テキスト埋め込み

POST https://api.4allapi.com/v1/embeddings

テキストを高次元ベクトルに変換し、意味検索、クラスタリング、レコメンド、RAG ナレッジベースに使用します。

リクエスト例

curl https://api.4allapi.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AIPROXY_KEY" \
  -d '{
    "model": "text-embedding-3-large",
    "input": ["4ALL API は何ですか", "API トークンを作成する方法"]
  }'

input は単一の文字列または文字列配列（バッチ）に対応します。レスポンスでは各入力に対応する embedding ベクトルが返されます:

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0123, -0.0456, ...] },
    { "object": "embedding", "index": 1, "embedding": [...] }
  ],
  "model": "text-embedding-3-large",
  "usage": { "prompt_tokens": 14, "total_tokens": 14 }
}

実践のヒント

ナレッジベース全体で同じ埋め込みモデルを使い続ける, 異なるモデルのベクトル空間は混在できない;
長文書はまずチャンク分割し（例: 300〜800 文字、重なりあり）、その後に埋め込むと、検索ヒット率が高くなる;
バッチ埋め込み時は配列でまとめて複数件を一度に送信する方が、1件ずつ送るより速くて効率的;
埋め込みは入力 token 単位で課金され、料金は会話モデルより大幅に低いため、大規模なインデックス作成に適している。