Source: https://ailoot.ai/models/ms/openai-text-embedding-ada-002/
Canonical: https://ailoot.ai/models/ms/openai-text-embedding-ada-002/
Language: ms

# OpenAI: Text Embedding Ada 002

[Markdown](https://ailoot.ai/models/ms/openai-text-embedding-ada-002/index.md) · [JSON](https://ailoot.ai/models/ms/openai-text-embedding-ada-002/facts.json)

## [OpenAI: Text Embedding Ada 002](https://ailoot.ai/models/ms/openai-text-embedding-ada-002/)

Model embedding teks OpenAI yang mengembalikan vektor berangka 1,536 dimensi. Gunakan perwakilan itu untuk carian semantik, cadangan kandungan berkaitan, pengelompokan, pengelasan atau pengesanan rekod teks luar biasa.

- [**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `openai/text-embedding-ada-002`](https://ailoot.ai/models/ms/openai-text-embedding-ada-002/#method-0)
- [**Ailoot Ultra · Pembenaman · text-embedding-ada-002** `POST /v1/embeddings` `text-embedding-ada-002`](https://ailoot.ai/models/ms/openai-text-embedding-ada-002/#method-1)

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

text-embedding-ada-002 ialah model embedding teks OpenAI untuk mewakili bahan bertulis sebagai vektor berangka. Outputnya mengandungi 1,536 komponen. Pembuat menggabungkan peranan keserupaan teks, carian dokumen/pertanyaan dan carian kod dalam satu perwakilan. Hasilnya ialah data untuk perbandingan atau algoritma lain, bukannya jawapan terjana kepada teks yang dihasilkan embeddingnya.

Untuk carian semantik, sediakan petikan dokumen bermakna dan simpan pengecam sumbernya. Contoh aliran kerja menghasilkan embedding setiap petikan dan soalan pengguna dengan model yang sama, membandingkan vektor dan mengembalikan petikan sumber relevan. Aplikasi menentukan peraturan pemerolehan semula, penapis dan paparan. Langkah penjanaan teks berikutnya boleh menggunakan bahan yang diperoleh semula untuk membina jawapan, manakala model embedding membekalkan perwakilan berangka.

Kegunaan lain yang didokumenkan termasuk pengumpulan rekod serupa, cadangan kandungan berkaitan, pengelasan teks dan pengenalpastian pencilan. Untuk cadangan, bandingkan penerangan objek yang hubungannya penting. Untuk pengelasan, panduan menerangkan perbandingan dengan perwakilan kategori atau penggunaan vektor sebagai ciri dalam pengelas. Untuk pengesanan anomali, hasil relevan ialah rekod yang berbeza daripada koleksi sekeliling, ditafsirkan mengikut tugas produk.

OpenAI menyenaraikan input maksimum 8,192 token untuk model ini. API embedding pengeluar menerima rentetan teks atau input bertoken, membenarkan beberapa input dalam satu permintaan dan menolak rentetan kosong. Had agregatnya ialah 300,000 token dalam satu permintaan, selain had setiap input. Bahagikan dokumen lebih panjang kepada petikan berguna sambil mengekalkan tajuk, takrif dan rujukan kembali kepada bahan asal.

Output ialah vektor nilai titik terapung; pengeluar turut mendokumenkan base64 sebagai pengekodan pengangkutan alternatif. Parameter pemendekan dimensi OpenAI adalah untuk model embedding generasi ketiga dan kemudian, maka hasil Ada 1,536 dimensi yang didokumenkan kekal berbeza daripada kawalan itu. Simpan identiti model dan vektor bersama rekod sumber supaya perbandingan kemudian menggunakan perwakilan konsisten.

Panduan embedding mengesyorkan keserupaan kosinus dan menyatakan bahawa embedding OpenAI dinormalkan kepada panjang unit. Untuk vektor itu, hasil darab titik boleh mengira keserupaan kosinus dan jarak Euclidean memberikan kedudukan yang sama. Skor keserupaan sebahagian daripada logik pemerolehan semula atau pengelasan aplikasi, bukan keputusan kategori yang dibekalkan model secara automatik.

Takrifkan medan sumber yang menjadi teks input dan cara petikan patut dibahagikan. Contoh hasil ialah set petikan dokumen atau rekod berkaitan berperingkat, setiap satunya dipautkan kepada sumber asal dan peraturan pemilihan. Pastikan penyediaan konsisten dan nilai sama ada bahan yang dikembalikan menjawab soalan sebenar. Ini menjadikan output berangka berguna kepada langkah carian, cadangan atau analisis seterusnya.

