Source: https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/
Canonical: https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/
Language: zh-hant-tw

# Nemotron 3 Embed 1B

[Markdown](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/facts.json)

## [Nemotron 3 Embed 1B](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/)

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

- [**Ailoot · 嵌入向量** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/#method-0)
- [**Ailoot · 嵌入向量** `POST /v1/embeddings` `nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/#method-1)
- [**Ailoot · 嵌入向量** `POST /v1/embeddings` `nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/nvidia-nemotron-3-embed-1b/#method-2)

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。

Nemotron 3 Embed 1B 是 NVIDIA 用於語意搜尋與片段比對的文字模型，將問題、文件與程式碼編碼為密集數值向量。這些表示可從大型集合找到需要的上下文，補充助理回覆，或為代理下一步擷取先前儲存的資訊。

#### 多語言知識與程式碼

模型用於多語言及跨語言搜尋，問題與合適資料可以使用不同語言。俄文在公布的 34 種語言中，其他包括英文、烏克蘭文、中文、日文、阿拉伯文等。這適合技術文件與使用者詢問不統一為同一語言的共用知識庫。

用途包括文件搜尋、文字比對，以及依文字描述擷取程式碼。大型輸入視窗可處理長文件、大量程式上下文與代理多個步驟的歷史。找到的資料會作為上下文進入後續流程；最終說明與答案由系統下一個元件產生。

#### 從文字到向量

輸入為文字字串，每個字串得到一個包含 2048 個數值的向量。最大序列長度為 32768 個 token，較長資料必須分段或縮短。準備輸入時，應區分問題與文件；模型訓練用於配對這兩種角色，因此相同字串在不同任務中，不應忽略用途而使用相同格式。

向量會依長度正規化，此時內積與餘弦相似度是等價的比較方式。完整向量可保留前 1024 或 512 個座標，但截斷後必須重新正規化。這屬於結果處理特性；文件集與查詢應一致選用相同維度。

#### 小型模型的架構

編碼器約有 1.14B 個參數，由基於 Ministral 3 3B 的模型，經過兩個結構縮減與蒸餾階段建立。雙向注意力考量整個輸入，再將 token 表示取平均，得到整體向量。

NVIDIA 提供 BF16 與 NVFP4 版本。兩者的表示空間接近，但更換版本時，需要以自己的文件驗證。數值相似度與上下文長度，都不保證搜尋一定選到正確片段。

**Ailoot · 嵌入向量** `POST /v1/embeddings` `nvidia/nemotron-3-embed-1b`

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings)

NVIDIA /`nvidia/nemotron-3-embed-1b`

模型 ID

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### 入門

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

接受的輸入

文字

結果

embedding

### Ailoot 可用 · 輸入與方法

**Ailoot · 嵌入向量** `POST /v1/embeddings`

輸入

`text`

輸出

`embedding`

上下文

4,096 tokens

輸出格式

json

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 nvidia/nemotron-3-embed-1b | 預設值— |
| 欄位`input` | 類型`string\|string[]` | 要求必填 | 值與限制 項目數下限: 1 條件: 每個字串去除前後空白後都不得為空；不接受 data URI；已接受的額度會計量相關的 UTF8 位元組。 | 預設值— |
| 欄位`input_type` | 類型`string` | 要求選填 | 值與限制 query, passage | 預設值query |
| 欄位`encoding_format` | 類型`string` | 要求選填 | 值與限制 float, base64 | 預設值float |
| 欄位`truncate` | 類型`string` | 要求選填 | 值與限制 NONE, START, END | 預設值— |
| 欄位`dimensions` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 | 預設值— |
| 欄位`user` | 類型`string` | 要求選填 | 值與限制 | 預設值— |

輸入素材組合

**text\_to\_embedding**

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`material_types` | 規格text |
| 參數`required` | 規格model, input |
| 參數`optional_controls` | 規格null |
| 參數`content_type` | 規格application/json |

