Embeddings

POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。6 つのモデルとレガシーエイリアス、768〜4096 次元。OpenAI 互換で、課金は入力トークンのみです。

Embeddings はテキストを数値ベクトルに変換し、セマンティック検索、RAG、クラスタリング、レコメンデーションに利用します。エンドポイントは完全に OpenAI 互換で、変更が必要なのはベースアドレスとキーだけです。

POSThttps://getvibeapi.com/v1/embeddings

ボディパラメータ

パラメーター	タイプ	説明
`model`req.	string	埋め込みモデル（下記参照）。
`input`req.	string \| string[]	テキスト、またはテキストの配列です。配列 = 1 回のリクエストでのバッチ処理です。
`encoding_format`	"float" \| "base64"	レスポンスのベクトル形式。デフォルトは float です。
`dimensions`	integer	省略可能な出力次元数。text-embedding-3-small では 1536 のみがサポートされます。

モデルと料金

パラメーター	タイプ	説明
`text-embedding-3-small`		POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。モデルは qwen3-embedding-8b です。OpenAI 互換で、課金は入力トークンのみです。
`qwen3-embedding-8b`		POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。モデルは qwen3-embedding-8b です。OpenAI 互換で、課金は入力トークンのみです。
`bge-m3`		POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。モデルは qwen3-embedding-8b です。OpenAI 互換で、課金は入力トークンのみです。
`multilingual-e5-large`		POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。モデルは qwen3-embedding-8b です。OpenAI 互換で、課金は入力トークンのみです。
`embeddinggemma-300m`		POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。モデルは qwen3-embedding-8b です。OpenAI 互換で、課金は入力トークンのみです。
`nemotron-embed-vl`		POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。モデルは qwen3-embedding-8b です。OpenAI 互換で、課金は入力トークンのみです。
`qwen3-embedding-0.6b`		POST /v1/embeddings — 検索、RAG、クラスタリングのためのテキストのベクトル表現。モデルは qwen3-embedding-8b です。OpenAI 互換で、課金は入力トークンのみです。

ベクトル幅はモデルごとに異なり、インデックスを再構築せずに後からモデルを差し替えることはできません。データベースのカラムは特定の次元数に対して作成されるためです。最初の 100 万ベクトルを投入する前にモデルを選択してください。

リクエスト例

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"
  }'

レスポンス

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

課金されるのは入力トークン（prompt_tokens）のみです。embeddings には出力トークンがありません。input に文字列の配列を渡すと、1 回のリクエストでバッチをベクトル化できます。

← 前へFiles API 次へ →音声文字起こし