Skip to main content
POST

簡介

使用 Gemini 原生介面將文字轉換為向量嵌入。模型由 URL 路徑 指定(如 gemini-embedding-001),適用於需要 Google 嵌入模型或與 Gemini API 對齊的場景。 文字向量化(Embedding) 的 OpenAI 格式互為補充:本文件為 Gemini 原生路徑;同一能力也可透過 POST /v1/embeddings 呼叫。

認證

Bearer Token,如 Bearer sk-xxxxxxxxxx

路徑參數

string
required
嵌入模型名稱,如 gemini-embedding-001

請求參數

object
required
待嵌入內容。須包含 parts 陣列,每項為 { "text": "文字內容" }
integer
輸出向量維度(僅部分模型支援,如 gemini-embedding-001text-embedding-004)。
string
任務類型,如 RETRIEVAL_DOCUMENTRETRIEVAL_QUERY(選填)。

程式碼範例

回應範例

批次介面(batchEmbedContents)

批次嵌入請使用:POST /v1/models/{model}:batchEmbedContents,請求體為 requests 陣列,每項結構同單條(含 content.parts),且 不要 在每項中帶 model 欄位。

支援的模型

注意事項

  • content.parts 必填,至少一個 text 非空
  • 模型由 URL 路徑指定,請求體不要包含 model 欄位
  • 用量資訊在回應的 metadata.usage 中(prompt_tokenstotal_tokens
如果您的應用程式已使用 OpenAI SDK,建議使用 /v1/embeddings 相容介面以減少程式碼修改。