日韩欧美综合在线另类,九九综合九色综合欧美98,高清无码人成电影

前言

通用文本向量，是通義實驗室基于LLM底座的多語言文本統一向量模型，面向全球多個主流語種，提供高水準的向量服務，幫助開發者將文本數據快速轉換為高質量的向量數據。

模型概覽

模型中文名	模型英文名	數據類型	向量維度	最大輸入字符長度	支持語種
通用文本向量	text-embedding-v1	float(32)	1536	2048	中文、英語、西班牙語、法語、葡萄牙語、印尼語。
通用文本向量	text-embedding-v2	float(32)	1536	2048	中文、英語、西班牙語、法語、葡萄牙語、印尼語、日語、韓語、德語、俄羅斯語。

SDK使用

前提條件

已開通服務并獲得API-KEY：API-KEY的獲取與配置。
已安裝最新版SDK：安裝DashScope SDK。

調用示例

說明

SDK支持三種輸入，分別是字符串、字符串列表和文件。

說明

需要使用您的API-KEY替換示例中的YOUR_DASHSCOPE_API_KEY，代碼才能正常運行。

設置API-KEY

export DASHSCOPE_API_KEY=YOUR_DASHSCOPE_API_KEY

輸入字符串

Python

import dashscope
from http import HTTPStatus


def embed_with_str():
    resp = dashscope.TextEmbedding.call(
        model=dashscope.TextEmbedding.Models.text_embedding_v1,
        input='衣服的質量杠杠的，很漂亮，不枉我等了這么久啊，喜歡，以后還來這里買')
    if resp.status_code == HTTPStatus.OK:
        print(resp)
    else:
        print(resp)


if __name__ == '__main__':
    embed_with_str()

Java

import java.util.Arrays;
import java.util.concurrent.Semaphore;
import com.alibaba.dashscope.common.ResultCallback;
import com.alibaba.dashscope.embeddings.TextEmbedding;
import com.alibaba.dashscope.embeddings.TextEmbeddingParam;
import com.alibaba.dashscope.embeddings.TextEmbeddingResult;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;

public final class Main {
    public static void basicCall() throws ApiException, NoApiKeyException{
        TextEmbeddingParam param = TextEmbeddingParam
        .builder()
        .model(TextEmbedding.Models.TEXT_EMBEDDING_V1)
        .texts(Arrays.asList("風急天高猿嘯哀", "渚清沙白鳥飛回", "無邊落木蕭蕭下", "不盡長江滾滾來")).build();
        TextEmbedding textEmbedding = new TextEmbedding();
        TextEmbeddingResult result = textEmbedding.call(param);
        System.out.println(result);
    }
  
    public static void callWithCallback() throws ApiException, NoApiKeyException, InterruptedException{
        TextEmbeddingParam param = TextEmbeddingParam
        .builder()
        .model(TextEmbedding.Models.TEXT_EMBEDDING_V1)
        .texts(Arrays.asList("風急天高猿嘯哀", "渚清沙白鳥飛回", "無邊落木蕭蕭下", "不盡長江滾滾來")).build();
        TextEmbedding textEmbedding = new TextEmbedding();
        Semaphore sem = new Semaphore(0);
        textEmbedding.call(param, new ResultCallback<TextEmbeddingResult>() {

          @Override
          public void onEvent(TextEmbeddingResult message) {
            System.out.println(message);
          }
          @Override
          public void onComplete(){
            sem.release();
          }

          @Override
          public void onError(Exception err){
            System.out.println(err.getMessage());
            err.printStackTrace();
            sem.release();
          }
          
        });
        sem.acquire();
    }

  public static void main(String[] args){
    try{
      callWithCallback();
    }catch(ApiException|NoApiKeyException|InterruptedException e){
      e.printStackTrace();
      System.out.println(e);

    }
      try {
        basicCall();
    } catch (ApiException | NoApiKeyException e) {
        System.out.println(e.getMessage());
    }
    System.exit(0);
  }
}

輸入字符串列表

from typing import Generator, List
import dashscope
from http import HTTPStatus


# 最多支持25條，每條最長支持2048tokens
DASHSCOPE_MAX_BATCH_SIZE = 25


def batched(inputs: List,
            batch_size: int = DASHSCOPE_MAX_BATCH_SIZE) -> Generator[List, None, None]:
    for i in range(0, len(inputs), batch_size):
        yield inputs[i:i + batch_size]


def embed_with_list_of_str(inputs: List):
    result = None  # merge the results.
    batch_counter = 0
    for batch in batched(inputs):
        resp = dashscope.TextEmbedding.call(
            model=dashscope.TextEmbedding.Models.text_embedding_v1,
            input=batch)
        if resp.status_code == HTTPStatus.OK:
            if result is None:
                result = resp
            else:
                for emb in resp.output['embeddings']:
                    emb['text_index'] += batch_counter
                    result.output['embeddings'].append(emb)
                result.usage['total_tokens'] += resp.usage['total_tokens']
        else:
            print(resp)
        batch_counter += len(batch)
    print(result)


if __name__ == '__main__':
    inputs = ['風急天高猿嘯哀', '渚清沙白鳥飛回', '無邊落木蕭蕭下', '不盡長江滾滾來']
    embed_with_list_of_str(inputs)