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `openai/text-embedding-ada-002`

[`openai/text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings)

OpenAI /`openai/text-embedding-ada-002`

ID model

- `openai/text-embedding-ada-002`
- `text-embedding-ada-002`

### Pengenalan

Model embedding teks OpenAI yang mengembalikan vektor berangka 1,536 dimensi. Gunakan perwakilan itu untuk carian semantik, cadangan kandungan berkaitan, pengelompokan, pengelasan atau pengesanan rekod teks luar biasa.

Input yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings`

Input

`text`, `token_ids`

Output

`embedding`

Konteks

8,192 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had openai/text-embedding-ada-002 | Lalai— |
| Medan`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 8,192 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float | Lalaifloat |
| Medan`dimensions` | Jenis`integer` | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`session_id` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`trace` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak8192 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext, token\_ids |

Kitar hayat: `synchronous_json`

Simpan setiap indeks dan dimensi vektor.

Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Kadar standard Apabila mod pantas dipilih

Mod flex

Kadar standard Apabila mod flex dipilih

Usaha penaakulan maksimum

Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

| Konfigurasi | Jadual kadar | Caj |
| --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input **$0.0002** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman

curlPython SDK

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/text-embedding-ada-002", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

```python
from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='openai/text-embedding-ada-002',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Terima dan simpan hasil

#### Ailoot Ultra · Pembenaman

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`object` | Jenisstring |
| Medan`model` | Jenisstring |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\] |
| Medan`usage` | Jenisobject |

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |

### Alias

#### Alias model

**Ailoot Ultra** [`openai/text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`openai/text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

**Ailoot Ultra · Pembenaman · text-embedding-ada-002** `POST /v1/embeddings` `text-embedding-ada-002`

[`text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

OpenAI /`text-embedding-ada-002`

ID model

- `openai/text-embedding-ada-002`
- `text-embedding-ada-002`

### Pengenalan

Model embedding teks OpenAI yang mengembalikan vektor berangka 1,536 dimensi. Gunakan perwakilan itu untuk carian semantik, cadangan kandungan berkaitan, pengelompokan, pengelasan atau pengesanan rekod teks luar biasa.

Input yang diterima

Teks

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pembenaman · text-embedding-ada-002** `POST /v1/embeddings`

Input

`text`

Output

`embedding`

Konteks

8,192 tokens

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had text-embedding-ada-002 | Lalai— |
| Medan`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 8,192 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float | Lalaifloat |
| Medan`dimensions` | Jenis`integer` | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Metadata JSON pilihan; makna tepat di pihak huluan bergantung pada model yang dipilih. | Lalai— |
| Medan`session_id` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Metadata JSON pilihan; makna tepat di pihak huluan bergantung pada model yang dipilih. | Lalai— |
| Medan`trace` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Metadata JSON pilihan; makna tepat di pihak huluan bergantung pada model yang dipilih. | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak8192 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext |
| Parameter`text_file_material` | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |

Kitar hayat: `synchronous_json`

Hantar ID model yang tepat dan medan wajib.

Simpan setiap item yang dikembalikan dan pengecam asalnya.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Kadar standard Apabila mod pantas dipilih

Mod flex

Kadar standard Apabila mod flex dipilih

Usaha penaakulan maksimum

Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

| Konfigurasi | Jadual kadar | Caj |
| --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input **$0.0002** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman · text-embedding-ada-002

Badan JSON minimum yang lengkapcurl · gunakan dokumen UTF-8 andaPython · simpan hasil lengkap

```json
{
  "model": "text-embedding-ada-002",
  "input": [
    "First document",
    "Second document"
  ],
  "encoding_format": "float"
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
```

### Terima dan simpan hasil

#### Ailoot Ultra · Pembenaman · text-embedding-ada-002

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor terhingga berserta indeks asalnya. Kekalkan semua dimensi dan keseluruhan objek penggunaan.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`object` | Jenisstring |
| Medan`model` | Jenisstring |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\] |
| Medan`usage` | Jenisobject |

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |

### Alias

#### Alias model

**Ailoot Ultra** [`openai/text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`openai/text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/ms/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

FAQ · OpenAI: Text Embedding Ada 002

Apakah input dan hasil yang tersedia?

`POST /v1/embeddings` · `openai/text-embedding-ada-002`: `text`, `token_ids` → `embedding` `POST /v1/embeddings` · `text-embedding-ada-002`: `text` → `embedding`

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `openai/text-embedding-ada-002`: `model`, `input`, `encoding_format`, `provider` `POST /v1/embeddings` · `text-embedding-ada-002`: `model`, `input`, `encoding_format`, `provider`

Apakah had yang terpakai?

`POST /v1/embeddings` · `openai/text-embedding-ada-002`: `ctx`: `8192`; `input.budget.maximum`: `8192` (bait UTF8); `input.min_items`: `1` `POST /v1/embeddings` · `text-embedding-ada-002`: `ctx`: `8192`; `input.budget.maximum`: `8192` (bait UTF8); `input.min_items`: `1`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.