Skip to main content
POST

はじめに

Geminiのネイティブインターフェースを使用して、テキストを埋め込みベクトルに変換します。モデルはURLパス(例: gemini-embedding-001)で指定します。Googleの埋め込みモデルが必要な場合や、Gemini APIに合わせる必要がある場合に適しています。 テキスト埋め込みのOpenAI形式を補完するドキュメントです。このドキュメントではGeminiのネイティブパスを扱います。同じ機能はPOST /v1/embeddings経由でも利用できます。

認証

Bearerトークン。例: Bearer sk-xxxxxxxxxx

パスパラメーター

string
必須
埋め込みモデル名。例:gemini-embedding-001。

リクエストパラメーター

object
必須
埋め込み対象のコンテンツです。各項目が{ "text": "text content" }であるparts配列を含める必要があります。
integer
出力ベクトルの次元数(gemini-embedding-001、text-embedding-004など、一部のモデルのみ対応)。
string
タスクの種類。例:RETRIEVAL_DOCUMENT、RETRIEVAL_QUERY(任意)。

コード例

レスポンス例

バッチインターフェース(batchEmbedContents)

バッチ埋め込みにはPOST /v1/models/{model}:batchEmbedContentsを使用します。リクエストボディはrequests配列で、各項目は単一リクエストと同じ構造(content.partsを含む)です。各項目にmodelフィールドを含めないでください。

対応モデル

注意事項

  • content.partsは必須です。少なくとも1つのtextが空でない必要があります
  • モデルはURLパスで指定します。リクエストボディにmodelフィールドを含めないでください
  • 使用状況の情報は、レスポンスのmetadata.usageに含まれます(prompt_tokens、total_tokens)。
アプリケーションですでにOpenAI SDKを使用している場合は、コードの変更を最小限に抑えるため、/v1/embeddings互換インターフェースの使用を検討してください。