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

AI 助理
備案控制臺
文檔
輸入文檔關鍵字查找
首頁 大模型服務平臺百煉 開發(fā)參考 模型調用 通用文本向量 同步接口API詳情

同步接口API詳情

更新時間：
產(chǎn)品詳情
我的收藏

通用文本向量是由通義實驗室開發(fā)的基于LLM的多語言統(tǒng)一文本向量模型，支持多個主流語種，為文本類數(shù)據(jù)提供高效的向量化轉換服務，適用于RAG、文本分類、情感分析等自然語言處理任務。

模型概覽

模型中文名

模型英文名

數(shù)據(jù)類型

向量維度

最大處理Token長度

支持語種

通用文本向量

text-embedding-v1

float(32)

1,536

2,048

中文、英語、西班牙語、法語、葡萄牙語、印尼語。

text-embedding-v2

中文、英語、西班牙語、法語、葡萄牙語、印尼語、日語、韓語、德語、俄語。

text-embedding-v3

float(32)

1,024/768/512

8,192

中文、英語、西班牙語、法語、葡萄牙語、印尼語、日語、韓語、德語、俄語等50+語種

前提條件

您需要已獲取API Key并配置API Key到環(huán)境變量。如果通過SDK調用，還需要安裝DashScope SDK。

OpenAI兼容

使用SDK調用時需配置的base_url：https://dashscope.aliyuncs.com/compatible-mode/v1

使用HTTP方式調用時需配置的endpoint：

請求體

輸入字符串

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 如果您沒有配置環(huán)境變量，請在此處用您的API Key進行替換
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"  # 填寫百煉服務的base_url
)

completion = client.embeddings.create(
    model="text-embedding-v3",
    input='The clothes are of good quality and look good, definitely worth the wait. I love them.',
    dimensions=1024,
    encoding_format="float"
)

print(completion.model_dump_json())

Java

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.util.HashMap;
import java.util.Map;
import com.alibaba.dashscope.utils.JsonUtils;

public final class Main {
    public static void main(String[] args) {
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        if (apiKey == null) {
            System.out.println("DASHSCOPE_API_KEY not found in environment variables");
            return;
        }
        String baseUrl = "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings";
        HttpClient client = HttpClient.newHttpClient();

        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("model", "text-embedding-v3");
        requestBody.put("input", "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");
        requestBody.put("dimensions", 1024);
        requestBody.put("encoding_format", "float");

        try {
            String requestBodyString = JsonUtils.toJson(requestBody);
            HttpRequest request = HttpRequest.newBuilder()
                    .uri(URI.create(baseUrl))
                    .header("Content-Type", "application/json")
                    .header("Authorization", "Bearer " + apiKey)
                    .POST(HttpRequest.BodyPublishers.ofString(requestBodyString))
                    .build();
                    
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
            if (response.statusCode() == 200) {
                System.out.println("Response: " + response.body());
            } else {
                System.out.printf("Failed to retrieve response, status code: %d, response: %s%n", response.statusCode(), response.body());
            }
        } catch (Exception e) {
            System.err.println("Error: " + e.getMessage());
        }
    }
}

curl

curl --location 'https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "text-embedding-v3",
    "input": "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",  
    "dimension": "1024",  
    "encoding_format": "float"
}'

輸入字符串列表

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 如果您沒有配置環(huán)境變量，請在此處用您的API Key進行替換
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"  # 填寫百煉服務的base_url
)

completion = client.embeddings.create(
    model="text-embedding-v1",
    input=['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'],
    encoding_format="float"
)

print(completion.model_dump_json())

Java

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.util.HashMap;
import java.util.Map;
import java.util.List;
import java.util.Arrays;
import com.alibaba.dashscope.utils.JsonUtils;

public final class Main {
    public static void main(String[] args) {
        /** 從環(huán)境變量中獲取 API Key，如果未配置，請直接替換為您的 API Key*/
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        if (apiKey == null) {
            System.out.println("DASHSCOPE_API_KEY not found in environment variables");
            return;
        }
        String baseUrl = "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings";
        HttpClient client = HttpClient.newHttpClient();
        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("model", "text-embedding-v3");
        List<String> inputList = 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");
        requestBody.put("input", inputList);
        requestBody.put("encoding_format", "float");

        try {
            /** 將請求體轉換為 JSON 字符串*/
            String requestBodyString = JsonUtils.toJson(requestBody);

            /**構建 HTTP 請求*/
            HttpRequest request = HttpRequest.newBuilder()
                    .uri(URI.create(baseUrl))
                    .header("Content-Type", "application/json")
                    .header("Authorization", "Bearer " + apiKey)
                    .POST(HttpRequest.BodyPublishers.ofString(requestBodyString))
                    .build();

