Skip to main content
POST

簡介

將文字轉換為向量嵌入,適用於語意搜尋、文字相似度計算、聚類分析等情境。

認證

Bearer Token,如 Bearer sk-xxxxxxxxxx

請求參數

string
必填
模型名稱,如 text-embedding-3-small、text-embedding-3-large
string | array
必填
要嵌入的文字,可以是字串或字串陣列
string
回傳格式:float 或 base64
integer
用於開放此欄位的模型/路由,例如 OpenAI text-embedding-3;不要假設 Cohere 原生 output_dimension 與此欄位對映一致。
string
Cohere 必填:search_document、search_query、classification 或 clustering。

cURL 範例

Python 範例

支援的模型

Cohere 向量

入庫文件使用 input_type=search_document,查詢使用 search_query;兩側保持相同模型和維度。文本相容介面從 data[].embedding 返回向量;不要將 Cohere 原生影像/PDF 嵌入物件直接放入此文本輸入結構。

注意事項

  • 部分模型支援透過 dimensions 參數自訂輸出維度
  • 批次嵌入時,input 可傳入字串陣列