Llama Nemotron Embed VL 1B v2 vyvinula NVIDIA na vyhľadávanie materiálov, ktoré pomáhajú odpovedať na otázku. Otázka sa zadáva textom. Aktuálny katalóg Ailoot pre tento model ponúka textový vstup: otázka aj materiál sa kódujú ako text. Výrobca opisuje aj dokument v podobe obrázka stránky alebo obrázka spolu s extrahovaným textom. Takéto vizuálne varianty vyžadujú samostatnú metódu s podporou obrázkov. Pri zodpovedajúcom vstupe model reprezentuje tabuľky, grafy a infografiku v spoločnom vektorovom priestore.
Takéto vyhľadávanie je vhodné pre asistentov na otázky a odpovede nad veľkou zbierkou dokumentov, interných príručiek a výskumných materiálov. Výsledkom kódovania je číselný vektor. Nájdenú stránku alebo fragment možno následne odovzdať modelu, ktorý vytvorí odpoveď: samotná Embed VL zabezpečuje vyhľadávanie kontextu.
Otázka a dokument sa kódujú nezávisle. Zbierku preto možno spracovať vopred, uložiť vektory spolu s pôvodnými stránkami a pri novej otázke vypočítať iba jej vektor. Podobnosť vektorov pomáha vybrať materiály podľa významu. Textové roly otázky a dokumentu sa líšia, čo je dôležité zachovať pri príprave údajov.
Každý vstup sa prevádza na jeden vektor s rozmerom až 2048 čísel. V textovom režime sa používa rozpočet 8192 tokenov. Pre vizuálnu metódu výrobcu s kombináciou obrázka a textu je opísaný spoločný rozpočet 10240 tokenov zahŕňajúci obe časti; nejde o textový limit metódy Ailoot. Obrázok sa rozdeľuje na časti: v opísanej konfigurácii je povolených až šesť častí a zmenšená kópia celej stránky, spolu približne 1792 vizuálnych tokenov. Dlhé texty treba rozdeliť alebo skrátiť.
Jazyková časť je založená na Llama 3.2 1B, vizuálna na SigLIP2. Sú spojené do enkódera, ktorý priemeruje reprezentácie vstupných tokenov a vytvára jediný vektor. Kontrastívny tréning približuje otázku k vhodnej stránke a vzďaľuje ju od nerelevantných materiálov. Vyhľadávanie zostáva pravdepodobnostné: blízkosť vektorov nezaručuje, že vybraný fragment obsahuje správnu odpoveď.
", "aboutText": "### Nájsť správnu stránku podľa otázky\n\nLlama Nemotron Embed VL 1B v2 vyvinula NVIDIA na vyhľadávanie materiálov, ktoré pomáhajú odpovedať na otázku. Otázka sa zadáva textom. Aktuálny katalóg Ailoot pre tento model ponúka textový vstup: otázka aj materiál sa kódujú ako text. Výrobca opisuje aj dokument v podobe obrázka stránky alebo obrázka spolu s extrahovaným textom. Takéto vizuálne varianty vyžadujú samostatnú metódu s podporou obrázkov. Pri zodpovedajúcom vstupe model reprezentuje tabuľky, grafy a infografiku v spoločnom vektorovom priestore.\n\nTakéto vyhľadávanie je vhodné pre asistentov na otázky a odpovede nad veľkou zbierkou dokumentov, interných príručiek a výskumných materiálov. Výsledkom kódovania je číselný vektor. Nájdenú stránku alebo fragment možno následne odovzdať modelu, ktorý vytvorí odpoveď: samotná Embed VL zabezpečuje vyhľadávanie kontextu.\n\n### Varianty dokumentu u výrobcu\n\n- Textový dokument: samostatná časť, fragment alebo už rozpoznaný text stránky.\n- Obrázok: celá stránka s textom, tabuľkami a grafickými prvkami.\n- Obrázok s textom: vizuálna podoba stránky a jej textový obsah sú spojené do jednej reprezentácie.\n\nOtázka a dokument sa kódujú nezávisle. Zbierku preto možno spracovať vopred, uložiť vektory spolu s pôvodnými stránkami a pri novej otázke vypočítať iba jej vektor. Podobnosť vektorov pomáha vybrať materiály podľa významu. Textové roly otázky a dokumentu sa líšia, čo je dôležité zachovať pri príprave údajov.\n\n### Rozmer reprezentácie a dĺžka vstupu\n\nKaždý vstup sa prevádza na jeden vektor s rozmerom až 2048 čísel. V textovom režime sa používa rozpočet 8192 tokenov. Pre vizuálnu metódu výrobcu s kombináciou obrázka a textu je opísaný spoločný rozpočet 10240 tokenov zahŕňajúci obe časti; nejde o textový limit metódy Ailoot. Obrázok sa rozdeľuje na časti: v opísanej konfigurácii je povolených až šesť častí a zmenšená kópia celej stránky, spolu približne 1792 vizuálnych tokenov. Dlhé texty treba rozdeliť alebo skrátiť.\n\nJazyková časť je založená na Llama 3.2 1B, vizuálna na SigLIP2. Sú spojené do enkódera, ktorý priemeruje reprezentácie vstupných tokenov a vytvára jediný vektor. Kontrastívny tréning približuje otázku k vhodnej stránke a vzďaľuje ju od nerelevantných materiálov. Vyhľadávanie zostáva pravdepodobnostné: blízkosť vektorov nezaručuje, že vybraný fragment obsahuje správnu odpoveď.