輸入文件

示例文件如下（文件名稱：texts_to_embedding.txt，其中每一行對應一個embedding）。

很不錯的一款產品，送人的額，非常喜歡，很不錯，好評哦，以后還會多多支持的
已經吃了，感覺不錯。第二次購買，這個價格很實惠，賣家還贈送了美容器和尺子，很愉悅的一次購物。
衣服的質量杠杠的，很漂亮，不枉我等了這么久啊，喜歡，以后還來這里買，我一次買了四件不到200塊錢，真好
用了一段時間了，感覺比傳統的風扇好用，廣度大，檔數多，靜音效果也不錯，關鍵是還很漂亮！
這個熱量低，比意面還低，關鍵是口感還好，挺好吃，多煮一會一級棒，我的減脂早餐就靠它了
整體評價：好 使用效果：好 包裝與外觀：好 三好商品
電視機很好，我給老爸買的，老人很喜歡，圖像清晰，音質很好，老人喜歡我滿意。
寶貝很輕巧，打的時候網彈力很足，兒子非常喜歡，五分好評，還送了羽毛球噢！
終于裝上，風很大，熱的還可以，排風聲音不小，安裝的師傅說不能直吹，安裝的時候非常滿意，最后還幫忙把棚頂給擦干凈了，非常感謝。
顏色很美。就是別人的盒子都是平整的，唯獨我的盒子有很嚴重的壓痕。本來想直接用這個盒子裝膠帶的..現在這個樣子強迫癥看著實在很糟心。壓成這樣要么包裝有問題，要么本來產品就有問題。而賣家一直在甩鍋快遞。由于包裹是被家里人拆開的，所以我也不知道是什么樣子的，不好跟賣家掰扯。但我看別的人都是紙盒裝的，想來我這個也是紙盒裝的。那么排除包裝的原因的話，很可能就是寄過來的就是個瑕疵品。比起同樣今天到貨的另一家，有個小瑕疵立馬給我補寄了一個，這家的處理方式真的..換貨..或者直接道歉說疏忽我都接受的。甩鍋真的不能忍。本來還給好幾個人推了這家店...就挺失望的 以后應該不會來了。這堅定的甩鍋態度我也不點退換了..請不要給我打電話改評，謝謝。

代碼如下：

from http import HTTPStatus
from dashscope import TextEmbedding


def embed_with_file_content():
    # 文件中最多支持25條，每條最長支持2048tokens
    with open('texts_to_embedding.txt', 'r', encoding='utf-8') as f:
        resp = TextEmbedding.call(
            model=TextEmbedding.Models.text_embedding_v1,
            input=f)
        if resp.status_code == HTTPStatus.OK:
            print(resp)
        else:
            print(resp)


if __name__ == '__main__':
    embed_with_file_content()

輸出示例

{
    "status_code": 200, // 200 indicate success otherwise failed.
    "request_id": "fd564688-43f7-9595-b986-737c38874a40", // The request id.
    "code": "", // If failed, the error code.
    "message": "", // If failed, the error message.
    "output": {
        "embeddings": [ // embeddings
            {
                "embedding": [ // one embedding output
                    -3.8450357913970947, ...,
                    3.2640624046325684
                ],
                "text_index": 0 // the input index.
            }
        ]
    },
    "usage": {
        "total_tokens": 3 // the request tokens.
    }
}

參數詳解

請求參數

參數名稱	必選	示例值	描述
model	是	text-embedding-v2	取值：調用的模型名稱，可以選擇text-embedding-v1或者text-embedding-v2。說明：代表模型的英文名稱
input	是	衣服的質量杠杠的，很漂亮，不枉我等了這么久啊，喜歡，以后還來這里買	取值：input可以是字符串，字符串列表，或者打開的文件（需要embedding的內容，1行一條）。說明： input是字符串時最長支持2048tokens input是字符串列表時最多支持25條，每條最長支持2048tokens input是文件時最多支持25條，每條最長支持2048tokens
text_type	否	query	取值：query或者document，默認值為document 說明：文本轉換為向量后可以應用于檢索、聚類、分類等下游任務，對檢索這類非對稱任務為了達到更好的檢索效果建議區分查詢文本（query）和底庫文本（document）類型，聚類、分類等對稱任務可以不用特殊指定，采用系統默認值"document"即可。

