#Embeddings

OpenAI 互換の Embeddings エンドポイントで、テキストを数値ベクトルに変換します。

POST https://getrouter.ai/v1/embeddings

#基本リクエスト

curl https://getrouter.ai/v1/embeddings \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MODEL_ID",
    "input": "複数の AI モデルに対応する統合 API"
  }'

レスポンスの data 配列にはベクトルが含まれ、利用可能な場合は usage に使用量情報が含まれます。

#Python

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://getrouter.ai/v1",
)

response = client.embeddings.create(
    model="MODEL_ID",
    input=[
        "複数の AI モデルに対応する統合 API",
        "ベクトル検索は意味的に類似するテキストを取得します",
    ],
)

for item in response.data:
    print(item.index, len(item.embedding))

#Node.js / TypeScript

import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://getrouter.ai/v1',
})

const response = await client.embeddings.create({
  model: 'MODEL_ID',
  input: [
    '複数の AI モデルに対応する統合 API',
    'ベクトル検索は意味的に類似するテキストを取得します',
  ],
})

console.log(response.data.map((item) => item.embedding.length))

#リクエストフィールド

#バッチ入力

選択したモデルと入力上限が許す場合は、関連するテキストを 1 回のリクエストにまとめます。各レスポンス項目の index を保持し、ベクトルを元の入力に対応付けられるようにしてください。

#ベクトルの互換性

異なるモデル ID や次元設定で生成した埋め込みを、同じベクトルインデックスに混在させないでください。いずれかを変更した場合は、既存データを再度埋め込みます。

#代替パス

API 仕様では、パスにモデルを含む Embeddings エンドポイントも公開しています。

POST /v1/engines/{model}/embeddings

既存クライアントが engine 形式のパスを必要とする場合を除き、新しい OpenAI 互換連携では /v1/embeddings を使用してください。

#次のステップ

• 埋め込みモデルを選ぶ
• 料金を確認する
• Rerank を使用する
• API リファレンスを開く