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7e9195a79b5464fd44a2a495d4d9af13ddb80a40d56869184283e3c70f5fcdf8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "nvidia/llama-nemotron-embed-vl-1b-v2Llama Nemotron Embed VL v2 vytvára vektory na sémantické vyhľadávanie v dokumentoch. Aktuálny katalóg Ailoot ponúka textový vstup pre otázky a materiály.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Llama Nemotron Embed VL 1B v2 vyvinula NVIDIA na vyhľadávanie materiálov, ktoré pomáhajú odpovedať na otázku. Otázka sa zadáva textom. Aktuálny katalóg Ailoot pre tento model ponúka textový vstup: otázka aj materiál sa kódujú ako text. Výrobca opisuje aj dokument v podobe obrázka stránky alebo obrázka spolu s extrahovaným textom. Takéto vizuálne varianty vyžadujú samostatnú metódu s podporou obrázkov. Pri zodpovedajúcom vstupe model reprezentuje tabuľky, grafy a infografiku v spoločnom vektorovom priestore.
Takéto vyhľadávanie je vhodné pre asistentov na otázky a odpovede nad veľkou zbierkou dokumentov, interných príručiek a výskumných materiálov. Výsledkom kódovania je číselný vektor. Nájdenú stránku alebo fragment možno následne odovzdať modelu, ktorý vytvorí odpoveď: samotná Embed VL zabezpečuje vyhľadávanie kontextu.
Otázka a dokument sa kódujú nezávisle. Zbierku preto možno spracovať vopred, uložiť vektory spolu s pôvodnými stránkami a pri novej otázke vypočítať iba jej vektor. Podobnosť vektorov pomáha vybrať materiály podľa významu. Textové roly otázky a dokumentu sa líšia, čo je dôležité zachovať pri príprave údajov.
Každý vstup sa prevádza na jeden vektor s rozmerom až 2048 čísel. V textovom režime sa používa rozpočet 8192 tokenov. Pre vizuálnu metódu výrobcu s kombináciou obrázka a textu je opísaný spoločný rozpočet 10240 tokenov zahŕňajúci obe časti; nejde o textový limit metódy Ailoot. Obrázok sa rozdeľuje na časti: v opísanej konfigurácii je povolených až šesť častí a zmenšená kópia celej stránky, spolu približne 1792 vizuálnych tokenov. Dlhé texty treba rozdeliť alebo skrátiť.
Jazyková časť je založená na Llama 3.2 1B, vizuálna na SigLIP2. Sú spojené do enkódera, ktorý priemeruje reprezentácie vstupných tokenov a vytvára jediný vektor. Kontrastívny tréning približuje otázku k vhodnej stránke a vzďaľuje ju od nerelevantných materiálov. Vyhľadávanie zostáva pravdepodobnostné: blízkosť vektorov nezaručuje, že vybraný fragment obsahuje správnu odpoveď.
POST /v1/embeddingstextembedding| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity nvidia/llama-nemotron-embed-vl-1b-v2 | Predvolené— |
Poleinput | Typstring|string[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 Podmienky: Každý reťazec musí byť neprázdny po odstránení okrajových bielych znakov; dátové URI sa zamietajú; prijatý rozpočet meria príslušné bajty UTF8. | Predvolené— |
Poleinput_type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity query, passage | Predvolenéquery |
Poleencoding_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity float, base64 | Predvolenéfloat |
Poletruncate | Typstring | PožiadavkaVoliteľné | Hodnoty a limity NONE, START, END | Predvolené— |
Poledimensions | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 | Predvolené— |
Poleuser | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
text_to_embedding
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikáciamodel, input |
Parameteroptional_controls | Špecifikácianull |
Parametercontent_type | Špecifikáciaapplication/json |
Životný cyklus: exact retained published method
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
POST /v1/embeddingsAiloot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
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\np=json.loads('{"model": "nvidia/llama-nemotron-embed-vl-1b-v2", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\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\njson
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Vektory base64 dekódujte iba vtedy, ak bol tento formát vyžiadaný; zachovajte každý vektor a jeho pôvodný index.
Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov.
| Pole | Typ |
|---|---|
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[]|base64 float32 vector |
Polemodel | Typstring |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Použite cesty metód uvedené vyššie.
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
nemotron-embed-vlLlama Nemotron Embed VL v2 vytvára vektory na sémantické vyhľadávanie v dokumentoch. Aktuálny katalóg Ailoot ponúka textový vstup pre otázky a materiály.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Llama Nemotron Embed VL 1B v2 vyvinula NVIDIA na vyhľadávanie materiálov, ktoré pomáhajú odpovedať na otázku. Otázka sa zadáva textom. Aktuálny katalóg Ailoot pre tento model ponúka textový vstup: otázka aj materiál sa kódujú ako text. Výrobca opisuje aj dokument v podobe obrázka stránky alebo obrázka spolu s extrahovaným textom. Takéto vizuálne varianty vyžadujú samostatnú metódu s podporou obrázkov. Pri zodpovedajúcom vstupe model reprezentuje tabuľky, grafy a infografiku v spoločnom vektorovom priestore.
Takéto vyhľadávanie je vhodné pre asistentov na otázky a odpovede nad veľkou zbierkou dokumentov, interných príručiek a výskumných materiálov. Výsledkom kódovania je číselný vektor. Nájdenú stránku alebo fragment možno následne odovzdať modelu, ktorý vytvorí odpoveď: samotná Embed VL zabezpečuje vyhľadávanie kontextu.
Otázka a dokument sa kódujú nezávisle. Zbierku preto možno spracovať vopred, uložiť vektory spolu s pôvodnými stránkami a pri novej otázke vypočítať iba jej vektor. Podobnosť vektorov pomáha vybrať materiály podľa významu. Textové roly otázky a dokumentu sa líšia, čo je dôležité zachovať pri príprave údajov.
Každý vstup sa prevádza na jeden vektor s rozmerom až 2048 čísel. V textovom režime sa používa rozpočet 8192 tokenov. Pre vizuálnu metódu výrobcu s kombináciou obrázka a textu je opísaný spoločný rozpočet 10240 tokenov zahŕňajúci obe časti; nejde o textový limit metódy Ailoot. Obrázok sa rozdeľuje na časti: v opísanej konfigurácii je povolených až šesť častí a zmenšená kópia celej stránky, spolu približne 1792 vizuálnych tokenov. Dlhé texty treba rozdeliť alebo skrátiť.
Jazyková časť je založená na Llama 3.2 1B, vizuálna na SigLIP2. Sú spojené do enkódera, ktorý priemeruje reprezentácie vstupných tokenov a vytvára jediný vektor. Kontrastívny tréning približuje otázku k vhodnej stránke a vzďaľuje ju od nerelevantných materiálov. Vyhľadávanie zostáva pravdepodobnostné: blízkosť vektorov nezaručuje, že vybraný fragment obsahuje správnu odpoveď.
POST /v1/embeddingstextembedding| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity nemotron-embed-vl | Predvolené— |
Poleinput | Typstring|string[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 Podmienky: Každý reťazec musí byť neprázdny po odstránení okrajových bielych znakov; dátové URI sa zamietajú; prijatý rozpočet meria príslušné bajty UTF8. | Predvolené— |
Poleinput_type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity query, passage | Predvolenéquery |
Poleencoding_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity float, base64 | Predvolenéfloat |
Poletruncate | Typstring | PožiadavkaVoliteľné | Hodnoty a limity NONE, START, END | Predvolené— |
Poledimensions | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 | Predvolené— |
Poleuser | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
text_to_embedding
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikáciamodel, input |
Parameteroptional_controls | Špecifikácianull |
Parametercontent_type | Špecifikáciaapplication/json |
Životný cyklus: exact retained published method
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
POST /v1/embeddingsAiloot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
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\np=json.loads('{"model": "nemotron-embed-vl", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\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\njson
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Vektory base64 dekódujte iba vtedy, ak bol tento formát vyžiadaný; zachovajte každý vektor a jeho pôvodný index.
Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov.
| Pole | Typ |
|---|---|
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[]|base64 float32 vector |
Polemodel | Typstring |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Použite cesty metód uvedené vyššie.
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
nemotron-embed-vl-latestLlama Nemotron Embed VL v2 vytvára vektory na sémantické vyhľadávanie v dokumentoch. Aktuálny katalóg Ailoot ponúka textový vstup pre otázky a materiály.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Llama Nemotron Embed VL 1B v2 vyvinula NVIDIA na vyhľadávanie materiálov, ktoré pomáhajú odpovedať na otázku. Otázka sa zadáva textom. Aktuálny katalóg Ailoot pre tento model ponúka textový vstup: otázka aj materiál sa kódujú ako text. Výrobca opisuje aj dokument v podobe obrázka stránky alebo obrázka spolu s extrahovaným textom. Takéto vizuálne varianty vyžadujú samostatnú metódu s podporou obrázkov. Pri zodpovedajúcom vstupe model reprezentuje tabuľky, grafy a infografiku v spoločnom vektorovom priestore.
Takéto vyhľadávanie je vhodné pre asistentov na otázky a odpovede nad veľkou zbierkou dokumentov, interných príručiek a výskumných materiálov. Výsledkom kódovania je číselný vektor. Nájdenú stránku alebo fragment možno následne odovzdať modelu, ktorý vytvorí odpoveď: samotná Embed VL zabezpečuje vyhľadávanie kontextu.
Otázka a dokument sa kódujú nezávisle. Zbierku preto možno spracovať vopred, uložiť vektory spolu s pôvodnými stránkami a pri novej otázke vypočítať iba jej vektor. Podobnosť vektorov pomáha vybrať materiály podľa významu. Textové roly otázky a dokumentu sa líšia, čo je dôležité zachovať pri príprave údajov.
Každý vstup sa prevádza na jeden vektor s rozmerom až 2048 čísel. V textovom režime sa používa rozpočet 8192 tokenov. Pre vizuálnu metódu výrobcu s kombináciou obrázka a textu je opísaný spoločný rozpočet 10240 tokenov zahŕňajúci obe časti; nejde o textový limit metódy Ailoot. Obrázok sa rozdeľuje na časti: v opísanej konfigurácii je povolených až šesť častí a zmenšená kópia celej stránky, spolu približne 1792 vizuálnych tokenov. Dlhé texty treba rozdeliť alebo skrátiť.
Jazyková časť je založená na Llama 3.2 1B, vizuálna na SigLIP2. Sú spojené do enkódera, ktorý priemeruje reprezentácie vstupných tokenov a vytvára jediný vektor. Kontrastívny tréning približuje otázku k vhodnej stránke a vzďaľuje ju od nerelevantných materiálov. Vyhľadávanie zostáva pravdepodobnostné: blízkosť vektorov nezaručuje, že vybraný fragment obsahuje správnu odpoveď.
POST /v1/embeddingstextembedding| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity nemotron-embed-vl-latest | Predvolené— |
Poleinput | Typstring|string[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 Podmienky: Každý reťazec musí byť neprázdny po odstránení okrajových bielych znakov; dátové URI sa zamietajú; prijatý rozpočet meria príslušné bajty UTF8. | Predvolené— |
Poleinput_type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity query, passage | Predvolenéquery |
Poleencoding_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity float, base64 | Predvolenéfloat |
Poletruncate | Typstring | PožiadavkaVoliteľné | Hodnoty a limity NONE, START, END | Predvolené— |
Poledimensions | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 | Predvolené— |
Poleuser | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
text_to_embedding
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikáciamodel, input |
Parameteroptional_controls | Špecifikácianull |
Parametercontent_type | Špecifikáciaapplication/json |
Životný cyklus: exact retained published method
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
POST /v1/embeddingsAiloot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
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\np=json.loads('{"model": "nemotron-embed-vl-latest", "input": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=[text]\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\njson
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Vektory base64 dekódujte iba vtedy, ak bol tento formát vyžiadaný; zachovajte každý vektor a jeho pôvodný index.
Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov.
| Pole | Typ |
|---|---|
Poledata[].index | Typinteger |
Poledata[].embedding | Typfinite float[]|base64 float32 vector |
Polemodel | Typstring |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest
Použite cesty metód uvedené vyššie.
nvidia/llama-nemotron-embed-vl-1b-v2, nemotron-embed-vl, nemotron-embed-vl-latest