টেক্সট এম্বেডিংস তৈরি করুন
ShareAI-এর মাধ্যমে সেমান্টিক সার্চ, রিট্রিভাল এবং সাদৃশ্যের জন্য টেক্সট এম্বেডিংস তৈরি করুন, সমর্থিত ইনপুট ফরম্যাট এবং মডেল প্রয়োজনীয়তার সাথে।
এই পৃষ্ঠায়
https://api.shareai.now/api/v1/embeddingsএক বা একাধিক টেক্সটকে এমবেডিং ভেক্টরে রূপান্তর করুন।
- বেস URL
https://api.shareai.now- অথেন্টিকেশন
- Bearer API কী বা অনুমোদিত OAuth অ্যাক্সেস টোকেন
ShareAI-তে সক্রিয় এবং আপনার ক্রেডেনশিয়াল দ্বারা অনুমোদিত একটি এমবেডিং মডেল নির্বাচন করুন। চ্যাট মডেলগুলি এমবেডিং মডেলের জন্য প্রতিস্থাপন করা যাবে না। মডেলের উপলব্ধতা এবং সমর্থিত বিকল্পগুলি কনফিগার করা প্রদানকারীর উপর নির্ভর করে।
একটি অনুরোধ পাঠান#
cURL
curl --fail-with-body --request POST \
"https://api.shareai.now/api/v1/embeddings" \
-H "Authorization: Bearer $SHAREAI_API_KEY" \
-H "Content-Type: application/json" \
--data '{
"model": "YOUR_EMBEDDING_MODEL",
"input": [
"How do I connect a device?",
"Where can I read my usage?"
],
"encoding_format": "float"
}'
Python
import json
import os
import urllib.request
headers = {"Authorization": "Bearer " + os.environ["SHAREAI_API_KEY"]}
headers["Content-Type"] = "application/json"
payload = {'model': 'YOUR_EMBEDDING_MODEL', 'input': ['How do I connect a device?', 'Where can I read my usage?'], 'encoding_format': 'float'}
data = json.dumps(payload).encode()
request = urllib.request.Request('https://api.shareai.now/api/v1/embeddings', data=data, headers=headers, method='POST')
with urllib.request.urlopen(request, timeout=60) as response:
print(json.load(response))
TypeScript
const url = "https://api.shareai.now/api/v1/embeddings";
const headers: Record = {
Authorization: `Bearer ${process.env.SHAREAI_API_KEY}`,
};
headers["Content-Type"] = "application/json";
const payload = {
"model": "YOUR_EMBEDDING_MODEL",
"input": [
"How do I connect a device?",
"Where can I read my usage?"
],
"encoding_format": "float"
};
const response = await fetch(url, { method: "POST", headers, body: JSON.stringify(payload) });
if (!response.ok) throw new Error(`${response.status}: ${await response.text()}`);
console.log(await response.json());
অনুরোধ ক্ষেত্র#
| ক্ষেত্র | মান |
|---|---|
model | একটি সক্রিয় এমবেডিং মডেল আইডি। |
input | একটি খালি নয় এমন স্ট্রিং বা সর্বোচ্চ 128টি খালি নয় এমন স্ট্রিংয়ের একটি অ্যারে। |
encoding_format | float বা base64. |
dimensions | 1 থেকে 65536 পর্যন্ত একটি ঐচ্ছিক পূর্ণসংখ্যা; নির্বাচিত মডেলটি এটি সমর্থন করতে হবে। |
ভেক্টর পড়ুন#
পড়ুন data অ্যারে এবং প্রতিটি ফলাফল ব্যবহার করুন index ইনপুটের সাথে তার এমবেডিং মেলানোর জন্য। আপনার ডকুমেন্ট এবং অনুসন্ধান প্রশ্নগুলিকে এমবেড করার সময় একই মডেল এবং মাত্রা রাখুন। ফলাফলটিতে প্রদানকারীর রিপোর্ট করা usage.
সীমার মধ্যে ব্যাচ#
সম্মিলিত ইনপুট টেক্সট 256 KiB-এ সীমাবদ্ধ। প্রতিক্রিয়াগুলি সিঙ্ক্রোনাস এবং 2 MiB-এ সীমাবদ্ধ, তাই বড় ভেক্টর বা ব্যাচগুলি প্রতিক্রিয়া সীমা অতিক্রম করতে পারে। ব্যাচের আকার কমান বা সমর্থিত ছোট মাত্রা ব্যবহার করুন। টোকেন-আইডি অ্যারে গ্রহণযোগ্য নয়।
প্রমাণীকরণ এবং উপলব্ধতা#
একটি অনুমোদিত OAuth অ্যাক্সেস টোকেন API কী প্রতিস্থাপন করতে পারে। অ্যাকাউন্ট-ফান্ডেড অনুরোধগুলির জন্য প্রয়োজন surcharge এবং একটি গৃহীত পরিকল্পনা। মডেল এবং প্রদানকারীর সীমাবদ্ধতা এখনও প্রযোজ্য। যদি মডেলটি এমবেডিংয়ের জন্য সক্রিয় না থাকে, একটি উপলব্ধ এমবেডিং মডেল নির্বাচন করুন; ক্রেডেনশিয়াল পরিবর্তন করে একটি মডেল সক্রিয় করা যাবে না।
ব্যবহার#
এমবেডিং ইনপুট টোকেন ব্যবহার করে। বড় ব্যাচ চালানোর আগে মডেলের মূল্য নির্ধারণ করুন এবং ব্যবহার করুন কনসোল ব্যবহার কার্যকলাপ পর্যালোচনা করতে। পুনরায় চেষ্টা করার আগে যাচাইকরণ, অনুমোদন এবং উপলব্ধতার ত্রুটি পরিচালনা করুন।
সর্বশেষ আপডেট সেপ্টেম্বর 15, 2026