            /**發(fā)送請求并接收響應*/
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
            if (response.statusCode() == 200) {
                System.out.println("Response: " + response.body());
            } else {
                System.out.printf("Failed to retrieve response, status code: %d, response: %s%n", response.statusCode(), response.body());
            }
        } catch (Exception e) {
            /** 捕獲并打印異常*/
            System.err.println("Error: " + e.getMessage());
        }
    }
}

curl

curl --location 'https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "text-embedding-v3",
    "input": [
        "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"
        ],
    "dimension": 1024,
    "encoding_format": "float"
}'

輸入文件

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 如果您沒有配置環(huán)境變量，請在此處用您的API Key進行替換
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"  # 填寫百煉服務的base_url
)
# 確保將 'texts_to_embedding.txt' 替換為您自己的文件名或路徑
with open('texts_to_embedding.txt', 'r', encoding='utf-8') as f:
    completion = client.embeddings.create(
        model="text-embedding-v3",
        input=f,
        dimensions=1024,
        encoding_format="float"
    )
print(completion.model_dump_json())

Java

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.util.HashMap;
import java.util.Map;
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import com.alibaba.dashscope.utils.JsonUtils;

public class Main {
    public static void main(String[] args) {
        /** 從環(huán)境變量中獲取 API Key，如果未配置，請直接替換為您的 API Key*/
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        if (apiKey == null) {
            System.out.println("DASHSCOPE_API_KEY not found in environment variables");
            return;
        }
        String baseUrl = "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings";
        HttpClient client = HttpClient.newHttpClient();

        /** 讀取輸入文件*/
        StringBuilder inputText = new StringBuilder();
        try (BufferedReader reader = new BufferedReader(new FileReader("<文件所來自的內容根的路徑>"))) {
            String line;
            while ((line = reader.readLine()) != null) {
                inputText.append(line).append("\n");
            }
        } catch (IOException e) {
            System.err.println("Error reading input file: " + e.getMessage());
            return;
        }

        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("model", "text-embedding-v3");
        requestBody.put("input", inputText.toString().trim());
        requestBody.put("dimensions", 1024);
        requestBody.put("encoding_format", "float");

        try {
            String requestBodyString = JsonUtils.toJson(requestBody);

            /**構建 HTTP 請求*/
            HttpRequest request = HttpRequest.newBuilder()
                    .uri(URI.create(baseUrl))
                    .header("Content-Type", "application/json")
                    .header("Authorization", "Bearer " + apiKey)
                    .POST(HttpRequest.BodyPublishers.ofString(requestBodyString))
                    .build();
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
            if (response.statusCode() == 200) {
                System.out.println("Response: " + response.body());
            } else {
                System.out.printf("Failed to retrieve response, status code: %d, response: %s%n", response.statusCode(), response.body());
            }
        } catch (Exception e) {
            System.err.println("Error: " + e.getMessage());
        }
    }
}

curl

確保將 'texts_to_embedding.txt' 替換為您自己的文件名或路徑
FILE_CONTENT=$(cat texts_to_embedding.txt | jq -Rs .)
curl --location 'https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "text-embedding-v3",
    "input": ['"$FILE_CONTENT"'],
    "dimension": 1024,
    "encoding_format": "float"
}'

model string必選

調用的模型，可以選擇text_embedding_v1，text_embedding_v2或者text_embedding_v3。

input array 或 string 或 file 必選

輸入文本的基本信息，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）。

文本限制：

  • 文本數(shù)量：

    • 作為字符串時最長支持2,048Token。

      text-embedding-v3模型input是字符串時，最長支持8,192Token。

    • 作為字符串列表時最多支持25條，每條最長支持2,048Token。

      text-embedding-v3模型input是字符串列表時最多支持6條，每條最長支持8,192Token。

    • 作為文件時最多支持25條，每條最長支持2,048Token。

      text-embedding-v3模型input是字符串列表時最多支持6條，每條最長支持8,192Token。

dimension integer 可選

用戶指定輸出向量維度，只適用于text-embedding-v3模型。用戶指定的值只能在1024、768、512三個值之間選取，默認值為1024。

encoding_format string 可選

用于控制返回的Embedding格式，當前僅支持float格式。

響應對象

成功響應

{
  "data": [
    {
      "embedding": [
        -0.0695386752486229, 0.030681096017360687, ...
      ],
      "index": 0,
      "object": "embedding"
    },
    ...
    {
      "embedding": [
        -0.06348952651023865, 0.060446035116910934, ...
      ],
      "index": 5,
      "object": "embedding"
    }
  ],
  "model": "text-embedding-v3",
  "object": "list",
  "usage": {
    "prompt_tokens": 184,
    "total_tokens": 184
  },
  "id": "73591b79-d194-9bca-8bb5-xxxxxxxxxxxx"
}

