Source: https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/
Canonical: https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/
Language: th

# Llama Nemotron Embed VL 1B v2

[Markdown](https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/index.md) · [JSON](https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/facts.json)

## [Llama Nemotron Embed VL 1B v2](https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/)

Llama Nemotron Embed VL v2 สร้างเวกเตอร์สำหรับค้นหาเอกสารตามความหมาย ในแค็ตตาล็อก Ailoot ปัจจุบัน โมเดลรับคำถามและข้อมูลเป็นข้อความ

- [**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/#method-0)
- [**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings` `nemotron-embed-vl`](https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/#method-1)
- [**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings` `nemotron-embed-vl-latest`](https://ailoot.ai/models/th/nvidia-llama-nemotron-embed-vl-1b-v2/#method-2)

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

#### ค้นหาหน้าที่ต้องการจากคำถาม

Llama Nemotron Embed VL 1B v2 พัฒนาโดย NVIDIA เพื่อค้นหาข้อมูลที่ช่วยตอบคำถาม คำค้นกำหนดเป็นข้อความ ในแค็ตตาล็อก Ailoot ปัจจุบัน โมเดลมีอินพุตข้อความ โดยเข้ารหัสทั้งคำถามและข้อมูลเป็นข้อความ ผู้ผลิตยังอธิบายเอกสารในรูปภาพหน้าเอกสาร หรือภาพร่วมกับข้อความที่สกัดแล้ว รูปแบบภาพเหล่านี้ต้องมีวิธีแยกที่รองรับภาพ เมื่อมีอินพุตที่เหมาะสม โมเดลแทนตาราง กราฟ และอินโฟกราฟิกในพื้นที่เวกเตอร์ร่วมกันได้

การค้นหาเช่นนี้เหมาะกับผู้ช่วยถามตอบจากเอกสารจำนวนมาก คู่มือภายใน และข้อมูลวิจัย ผลการเข้ารหัสคือเวกเตอร์ตัวเลข จากนั้นส่งหน้าหรือส่วนที่ค้นพบให้โมเดลสร้างคำตอบได้ ตัว Embed VL ทำหน้าที่ขั้นตอนค้นหาบริบท

#### รูปแบบเอกสารของผู้ผลิต

- เอกสารข้อความ ได้แก่ ส่วนย่อย ข้อความบางช่วง หรือข้อความหน้าเอกสารที่รู้จำแล้ว
- ภาพ ได้แก่ หน้าเอกสารทั้งหน้าพร้อมข้อความ ตาราง และองค์ประกอบกราฟิก
- ภาพพร้อมข้อความ ได้แก่ รูปลักษณ์หน้าเอกสารและเนื้อหาข้อความที่รวมอยู่ในการแทนข้อมูลเดียวกัน

คำถามและเอกสารเข้ารหัสแยกกัน จึงประมวลผลคอลเลกชันล่วงหน้า เก็บเวกเตอร์ร่วมกับหน้าต้นฉบับ และคำนวณเฉพาะเวกเตอร์คำถามเมื่อมีคำถามใหม่ได้ ความคล้ายของเวกเตอร์ช่วยเลือกข้อมูลตามความหมาย บทบาทข้อความของคำถามกับเอกสารต่างกัน ต้องรักษาความต่างนี้ระหว่างเตรียมข้อมูล

#### ขนาดการแทนข้อมูลและความยาวอินพุต

อินพุตแต่ละรายการแปลงเป็นหนึ่งเวกเตอร์ที่มีมิติได้ถึง 2048 ค่า โหมดข้อความใช้บัดเจ็ต 8192 โทเคน วิธีภาพของผู้ผลิตที่ผสานภาพกับข้อความอธิบายบัดเจ็ตรวม 10240 โทเคนซึ่งครอบคลุมทั้งสองส่วน นี่ไม่ใช่ขีดจำกัดข้อความของวิธี Ailoot ภาพถูกแบ่งเป็นส่วนย่อย ในการตั้งค่าที่อธิบายไว้รองรับได้ถึงหกส่วนและภาพย่อทั้งหน้า รวมประมาณ 1792 โทเคนภาพ ข้อความยาวต้องแบ่งหรือย่อ

ส่วนภาษาสร้างบน Llama 3.2 1B ส่วนภาพใช้ SigLIP2 รวมเป็นตัวเข้ารหัสที่เฉลี่ยการแทนข้อมูลของโทเคนอินพุตและส่งหนึ่งเวกเตอร์รวม การฝึกแบบ contrastive ทำให้คำถามใกล้กับหน้าที่เหมาะสมและห่างจากข้อมูลไม่เกี่ยวข้อง การค้นหายังเป็นแบบความน่าจะเป็น ความใกล้ของเวกเตอร์ไม่รับประกันว่าส่วนที่เลือกมีคำตอบที่ถูกต้อง

