Buat embedding teks
Hasilkan embedding teks dengan ShareAI untuk pencarian semantik, pengambilan data, dan kesamaan, dengan format input yang didukung dan persyaratan model.
Di halaman ini
https://api.shareai.now/api/v1/embeddingsKonversi satu atau lebih teks menjadi vektor embedding.
- URL Dasar
https://api.shareai.now- Otentikasi
- Kunci API Bearer atau token akses OAuth yang disetujui
Pilih model embedding yang diaktifkan di ShareAI dan diizinkan oleh kredensial Anda. Model chat tidak dapat menggantikan model embedding. Ketersediaan model dan opsi yang didukung bergantung pada penyedia yang dikonfigurasi.
Kirim permintaan#
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());
Bidang permintaan#
| Bidang | Nilai |
|---|---|
model | ID model embedding yang diaktifkan. |
input | String tidak kosong atau array hingga 128 string tidak kosong. |
encoding_format | float atau base64. |
dimensions | Integer opsional dari 1 hingga 65536; model yang dipilih harus mendukungnya. |
Baca vektor#
Baca data array dan gunakan setiap hasilnya index untuk mencocokkan embedding-nya dengan input. Gunakan model dan dimensi yang sama saat membuat embedding dokumen dan kueri pencarian Anda. Hasilnya juga mencakup laporan dari penyedia usage.
Batch dalam batas#
Teks input gabungan dibatasi hingga 256 KiB. Respons bersifat sinkron dan dibatasi hingga 2 MiB, sehingga vektor besar atau batch dapat melebihi batas respons. Kurangi ukuran batch atau gunakan dimensi yang lebih kecil yang didukung. Array Token-ID tidak diterima.
Otentikasi dan ketersediaan#
Token akses OAuth yang disetujui dapat menggantikan kunci API. Permintaan yang didanai akun memerlukan surcharge dan rencana yang diterima. Pembatasan model dan penyedia tetap berlaku. Jika model tidak diaktifkan untuk embedding, pilih model embedding yang tersedia; mengubah kredensial tidak dapat mengaktifkan model.
Penggunaan#
Embedding mengonsumsi token input. Periksa harga model sebelum menjalankan batch besar dan gunakan Konsol Penggunaan untuk meninjau aktivitas. Tangani kesalahan validasi, otorisasi, dan ketersediaan sebelum mencoba lagi.
Terakhir diperbarui 15 September 2026