異常響應

{
    "error": {
        "message": "Incorrect API key provided. ",
        "type": "invalid_request_error",
        "param": null,
        "code": "invalid_api_key"
    }
}

data array

任務輸出信息。

屬性

embedding list

本次調用返回object對象的value，類型是元素為float數(shù)據(jù)的數(shù)組，包含具體Embedding向量。

index integer

本結構中的算法結果對應的輸入文字在輸入數(shù)組中的索引值。

object string

本次調用返回的object對象類型，默認為embedding。

model string

本次調用的模型名。

object string

本次調用返回的data類型，默認為list。

usage object

屬性

prompt_tokens integer

用戶輸入文本轉換成Token后的長度。

total_tokens integer

本次請求輸入內容的 Token 數(shù)目，算法的計量是根據(jù)用戶輸入字符串被模型Tokenizer解析之后對應的Token數(shù)目來進行。

id string

請求唯一標識。可用于請求明細溯源和問題排查。

DashScope

通過HTTP調用時需配置的endpoint：

POST https://dashscope.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding

請求體

輸入字符串

Python

import dashscope
from http import HTTPStatus

resp = dashscope.TextEmbedding.call(
    model=dashscope.TextEmbedding.Models.text_embedding_v3,
    input='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',
    dimension=1024,
    output_type="dense&sparse"
)

print(resp) if resp.status_code == HTTPStatus.OK else print(resp)

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);
  }
}

curl

curl --location 'https://dashscope.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "text-embedding-v3",
    "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": {
    		"dimension": 1024
    }
}'

輸入字符串列表

Python

import dashscope
from http import HTTPStatus

DASHSCOPE_MAX_BATCH_SIZE = 25

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']

result = None
batch_counter = 0
for i in range(0, len(inputs), DASHSCOPE_MAX_BATCH_SIZE):
    batch = inputs[i:i + DASHSCOPE_MAX_BATCH_SIZE]
    resp = dashscope.TextEmbedding.call(
        model=dashscope.TextEmbedding.Models.text_embedding_v3,
        input=batch,
        dimension=1024
    )
    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)

Java

import java.util.Arrays;
import java.util.List;
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 {
    private static final int DASHSCOPE_MAX_BATCH_SIZE = 25;

    public static void main(String[] args) {
        List<String> inputs = 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"
        );

        TextEmbeddingResult result = null;
        int batchCounter = 0;

        for (int i = 0; i < inputs.size(); i += DASHSCOPE_MAX_BATCH_SIZE) {
            List<String> batch = inputs.subList(i, Math.min(i + DASHSCOPE_MAX_BATCH_SIZE, inputs.size()));
            TextEmbeddingParam param = TextEmbeddingParam.builder()
                    .model(TextEmbedding.Models.TEXT_EMBEDDING_V1)
                    .texts(batch)
                    .build();

            TextEmbedding textEmbedding = new TextEmbedding();
            try {
                TextEmbeddingResult resp = textEmbedding.call(param);
                if (resp != null) {
                    if (result == null) {
                        result = resp;
                    } else {
                        for (var emb : resp.getOutput().getEmbeddings()) {
                            emb.setTextIndex(emb.getTextIndex() + batchCounter);
                            result.getOutput().getEmbeddings().add(emb);
                        }
                        result.getUsage().setTotalTokens(result.getUsage().getTotalTokens() + resp.getUsage().getTotalTokens());
                    }
                } else {
                    System.out.println(resp);
                }
            } catch (ApiException | NoApiKeyException e) {
                e.printStackTrace();
            }
            batchCounter += batch.size();
        }

        System.out.println(result);
    }
}

curl

curl --location 'https://dashscope.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "text-embedding-v3",
    "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": {
    	  "dimension": 1024
    }
}'

輸入文件

Python

from http import HTTPStatus
from dashscope import TextEmbedding
# 確保將 'texts_to_embedding.txt' 替換為您自己的文件名或路徑
with open('texts_to_embedding.txt', 'r', encoding='utf-8') as f:
    resp = TextEmbedding.call(
        model=TextEmbedding.Models.text_embedding_v3,
        input=f,
        dimension=1024
    )

    if resp.status_code == HTTPStatus.OK:
        print(resp)
    else:
        print(resp)

Java

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
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 main(String[] args) {
        // 請確保替換 'tests_to_embedding.txt' 為您文件的完整路徑
        try (BufferedReader reader = new BufferedReader(new FileReader("tests_to_embedding.txt"))) {
            StringBuilder content = new StringBuilder();
            String line;
            while ((line = reader.readLine()) != null) {
                content.append(line).append("\n");
            }

            TextEmbeddingParam param = TextEmbeddingParam.builder()
                    .model(TextEmbedding.Models.TEXT_EMBEDDING_V3)
                    .text(content.toString())
                    .build();