**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings` `nvidia/llama-nemotron-embed-vl-1b-v2`

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings)

NVIDIA /`nvidia/llama-nemotron-embed-vl-1b-v2`

ID โมเดล

- `nvidia/llama-nemotron-embed-vl-1b-v2`
- `nemotron-embed-vl`
- `nemotron-embed-vl-latest`

### เริ่มต้น

Llama Nemotron Embed VL v2 สร้างเวกเตอร์สำหรับค้นหาเอกสารตามความหมาย ในแค็ตตาล็อก Ailoot ปัจจุบัน โมเดลรับคำถามและข้อมูลเป็นข้อความ

อินพุตที่รองรับ

ข้อความ

ผลลัพธ์

embedding

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings`

ขาเข้า

`text`

ขาออก

`embedding`

บริบท

4,096 tokens

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด nvidia/llama-nemotron-embed-vl-1b-v2 | ค่าเริ่มต้น— |
| ฟิลด์`input` | ประเภท`string\|string[]` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1 เงื่อนไข: ทุกสตริงต้องไม่ว่างหลังตัดช่องว่างหัวท้าย ปฏิเสธ data URI งบประมาณที่ยอมรับวัดจากไบต์ UTF8 ที่เกี่ยวข้อง | ค่าเริ่มต้น— |
| ฟิลด์`input_type` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด query, passage | ค่าเริ่มต้นquery |
| ฟิลด์`encoding_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด float, base64 | ค่าเริ่มต้นfloat |
| ฟิลด์`truncate` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด NONE, START, END | ค่าเริ่มต้น— |
| ฟิลด์`dimensions` | ประเภท`integer` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 | ค่าเริ่มต้น— |
| ฟิลด์`user` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**text\_to\_embedding**

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดtext |
| พารามิเตอร์`required` | ข้อกำหนดmodel, input |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |
| พารามิเตอร์`content_type` | ข้อกำหนดapplication/json |

วงจรการทำงาน: `exact retained published method`

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$0.0001 */ 1K*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · เอ็มเบดดิง

ตัวอย่างเอ็มเบดดิง

```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
p=json.loads('{"model": "nvidia/llama-nemotron-embed-vl-1b-v2", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · เอ็มเบดดิง

json

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

ถอดรหัสเวกเตอร์ base64 เฉพาะเมื่อขอรูปแบบนั้น เก็บเวกเตอร์ทุกชุดพร้อมดัชนีเดิม

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`data[].index` | ประเภทinteger |
| ฟิลด์`data[].embedding` | ประเภทfinite float\[\]\|base64 float32 vector |
| ฟิลด์`model` | ประเภทstring |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings` `nemotron-embed-vl`

[`nemotron-embed-vl`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings)

NVIDIA /`nemotron-embed-vl`

ID โมเดล

- `nvidia/llama-nemotron-embed-vl-1b-v2`
- `nemotron-embed-vl`
- `nemotron-embed-vl-latest`

### เริ่มต้น

Llama Nemotron Embed VL v2 สร้างเวกเตอร์สำหรับค้นหาเอกสารตามความหมาย ในแค็ตตาล็อก Ailoot ปัจจุบัน โมเดลรับคำถามและข้อมูลเป็นข้อความ

อินพุตที่รองรับ

ข้อความ

ผลลัพธ์

embedding

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings`

ขาเข้า

`text`

ขาออก

`embedding`

บริบท

4,096 tokens

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด nemotron-embed-vl | ค่าเริ่มต้น— |
| ฟิลด์`input` | ประเภท`string\|string[]` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1 เงื่อนไข: ทุกสตริงต้องไม่ว่างหลังตัดช่องว่างหัวท้าย ปฏิเสธ data URI งบประมาณที่ยอมรับวัดจากไบต์ UTF8 ที่เกี่ยวข้อง | ค่าเริ่มต้น— |
| ฟิลด์`input_type` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด query, passage | ค่าเริ่มต้นquery |
| ฟิลด์`encoding_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด float, base64 | ค่าเริ่มต้นfloat |
| ฟิลด์`truncate` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด NONE, START, END | ค่าเริ่มต้น— |
| ฟิลด์`dimensions` | ประเภท`integer` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 | ค่าเริ่มต้น— |
| ฟิลด์`user` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**text\_to\_embedding**

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดtext |
| พารามิเตอร์`required` | ข้อกำหนดmodel, input |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |
| พารามิเตอร์`content_type` | ข้อกำหนดapplication/json |

วงจรการทำงาน: `exact retained published method`

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$0.0001 */ 1K*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · เอ็มเบดดิง

ตัวอย่างเอ็มเบดดิง