生命週期： `exact retained published method`

方法結構與 ID 均為精確值；供應商能力與准入狀態分開。

### 方案

#### Ailoot 方法費率

輸入

US$0.0001 */ 1K*

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

#### Ailoot · 嵌入向量

嵌入向量範例

```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/nemotron-3-embed-1b", "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
```

### 接收並儲存結果

#### Ailoot · 嵌入向量

json

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

僅在請求該格式時才解碼 base64 向量；請保留每個向量及其原始索引。

##### 需要檢查原始回應時

此流程未引入嵌入向量任務端點。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`data[].index` | 類型integer |
| 欄位`data[].embedding` | 類型finite float\[\]\|base64 float32 vector |
| 欄位`model` | 類型string |
| 欄位`usage` | 類型object |

錯誤與後續步驟

| 回應 | 條件 | 下一步 |
| --- | --- | --- |
| 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |

### 別名

#### 模型別名

**Ailoot** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

**Ailoot · 嵌入向量** `POST /v1/embeddings` `nemotron-3-embed`

[`nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings)

NVIDIA /`nemotron-3-embed`

模型 ID

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### 入門

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

接受的輸入

文字

結果

embedding

### Ailoot 可用 · 輸入與方法

**Ailoot · 嵌入向量** `POST /v1/embeddings`

輸入

`text`

輸出

`embedding`

上下文

4,096 tokens

輸出格式

json

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 nemotron-3-embed | 預設值— |
| 欄位`input` | 類型`string\|string[]` | 要求必填 | 值與限制 項目數下限: 1 條件: 每個字串去除前後空白後都不得為空；不接受 data URI；已接受的額度會計量相關的 UTF8 位元組。 | 預設值— |
| 欄位`input_type` | 類型`string` | 要求選填 | 值與限制 query, passage | 預設值query |
| 欄位`encoding_format` | 類型`string` | 要求選填 | 值與限制 float, base64 | 預設值float |
| 欄位`truncate` | 類型`string` | 要求選填 | 值與限制 NONE, START, END | 預設值— |
| 欄位`dimensions` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 | 預設值— |
| 欄位`user` | 類型`string` | 要求選填 | 值與限制 | 預設值— |

輸入素材組合

**text\_to\_embedding**

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`material_types` | 規格text |
| 參數`required` | 規格model, input |
| 參數`optional_controls` | 規格null |
| 參數`content_type` | 規格application/json |

生命週期： `exact retained published method`

方法結構與 ID 均為精確值；供應商能力與准入狀態分開。

### 方案

#### Ailoot 方法費率

輸入

US$0.0001 */ 1K*

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

#### Ailoot · 嵌入向量

嵌入向量範例

```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-3-embed", "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
```

### 接收並儲存結果

#### Ailoot · 嵌入向量

json

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

僅在請求該格式時才解碼 base64 向量；請保留每個向量及其原始索引。

##### 需要檢查原始回應時

此流程未引入嵌入向量任務端點。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`data[].index` | 類型integer |
| 欄位`data[].embedding` | 類型finite float\[\]\|base64 float32 vector |
| 欄位`model` | 類型string |
| 欄位`usage` | 類型object |

錯誤與後續步驟

| 回應 | 條件 | 下一步 |
| --- | --- | --- |
| 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |

### 別名

#### 模型別名

**Ailoot** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

**Ailoot · 嵌入向量** `POST /v1/embeddings` `nemotron-3-embed-latest`

[`nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

NVIDIA /`nemotron-3-embed-latest`

模型 ID

- `nvidia/nemotron-3-embed-1b`
- `nemotron-3-embed`
- `nemotron-3-embed-latest`

### 入門

Nemotron 3 Embed 1B 將文字轉為向量，用於多語言搜尋、程式碼搜尋與 RAG。它處理最多 32768 個 token 的序列，輸出包含 2048 個數值的表示。

