Embeddings

POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. छह models और एक legacy alias, 768 से 4096 dimensions. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।

Embeddings text को numeric vector में बदलते हैं — semantic search, RAG, clustering और recommendations के लिए। Endpoint पूरी तरह OpenAI-compatible है — सिर्फ़ base address और key बदलती है।

POSThttps://getvibeapi.com/v1/embeddings

बॉडी पैरामीटर

Parameter	Type	विवरण
`model`req.	string	Embedding model (नीचे देखें)।
`input`req.	string \| string[]	एक text या texts का array। Array = एक ही request में एक batch।
`encoding_format`	"float" \| "base64"	Response में vector format। Default float है।
`dimensions`	integer	वैकल्पिक output width. text-embedding-3-small के लिए केवल 1536 समर्थित है।

मॉडल और मूल्य

Parameter	Type	विवरण
`text-embedding-3-small`		POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. Model qwen3-embedding-8b. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।
`qwen3-embedding-8b`		POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. Model qwen3-embedding-8b. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।
`bge-m3`		POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. Model qwen3-embedding-8b. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।
`multilingual-e5-large`		POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. Model qwen3-embedding-8b. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।
`embeddinggemma-300m`		POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. Model qwen3-embedding-8b. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।
`nemotron-embed-vl`		POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. Model qwen3-embedding-8b. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।
`qwen3-embedding-0.6b`		POST /v1/embeddings — search, RAG और clustering के लिए text के vector representations. Model qwen3-embedding-8b. OpenAI-compatible; आप केवल input tokens के लिए भुगतान करते हैं।

Vector width हर model में अलग होती है, और index rebuild किए बिना बाद में model swap नहीं कर सकते: database column किसी एक ख़ास number of dimensions के लिए बनाया जाता है। पहले दस लाख vectors load करने से पहले ही model चुन लें।

अनुरोध उदाहरण

curl https://getvibeapi.com/v1/embeddings \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-embedding-8b",
    "input": "Text to vectorize"
  }'

Response

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0021, -0.014, ...] }
  ],
  "model": "qwen3-embedding-8b",
  "usage": { "prompt_tokens": 8, "total_tokens": 8 }
}

आपसे केवल input tokens (prompt_tokens) का charge लिया जाता है; embeddings में output tokens नहीं होते। एक ही request में batch vectorize करने के लिए input में strings का array pass करें।

← PreviousFiles API Next →वाक्-से-पाठ