```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
p=json.loads('{"model": "nemotron-embed-vl", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · เอ็มเบดดิง

json

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

ถอดรหัสเวกเตอร์ base64 เฉพาะเมื่อขอรูปแบบนั้น เก็บเวกเตอร์ทุกชุดพร้อมดัชนีเดิม

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`data[].index` | ประเภทinteger |
| ฟิลด์`data[].embedding` | ประเภทfinite float\[\]\|base64 float32 vector |
| ฟิลด์`model` | ประเภทstring |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings` `nemotron-embed-vl-latest`

[`nemotron-embed-vl-latest`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

NVIDIA /`nemotron-embed-vl-latest`

ID โมเดล

- `nvidia/llama-nemotron-embed-vl-1b-v2`
- `nemotron-embed-vl`
- `nemotron-embed-vl-latest`

### เริ่มต้น

Llama Nemotron Embed VL v2 สร้างเวกเตอร์สำหรับค้นหาเอกสารตามความหมาย ในแค็ตตาล็อก Ailoot ปัจจุบัน โมเดลรับคำถามและข้อมูลเป็นข้อความ

อินพุตที่รองรับ

ข้อความ

ผลลัพธ์

embedding

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · เอ็มเบดดิง** `POST /v1/embeddings`

ขาเข้า

`text`

ขาออก

`embedding`

บริบท

4,096 tokens

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด nemotron-embed-vl-latest | ค่าเริ่มต้น— |
| ฟิลด์`input` | ประเภท`string\|string[]` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1 เงื่อนไข: ทุกสตริงต้องไม่ว่างหลังตัดช่องว่างหัวท้าย ปฏิเสธ data URI งบประมาณที่ยอมรับวัดจากไบต์ UTF8 ที่เกี่ยวข้อง | ค่าเริ่มต้น— |
| ฟิลด์`input_type` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด query, passage | ค่าเริ่มต้นquery |
| ฟิลด์`encoding_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด float, base64 | ค่าเริ่มต้นfloat |
| ฟิลด์`truncate` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด NONE, START, END | ค่าเริ่มต้น— |
| ฟิลด์`dimensions` | ประเภท`integer` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 | ค่าเริ่มต้น— |
| ฟิลด์`user` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**text\_to\_embedding**

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดtext |
| พารามิเตอร์`required` | ข้อกำหนดmodel, input |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |
| พารามิเตอร์`content_type` | ข้อกำหนดapplication/json |

วงจรการทำงาน: `exact retained published method`

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$0.0001 */ 1K*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · เอ็มเบดดิง

ตัวอย่างเอ็มเบดดิง

```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
p=json.loads('{"model": "nemotron-embed-vl-latest", "input": []}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=[text]
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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · เอ็มเบดดิง

json

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

ถอดรหัสเวกเตอร์ base64 เฉพาะเมื่อขอรูปแบบนั้น เก็บเวกเตอร์ทุกชุดพร้อมดัชนีเดิม

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`data[].index` | ประเภทinteger |
| ฟิลด์`data[].embedding` | ประเภทfinite float\[\]\|base64 float32 vector |
| ฟิลด์`model` | ประเภทstring |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`nvidia/llama-nemotron-embed-vl-1b-v2`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nvidia%2Fllama-nemotron-embed-vl-1b-v2&fmt=embeddings), [`nemotron-embed-vl`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl&fmt=embeddings), [`nemotron-embed-vl-latest`](https://ailoot.ai/models/th/#m=nvidia%2Fllama-nemotron-embed-vl-1b-v2&route=Core&caller=nemotron-embed-vl-latest&fmt=embeddings)

FAQ · nvidia/llama-nemotron-embed-vl-1b-v2

มีอินพุตและผลลัพธ์ใดบ้าง?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `text` → `embedding`

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user`

มีข้อจำกัดใดบ้าง?

`POST /v1/embeddings` · `nvidia/llama-nemotron-embed-vl-1b-v2`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-embed-vl-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1`

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

## บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

## ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก

เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ

โค้ดลดสูงสุด 50%

ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้

รายจ่ายในประวัติ

เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

[เลือกสมาชิก](https://ailoot.ai/docs/th/billing/subscriptions/) · [ดูราคาโมเดล](https://ailoot.ai/models/th/)

## เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์

ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ

ใบอนุญาตรีเซลเลอร์

ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร

เอกสารบนเว็บไซต์

อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

[ขอใบอนุญาตขายต่อ](mailto:support@ailoot.ai) · [ข้อเสนอและสัญญาอนุญาต](https://ailoot.ai/legal/offer?lang=th)

## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท





Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง





บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.





Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