            TextEmbedding textEmbedding = new TextEmbedding();
            TextEmbeddingResult result = textEmbedding.call(param);

            if (result != null) {
                System.out.println(result);
            } else {
                System.out.println("Failed to get embedding: " + result);
            }
        } catch (IOException | ApiException | NoApiKeyException e) {
            e.printStackTrace();
        }
    }
}

curl

確保將 'texts_to_embedding.txt' 替換為您自己的文件名或路徑
FILE_CONTENT=$(cat texts_to_embedding.txt | jq -Rs .)
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "text-embedding-v3",
    "input": {
        "texts": ['"$FILE_CONTENT"']
    },
    "parameters": {
        "dimension": 1024
    }
}'

model string 必選

調用模型名稱，可以選擇text-embedding-v1，text-embedding-v2或者text-embedding-v3。

目前，DashScope針對Java僅提供V1和V2模型的調用。如需使用V3模型，請參考OpenAI兼容的方式調用。

input string或array 必選

輸入文本的基本信息，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）。

文本限制：

  • 文本數(shù)量：

    • 作為字符串時最長支持2,048Token。

    • 作為字符串列表時最多支持25條，每條最長支持2,048Token。

      text-embedding-v3模型input是字符串列表時最多支持6條，每條最長支持8,192Token

    • 作為文件時最多支持25條，每條最長支持2,048Token。

      text-embedding-v3模型input是字符串列表時最多支持6條，每條最長支持8,192Token

text_type string 可選

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(qū)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(tǒng)默認值document即可。

dimension integer 可選

用戶指定輸出向量維度只適用于text-embedding-v3模型, 用戶指定的值只能在1024,768, 512三個值之間選取，默認值為1024。

output_type string 可選

用戶指定輸出離散向量表示只適用于text-embedding-v3模型，取值在dense、sparse、dense&sparse之間，默認取dense，只輸出連續(xù)向量。

響應對象

成功響應

{   "status_code": 200, 
    "request_id": "1ba94ac8-e058-99bc-9cc1-7fdb37940a46", 
    "code": "", 
    "message": "",
    "output":{
        "embeddings": [
          {  
             "sparse_embedding":[
               {"index":7149,"value":0.829,"token":"風"},
               .....
               {"index":111290,"value":0.9004,"token":"哀"}],
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...],
             "text_index": 0
          }, 
          {
             "sparse_embedding":[
               {"index":246351,"value":1.0483,"token":"渚"},
               .....
               {"index":2490,"value":0.8579,"token":"回"}],
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...],
             "text_index": 1
          },
          {
             "sparse_embedding":[
               {"index":3759,"value":0.7065,"token":"無"},
               .....
               {"index":1130,"value":0.815,"token":"下"}],
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...],
             "text_index": 2
          },
          {
             "sparse_embedding":[
               {"index":562,"value":0.6752,"token":"不"},
               .....
               {"index":1589,"value":0.7097,"token":"來"}],
             "embedding": [-0.001945948973298072,-0.005336422007530928, ...],
             "text_index": 3
          }
        ]
    },
    "usage":{
        "total_tokens":27
    },
    "request_id":"xxxxxxxx"
}

異常響應

{
    "code":"InvalidApiKey",
    "message":"Invalid API-key provided.",
    "request_id":"xxxxxxxx"
}

status_code string

狀態(tài)碼，表示請求的執(zhí)行結果（如 200 表示成功）。

request_id string

請求唯一標識。可用于請求明細溯源和問題排查。

code string

請求失敗，表示錯誤碼，成功時返回參數(shù)中該參數(shù)為空。

message string

請求失敗，表示失敗詳細信息，成功時返回參數(shù)中該參數(shù)為空。

output object

任務輸出信息。

屬性

embeddings array

本次請求的算法輸出內容，是一個由結構組成的數(shù)組，每一個數(shù)組中包含一個對應的輸入 text 的算法輸出內容。

屬性

sparse_embedding array

對應字符串的算法輸出離散向量表示 （sparse embedding僅適用于V3）。

屬性

index integer

詞匯或字符在詞匯表中的位置索引。

value float

表示該 Token 的權重或重要性分數(shù)，值越高，表示該 Token 在當前文本上下文中的重要性或相關性越大。

token string

實際的文本單元或詞匯表中的詞。

embedding array

對應字符串的算法輸出連續(xù)向量表示 （dense embedding)。

text_index integer

本結構中的算法結果對應的輸入文字在輸入數(shù)組中的索引值。

usage object

屬性

total_tokens integer

本次請求輸入內容的 token 數(shù)目，算法的計量是根據(jù)用戶輸入字符串被模型tokenizer解析之后對應的token 數(shù)目來進行。

request_id string

請求唯一標識。可用于請求明細溯源和問題排查。

錯誤碼

如果模型調用失敗并返回報錯信息，請參見錯誤碼進行解決。