Skip to main content
POST
/
v1
/
models
/
{model}
:embedContent
curl --request POST \
  --url https://api.mixroute.ai/v1/models/gemini-embedding-001:embedContent \
  --header 'Authorization: Bearer sk-xxxxxxxxxx' \
  --header 'Content-Type: application/json' \
  --data '{
    "content": {
      "parts": [{"text": "這是一段測試文字"}]
    }
  }'

{
  "embedding": {
    "values": [0.0023064255, -0.009327292, 0.015797347]
  },
  "metadata": {
    "usage": {
      "prompt_tokens": 6,
      "total_tokens": 6
    }
  }
}

​
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。 與 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

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

​
請求參數

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

​
程式碼範例

curl -X POST "https://api.mixroute.ai/v1/models/gemini-embedding-001:embedContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxxxx" \
  -d '{
    "content": {
      "parts": [
        { "text": "要嵌入的文字內容" }
      ]
    }
  }'

​
回應範例

{
  "embedding": {
    "values": [0.0023064255, -0.009327292, 0.015797347, ...]
  },
  "metadata": {
    "usage": {
      "prompt_tokens": 6,
      "total_tokens": 6
    }
  }
}

​
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。 
curl -X POST "https://api.mixroute.ai/v1/models/gemini-embedding-001:batchEmbedContents" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxxxx" \
  -d '{
    "requests": [
      { "content": { "parts": [{ "text": "第一段文字" }] } },
      { "content": { "parts": [{ "text": "第二段文字" }] } }
    ]
  }'

​
支援的模型

模型說明
gemini-embedding-001通用嵌入模型，支援 outputDimensionality
text-embedding-004高精度嵌入模型

​
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_tokens、total_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。
curl --request POST \
  --url https://api.mixroute.ai/v1/models/gemini-embedding-001:embedContent \
  --header 'Authorization: Bearer sk-xxxxxxxxxx' \
  --header 'Content-Type: application/json' \
  --data '{
    "content": {
      "parts": [{"text": "這是一段測試文字"}]
    }
  }'

{
  "embedding": {
    "values": [0.0023064255, -0.009327292, 0.015797347]
  },
  "metadata": {
    "usage": {
      "prompt_tokens": 6,
      "total_tokens": 6
    }
  }
}