgal į originalią medžiagą.
Išvestis yra slankiojo kablelio reikšmių vektorius; gamintojas taip pat dokumentuoja base64 kaip alternatyvią perdavimo koduotę. OpenAI matmenų mažinimo parametras skirtas trečiosios ir vėlesnių kartų įterpinių modeliams, todėl dokumentuotas Ada modelio 1536 matmenų rezultatas laikomas atskiru nuo šio valdiklio. Modelio tapatybę ir vektorių saugokite su šaltinio įrašu, kad vėlesni palyginimai naudotų nuoseklią reprezentaciją.
Įterpinių vadovas rekomenduoja kosinuso panašumą ir nurodo, kad OpenAI įterpiniai normalizuoti iki vienetinės normos. Tokiems vektoriams skaliarinė sandauga gali apskaičiuoti kosinuso panašumą, o Euklido atstumas pateikia tą patį rikiavimą. Panašumo balas yra programos paieškos ar klasifikavimo logikos dalis, o ne automatiškai modelio pateiktas sprendimas dėl kategorijos.
Apibrėžkite, kurie šaltinio laukai tampa įvesties tekstu ir kaip reikia skaidyti ištraukas. Iliustracinis rezultatas yra surikiuotas dokumentų ištraukų ar susijusių įrašų rinkinys, kurio kiekvienas elementas susietas su originaliu šaltiniu ir atrankai naudota taisykle. Paruošimą išlaikykite nuoseklų ir įvertinkite, ar grąžinta medžiaga atsako į tikrąjį klausimą. Taip skaitinė išvestis tampa naudinga kitam paieškos, rekomendavimo ar analizės veiksmui.
POST /v1/embeddingstext, token_idsembedding| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos openai/text-embedding-ada-002 | Numatyta— |
Laukasinput | Tipasstring|string[]|integer[]|integer[][] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 Sąlygos: Netuščias vienalyčių įvesčių paketas. Žetonų ID yra neneigiami sveikieji skaičiai. Įvesties biudžetas: Didžiausia reikšmė: 8 192 · Teksto vienetas: UTF8 baitai · Tokenų vienetas: žetonų masyvo elementai | Numatyta— |
Laukasencoding_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos float | Numatytafloat |
Laukasdimensions | Tipasinteger | ReikalavimasNepalaikoma | Reikšmės ir ribos Mažiausia reikšmė: 1 | Numatyta— |
Laukasuser | Tipasjson_value | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio. | Numatyta— |
Laukassession_id | Tipasjson_value | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio. | Numatyta— |
Laukastrace | Tipasjson_value | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio. | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options atmetamas | Numatyta— |
text_to_embedding
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input |
Parametrasinput_shapes | Specifikacijastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parametrasencoding_format | Specifikacijafloat |
Parametrasdimensions_override | Specifikacijafalse |
Parametrasmax_input_budget_units | Specifikacija8192 |
Parametrasmultimodal_objects | Specifikacijafalse |
Parametrasmaterial_types | Specifikacijatext, token_ids |
Gyvavimo ciklas: synchronous_json
Išsaugokite kiekvieną vektoriaus indeksą ir matmenį.
Tai, kad modelio pavadinimas nurodo multimodalumą, nereiškia, jog šiuo konkrečiu keliu priimami vaizdų objektai.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0 / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/text-embedding-ada-002", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='openai/text-embedding-ada-002',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną vektorių su jo indeksu. Vektorių skaičius turi sutapti su įvesčių skaičiumi; jų matmenų skaičius turi būti vienodas.
Vektorių generavimo užduotims atskiras API galinis taškas neįvedamas.
| Laukas | Tipas |
|---|---|
Laukasobject | Tipasstring |
Laukasmodel | Tipasstring |
Laukasdata[].index | Tipasinteger |
Laukasdata[].embedding | Tipasfinite float[] |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002
Naudokite aukščiau nurodytus metodų kelius.
text-embedding-ada-002OpenAI teksto įterpinių modelis, grąžinantis 1536 matmenų skaitinį vektorių. Šias reprezentacijas naudokite semantinei paieškai, susijusio turinio rekomendacijoms, grupavimui į klasterius, klasifikavimui ar neįprastų tekstinių įrašų aptikimui.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
text-embedding-ada-002 yra OpenAI teksto įterpinių modelis rašytinei medžiagai atvaizduoti skaitiniu vektoriumi. Jo išvestis turi 1536 komponentus. Gamintojas vienoje reprezentacijoje sujungia tekstų panašumo, dokumentų paieškos pagal užklausas ir kodo paieškos užduotis. Rezultatas yra duomenys palyginimui ar kitam algoritmui, o ne sugeneruotas atsakymas į tekstą, kurio įterpinys kuriamas.
Semantinei paieškai paruoškite prasmingas dokumentų ištraukas ir išsaugokite jų šaltinių identifikatorius. Iliustracinis procesas tuo pačiu modeliu sukuria kiekvienos ištraukos ir naudotojo klausimo įterpinius, palygina vektorius ir grąžina aktualias šaltinio ištraukas. Programa nustato paieškos taisyklę, filtrus ir pateikimą. Vėlesnis teksto generavimo veiksmas gali naudoti rastą medžiagą atsakymui parengti, o įterpinių modelis pateikia skaitinį atvaizdą.
