Consola de administración HypersHub

POST

Create embeddings

Convierte texto en representaciones vectoriales. Totalmente compatible con la API OpenAI /v1/embeddings. text-embedding-v4 es el modelo de vectorización de Alibaba Cloud Bailian. El parámetro dimensions es específico de este modelo (soporta 512/768/1024). Ver help.aliyun.com/zh/model-studio

Cuerpo de la solicitud

modelstringRequired

Nombre del modelo de embedding, ej. text-embedding-v4.

inputstring | string[]Required

Texto a vectorizar. Puede ser una cadena o un arreglo de cadenas.

dimensionsintegerOptional

Dimensiones del vector de salida, obligatorio. text-embedding-v4 soporta 512, 768, 1024.

encoding_formatstringOptional

Formato de retorno. Soporta float o base64 (predeterminado: float).

Autenticación

AuthorizationstringRequired

Pasa un token Bearer en el encabezado de la solicitud.

Errores

POST

1import OpenAI from 'openai'
2​
3const client = new OpenAI({
4  apiKey: process.env.HY_API_KEY,
5  baseURL: 'https://apiclaw.cc/v1',
6})
7​
8const response = await client.embeddings.create({
9  model: 'text-embedding-v4',
10  input: '你好，世界',
11  dimensions: 1024,
12})
13​
14console.log(response.data[0].embedding)

POST

Authorization

Obtener API Key →

🔑

REQUEST

1const response = await fetch("https://apiclaw.cc/v1/embeddings", {
2  method: "POST",
3  headers: {
4    "Authorization": "Bearer YOUR_API_KEY",
5    "Content-Type": "application/json",
6  },
7});
8const data = await response.json();
9console.log(data);

RESPONSE

◎

Haz clic en Send request para ver la respuesta

Response

1{
"object": "list",
"data": [
  {
    "object": "embedding",
    "index": 0,
    "embedding": [
      0.002179, -0.024084, 0.025083, ...
    ]
  }
],
"model": "text-embedding-v4",
"usage": {
  "prompt_tokens": 4,
  "total_tokens": 4
}
17}

1	import OpenAI from 'openai'
2
3	const client = new OpenAI({
4	apiKey: process.env.HY_API_KEY,
5	baseURL: 'https://apiclaw.cc/v1',
6	})
7
8	const response = await client.embeddings.create({
9	model: 'text-embedding-v4',
10	input: '你好，世界',
11	dimensions: 1024,
12	})
13
14	console.log(response.data[0].embedding)

1	const response = await fetch("https://apiclaw.cc/v1/embeddings", {
2	method: "POST",
3	headers: {
4	"Authorization": "Bearer YOUR_API_KEY",
5	"Content-Type": "application/json",
6	},
7	});
8	const data = await response.json();
9	console.log(data);

1	{
2	"object": "list",
3	"data": [
4	{
5	"object": "embedding",
6	"index": 0,
7	"embedding": [
8	0.002179, -0.024084, 0.025083, ...
9	]
10	}
11	],
12	"model": "text-embedding-v4",
13	"usage": {
14	"prompt_tokens": 4,
15	"total_tokens": 4
16	}
17	}