接受的輸入

文字

結果

embedding

### Ailoot 可用 · 輸入與方法

**Ailoot · 嵌入向量** `POST /v1/embeddings`

輸入

`text`

輸出

`embedding`

上下文

4,096 tokens

輸出格式

json

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 nemotron-3-embed-latest | 預設值— |
| 欄位`input` | 類型`string\|string[]` | 要求必填 | 值與限制 項目數下限: 1 條件: 每個字串去除前後空白後都不得為空；不接受 data URI；已接受的額度會計量相關的 UTF8 位元組。 | 預設值— |
| 欄位`input_type` | 類型`string` | 要求選填 | 值與限制 query, passage | 預設值query |
| 欄位`encoding_format` | 類型`string` | 要求選填 | 值與限制 float, base64 | 預設值float |
| 欄位`truncate` | 類型`string` | 要求選填 | 值與限制 NONE, START, END | 預設值— |
| 欄位`dimensions` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 | 預設值— |
| 欄位`user` | 類型`string` | 要求選填 | 值與限制 | 預設值— |

輸入素材組合

**text\_to\_embedding**

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`material_types` | 規格text |
| 參數`required` | 規格model, input |
| 參數`optional_controls` | 規格null |
| 參數`content_type` | 規格application/json |

生命週期： `exact retained published method`

方法結構與 ID 均為精確值；供應商能力與准入狀態分開。

### 方案

#### Ailoot 方法費率

輸入

US$0.0001 */ 1K*

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

#### Ailoot · 嵌入向量

嵌入向量範例

```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-3-embed-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
```

### 接收並儲存結果

#### Ailoot · 嵌入向量

json

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

僅在請求該格式時才解碼 base64 向量；請保留每個向量及其原始索引。

##### 需要檢查原始回應時

此流程未引入嵌入向量任務端點。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`data[].index` | 類型integer |
| 欄位`data[].embedding` | 類型finite float\[\]\|base64 float32 vector |
| 欄位`model` | 類型string |
| 欄位`usage` | 類型object |

錯誤與後續步驟

| 回應 | 條件 | 下一步 |
| --- | --- | --- |
| 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |

### 別名

#### 模型別名

**Ailoot** [`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

[`nvidia/nemotron-3-embed-1b`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nvidia%2Fnemotron-3-embed-1b&fmt=embeddings), [`nemotron-3-embed`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed&fmt=embeddings), [`nemotron-3-embed-latest`](https://ailoot.ai/models/zh-hant-tw/#m=nvidia%2Fnemotron-3-embed-1b&route=Core&caller=nemotron-3-embed-latest&fmt=embeddings)

FAQ · nvidia/nemotron-3-embed-1b

可以使用哪些輸入與結果？

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-3-embed`: `text` → `embedding` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `text` → `embedding`

請求使用哪些欄位？

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-3-embed`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `model`, `input`, `input_type`, `encoding_format`, `truncate`, `dimensions`, `user`

適用哪些限制？

`POST /v1/embeddings` · `nvidia/nemotron-3-embed-1b`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1` `POST /v1/embeddings` · `nemotron-3-embed-latest`: `ctx`: `4096`; `input.min_items`: `1`; `dimensions.minimum`: `1`

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

## 公司及其專案組合

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

## 優惠購買 token。

訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。

訂閱

為定期請求選擇優惠方案。

最高 50% 折扣碼

購買時輸入代碼，價格依活動重算。

歷史中的費用

每次請求保存模型、token 與金額。

[選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/)

## 將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。

商用應用程式

在付費功能加入文字、圖片、影片與聲音生成。

經銷授權

提供專案說明與存取方式，要求書面使用和轉售條件。

網站文件

串接前可閱讀正式服務條款、授權合約與資料處理政策。

[申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw)

## Ailoot · 公司及其專案組合





Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。





公司及其專案組合：數百萬客戶，每月銷售額達數十億。





Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。