OpenAI

1. 概述

OpenAI 的文本嵌入（Text Embeddings）用于衡量文本字符串之间的相关性。嵌入通常用于以下场景：

• 搜索（Search）：根据查询字符串的相关性对搜索结果进行排序。

• 聚类（Clustering）：将相似的文本字符串分组。

• 推荐（Recommendations）：推荐具有相关文本字符串的项目。

• 异常检测（Anomaly Detection）：识别与其他数据关联较低的异常文本。

• 多样性测量（Diversity Measurement）：分析文本的相似性分布。

• 分类（Classification）：根据最相似的标签对文本字符串进行分类。

模型列表：

• text-embedding-3-small

• text-embedding-3-large

• text-embedding-ada-002

2. 请求说明

• 请求方法:POST

• 请求地址:

  https://gateway.theturbo.ai/v1/embeddings

---

3. 请求参数

3.1 Header 参数

参数名称	类型	必填	说明	示例值
Content-Type	string	是	设置请求头类型，必须为 application/json	application/json
Accept	string	是	设置响应类型，建议统一为 application/json	application/json
Authorization	string	是	身份验证所需的 API_KEY，格式 Bearer $YOUR_API_KEY	Bearer $YOUR_API_KEY

---

3.2 Body 参数 (application/json)

参数名称	类型	必填	说明	示例
model	string	是	要使用的模型 ID。详见概述列出的可用版本，如 text-embedding-ada-002。	text-embedding-ada-002
input	string/array	是	输入内容。数组维度不得超过2048。输入token数不得超过8192。	你好，请给我讲个笑话。
encoding_format	string	否	返回向量的格式。支付float和base64。	float

---

4. 请求示例

HTTP

POST /v1/embeddings
Content-Type: application/json
Accept: application/json
Authorization: Bearer $YOUR_API_KEY

{
	"model": "text-embedding-ada-002",
	"input": "今天天气怎么样"
}

Shell

Go

5. 响应示例

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "embedding": [
        0.0023064255,
        -0.009327292,
        .... (1536 floats total for ada-002)
        -0.0028842222,
      ],
      "index": 0
    }
  ],
  "model": "text-embedding-ada-002",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}