響應參數

字段	類型	描述	示例值
output.embeddings	Array	本次請求的算法輸出內容是一個由結構組成的數組，每一個數組中包含一個對應的輸入text的算法輸出內容。	`{ "embeddings": [ { "text_index": 0, "embedding": [ -0.006929283495992422, -0.005336422007530928, ... 省略 ] }, { "text_index": 1, "embedding": [ -0.006929283495992422, -0.005336422007530928, ... 省略 ] }, { "text_index": 2, "embedding": [ -0.006929283495992422, -0.005336422007530928, ... 省略 ] }, { "text_index": 3, "embedding": [ -0.006929283495992422, -0.005336422007530928, ... 省略 ] } ] }`
output.embeddings.text_index	Integer	本結構中的算法結果對應的輸入文字在輸入數組中的索引值。	0,1,2,3...
output.embeddings.embedding	Array	對應字符串的算法輸出Embedding，Java SDK統一轉換為Double，參考模型輸出類型，進行比較的數據轉換。	`[ -0.006929283495992422, -0.005336422007530928, ... 省略 ]`
usage.input_tokens	Integer	本次請求輸入內容的token數目，算法的計量是根據用戶輸入字符串被模型tokenizer解析之后對應的token數目來進行。	12
request_id	String	本次請求的系統唯一碼。	7574ee8f-38a3-4b1e-9280-11c33ab46e51

Java SDK輸出字段考慮兼容性為double類型，可以按照模型輸出類型轉換為對應精度數據。

HTTP調用

說明

本模型還可通過HTTP的方式進行調用，以適用更靈活的業務開發，下方示例提供了CURL命令，其中用POST方式請求了接口：https://dashscope.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding

參數詳解

請求參數

字段	類型	傳參方式	必選	示例值	描述
Content-Type	String	Header	是	application/json	取值：固定值，無需更改。說明：請求類型。
Authorization	String	Header	是	Bearer d1**2a	取值：需要填入您的API-KEY。說明：API-KEY的獲取方式參考上方文檔中的調用前準備。
model	String	Body	是	text-embedding-v2	取值：調用模型名稱，text-embedding-v1或者text-embedding-v2。說明：指明需要調用的模型。
input.texts	Array	Body	是	["風急天高猿嘯哀"， "渚清沙白鳥飛回"， "無邊落木蕭蕭下"， "不盡長江滾滾來"]	取值：文本內容，需要計算的輸入字符串，支持中英文。說明：支持多條文本輸入，每次請求最多25條；每一條最長支持 2048 tokens。
parameters.text_type	String	Body	否	"text_type": "query"	取值：query或document，默認值為document。說明：文本轉換為向量后可以應用于檢索、聚類、分類等下游任務，對于檢索這類非對稱任務，為了達到更好的檢索效果，建議區分查詢文本（query）和底庫文本（document）類型，聚類、分類等對稱任務可以不用特殊指定，采用系統默認值"document"即可。

響應參數

字段	類型	描述	示例值
output.embeddings	Array	本次請求的算法輸出內容是一個由結構組成的數組，每一個數組中包含一個對應的輸入text的算法輸出內容。	`{ "embeddings": [ { "text_index": 0, "embedding": [ -0.006929283495992422, -0.005336422007530928, ...省略 ] }, { "text_index": 1, "embedding": [ -0.006929283495992422, -0.005336422007530928, ...省略 ] }, { "text_index": 2, "embedding": [ -0.006929283495992422, -0.005336422007530928, ...省略 ] }, { "text_index": 3, "embedding": [ -0.006929283495992422, -0.005336422007530928, ...省略 ] } ] }`
output.embeddings.text_index	Integer	本結構中的算法結果對應的輸入文字在輸入數組中的索引值。	0,1,2,3...
output.embeddings.embedding	Array	對應字符串的算法輸出embedding。	`[ -0.006929283495992422, -0.005336422007530928, ... 省略 ]`
usage.total_tokens	Integer	本次請求輸入內容的token數目，算法的計量是根據用戶輸入字符串被模型tokenizer解析之后對應的token數目來進行。	12
request_id	String	本次請求的系統唯一碼。	7574ee8f-38a3-4b1e-9280-11c33ab46e51

Curl示例

curl --location 'https://dashscope.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding' \
--header 'Authorization: Bearer <your-dashscope-api-key>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "text-embedding-v1",
    "input": {
        "texts": [
        "風急天高猿嘯哀",
        "渚清沙白鳥飛回", 
        "無邊落木蕭蕭下", 
        "不盡長江滾滾來"
        ]
    },
    "parameters": {
    		"text_type": "query"
    }
}'

響應示例

調用成功示例

{
    "output":{
        "embeddings": [
          {
             "text_index": 0,
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...]
          }, 
          {
             "text_index": 1,
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...]
          },
          {
             "text_index": 2,
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...]
          },
          {
             "text_index": 3,
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...]
          }
        ]
    },
    "usage":{
        "total_tokens":12
    },
    "request_id":"d89c06fb-46a1-47b6-acb9-bfb17f814969"
}

調用異常示例

{
    "code":"InvalidApiKey",
    "message":"Invalid API-key provided.",
    "request_id":"fb53c4ec-1c12-4fc4-a580-cdb7c3261fc1"
}

說明

在訪問請求出錯的情況下，輸出的結果中會通過code和message指明出錯原因。

狀態碼說明

DashScope通用狀態碼請查閱：返回狀態碼說明

日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

同步接口API詳情

前言

模型概覽

SDK使用

前提條件

調用示例

設置API-KEY

輸入字符串

輸入字符串列表

輸入文件

輸出示例

參數詳解

HTTP調用

參數詳解

Curl示例

響應示例

狀態碼說明