Kiti dokumentuoti naudojimo būdai apima panašių įrašų grupavimą, susijusio turinio rekomendavimą, teksto klasifikavimą ir išskirčių nustatymą. Rekomendacijai lyginkite objektų, kurių ryšys svarbus, aprašymus. Klasifikavimui vadovas aprašo palyginimą su kategorijų reprezentacijomis arba vektorių naudojimą kaip požymius klasifikatoriuje. Anomalijų aptikimui aktualus rezultatas yra įrašas, besiskiriantis nuo aplinkinės kolekcijos, interpretuojamas pagal produkto užduotį.
OpenAI šiam modeliui nurodo didžiausią 8192 žetonų įvestį. Gamintojo įterpinių API priima tekstines eilutes arba į žetonus suskaidytą įvestį, leidžia kelias įvestis vienoje užklausoje ir atmeta tuščias eilutes. Bendras limitas yra 300 000 žetonų vienai užklausai, papildomai prie atskiros įvesties ribos. Ilgesnius dokumentus skaidykite į naudingas ištraukas, išsaugodami pavadinimus, apibrėžimus ir nuorodą atgal į originalią medžiagą.
Išvestis yra slankiojo kablelio reikšmių vektorius; gamintojas taip pat dokumentuoja base64 kaip alternatyvią perdavimo koduotę. OpenAI matmenų mažinimo parametras skirtas trečiosios ir vėlesnių kartų įterpinių modeliams, todėl dokumentuotas Ada modelio 1536 matmenų rezultatas laikomas atskiru nuo šio valdiklio. Modelio tapatybę ir vektorių saugokite su šaltinio įrašu, kad vėlesni palyginimai naudotų nuoseklią reprezentaciją.
Įterpinių vadovas rekomenduoja kosinuso panašumą ir nurodo, kad OpenAI įterpiniai normalizuoti iki vienetinės normos. Tokiems vektoriams skaliarinė sandauga gali apskaičiuoti kosinuso panašumą, o Euklido atstumas pateikia tą patį rikiavimą. Panašumo balas yra programos paieškos ar klasifikavimo logikos dalis, o ne automatiškai modelio pateiktas sprendimas dėl kategorijos.
Apibrėžkite, kurie šaltinio laukai tampa įvesties tekstu ir kaip reikia skaidyti ištraukas. Iliustracinis rezultatas yra surikiuotas dokumentų ištraukų ar susijusių įrašų rinkinys, kurio kiekvienas elementas susietas su originaliu šaltiniu ir atrankai naudota taisykle. Paruošimą išlaikykite nuoseklų ir įvertinkite, ar grąžinta medžiaga atsako į tikrąjį klausimą. Taip skaitinė išvestis tampa naudinga kitam paieškos, rekomendavimo ar analizės veiksmui.
POST /v1/embeddingstextembedding| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos text-embedding-ada-002 | Numatyta— |
Laukasinput | Tipasstring|string[]|integer[]|integer[][] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 Sąlygos: Netuščias vienalyčių įvesčių paketas. Žetonų ID yra neneigiami sveikieji skaičiai. Įvesties biudžetas: Didžiausia reikšmė: 8 192 · Teksto vienetas: UTF8 baitai · Tokenų vienetas: žetonų masyvo elementai | Numatyta— |
Laukasencoding_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos float | Numatytafloat |
Laukasdimensions | Tipasinteger | ReikalavimasNepalaikoma | Reikšmės ir ribos Mažiausia reikšmė: 1 | Numatyta— |
Laukasuser | Tipasjson_value | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: Neprivalomi JSON metaduomenys; tiksli teikėjo sistemos semantika priklauso nuo pasirinkto modelio. | Numatyta— |
Laukassession_id | Tipasjson_value | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: Neprivalomi JSON metaduomenys; tiksli teikėjo sistemos semantika priklauso nuo pasirinkto modelio. | Numatyta— |
Laukastrace | Tipasjson_value | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: Neprivalomi JSON metaduomenys; tiksli teikėjo sistemos semantika priklauso nuo pasirinkto modelio. | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options atmetamas | Numatyta— |
text_to_embedding
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input |
Parametrasinput_shapes | Specifikacijastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parametrasencoding_format | Specifikacijafloat |
Parametrasdimensions_override | Specifikacijafalse |
Parametrasmax_input_budget_units | Specifikacija8192 |
Parametrasmultimodal_objects | Specifikacijafalse |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_json
Siųskite tikslų modelio ID ir privalomus laukus.
Išsaugokite kiekvieną grąžintą elementą ir jo pradinius identifikatorius.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0 / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "text-embedding-ada-002",\n "input": [\n "First document",\n "Second document"\n ],\n "encoding_format": "float"\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\njson
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną vektorių su baigtinėmis reikšmėmis ir jo pradinį indeksą. Išsaugokite visas dimensijas ir visą naudojimo duomenų objektą.
Vektorių generavimo užduotims atskiras API galinis taškas neįvedamas.
| Laukas | Tipas |
|---|---|
Laukasobject | Tipasstring |
Laukasmodel | Tipasstring |
Laukasdata[].index | Tipasinteger |
Laukasdata[].embedding | Tipasfinite float[] |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002
Naudokite aukščiau nurodytus metodų kelius.