文本向量化 (Embeddings)

將文本轉成向量表示, 用於語義檢索 / 聚類 / 相似度

POST /v1/embeddings

鉴权: {'type': 'bearer', 'prefix': 'sk-', 'description': 'API Key, 使用 `Authorization: Bearer sk-xxx` 鉴权'}

相容 OpenAI Embeddings 介面, 把文本轉成向量, 用於語義檢索 / 聚類 / 相似度。 **text-embedding-v4** 是多語言文本向量模型, 覆蓋中文 / 英文等多語種, 預設輸出 **1024 維** 向量, 可通過 `dimensions` 參數自定義 (截斷到) 更小維度。 `input` 支援單個字串或字串陣列 (批次), 陣列長度按需分片, 返回的 `data` 按 `index` 順序與輸入一一對應。客戶端零改造: OpenAI SDK 直接把 base URL 指向 `https://api.router.ai` 即可呼叫。

请求体

`model`	string	required	向量模型 ID。可選: `text-embedding-v4` (多語言, 預設 1024 維, 支援自定義維度) / `text-embedding-004` / `gemini-embedding-001` / `gemini-embedding-2-preview` / `voyage-4-large` / `voyage-4` / `voyage-4-lite` (Voyage, 預設 1024 維, 支援 256/512/1024/2048)
`input`	string	required	待向量化的文本, 或字串陣列 (批次)。陣列長度按需分片, 返回向量按 `index` 順序對應。
`encoding_format`	string		向量編碼格式, 省略走預設 `float`。
`dimensions`	integer		(可選) 自定義輸出向量維度。`text-embedding-v4` 預設 1024 維, 可傳該參數截斷到更小維度 (省略走模型預設)。

响应

200 — 返回向量陣列

调用示例

curl https://api.router.ai/v1/embeddings \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-v4",
    "input": "Router 是一个多模型聚合 API 平台"
  }'

API 文件