文本向量模型（Text Embeddings）API 接口

文本向量模型 API 提供将文本转换为向量的能力，支持中英文输入。通过该接口，开发者可以将文本内容转化为向量，以用于进行后续的语义分析、相似度计算、信息检索等任务。

🎯接口地址

POST https://wcode.net/api/gpt/v1/embeddings

此 API 接口兼容 OpenAI 的接口规范，也就是可以直接使用 OpenAI 的 SDK 来调用各个模型。仅需替换以下两项配置：

1. BASE_URL 替换为 https://wcode.net/api/gpt/v1
2. API_KEY 替换为从 https://wcode.net/get-apikey 获取到的 API KEY

即可开始使用 OpenAI SDK 调用 通义千问系列、豆包系列、混元系列、DeepSeek系列......等各个模型。

🎯请求方法

POST

🎯快速开始（请求示例）

（注：以下请求示例中的 API_KEY 需要替换后再发起请求。 获取 API_KEY 入口：https://wcode.net/get-apikey）

curl --request POST 'https://wcode.net/api/gpt/v1/embeddings' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "qwen-text-embedding-v3",
    "input": "你好！"
}'

🎯请求头（Request Headers）

Header	值	备注	示例	相关链接
Authorization	Bearer API_KEY	格式：Bearer + 空格 + API_KEY	Bearer sk-.....	获取 API_KEY 入口：https://wcode.net/get-apikey
Content-Type	application/json	固定为 application/json

🎯请求参数

🚀 model | ✅️必填 | string | 模型ID，可选 model 模型列表（部分）：

模型ID	模型名称	每 1000 tokens 费用	更新日期
doubao-embedding-large	Doubao-embedding-large	0.0009	2024-09-15
doubao-embedding	Doubao-embedding	0.0007	2024-07-15
qwen-text-embedding-v3	通义千问通用文本向量-v3	0.0009	2024-07-12
qwen-text-embedding-v1	通义千问通用文本向量-v1	0.0009	2024-04-09
qwen-text-embedding-v2	通义千问通用文本向量-v2	0.0009	2024-04-09
hunyuan-embedding	腾讯文本向量模型	0.0009	2024-01-05

🚀 input | ✅️必填 | string 或 array | 需要向量化的内容，支持中文、英文。示例值：你好！，Hello World，["苹果", "西瓜"]

🚀 encoding_format | 选填 | string | 默认值：float | 返回的格式，可选值：float 或 base64

🎯返回参数

不同模型返回参数可能存在差异，请以实际返回为准。

返回参数	数据类型	说明
object	string	固定为 list
data	array	模型输出的数据
usage	object	请求所消耗的 tokens 数据
usage.prompt_tokens	int	输入的 tokens 数量
usage.total_tokens	int	请求所消耗的 tokens 的总数量

🎯响应头（Response Headers）

Header	说明	示例	相关链接
X-Account-Balance	API_KEY 余额（元）	123.0165	API_KEY 费用充值入口：https://wcode.net/apikey-recharge

🎯Python 代码示例（Requests，qwen-text-embedding-v3）

import requests
import json

url = "https://wcode.net/api/gpt/v1/embeddings"

payload = json.dumps({
    "model": "qwen-text-embedding-v3",
    "input": "你好！"
})

headers = {
  'Content-Type': 'application/json',
  'Authorization': 'Bearer API_KEY'     # TODO: 这里的 API_KEY 需要替换，获取 API_KEY 入口：https://wcode.net/get-apikey
}

response = requests.request("POST", url, headers=headers, data=payload)

print(response.text)

🎯Java 代码示例（OkHttp，qwen-text-embedding-v3）

OkHttpClient client = new OkHttpClient().newBuilder().build();

MediaType mediaType = MediaType.parse("application/json");

RequestBody body = RequestBody.create(mediaType, "{\"model\": \"qwen-text-embedding-v3\", \"input\": \"你好！\"}");

Request request = new Request.Builder()
  .url("https://wcode.net/api/gpt/v1/embeddings")
  .method("POST", body)
  .addHeader("Content-Type", "application/json")
  .addHeader("Authorization", "Bearer API_KEY")     // TODO: 这里的 API_KEY 需要替换，获取 API_KEY 入口：https://wcode.net/get-apikey
  .build();

Response response = client.newCall(request).execute();

🎯PHP 代码示例（Guzzle，qwen-text-embedding-v3）

<?php

$client = new Client();

$headers = [
  'Content-Type' => 'application/json',
  'Authorization' => 'Bearer API_KEY'     // TODO: 这里的 API_KEY 需要替换，获取 API_KEY 入口：https://wcode.net/get-apikey
];

$body = '{
    "model": "qwen-text-embedding-v3",
    "input": "你好！"
}';

$request = new Request('POST', 'https://wcode.net/api/gpt/v1/embeddings', $headers, $body);

$res = $client->sendAsync($request)->wait();

echo $res->getBody();

🎯...其他编程语言可参考下方 curl http 请求示例进行调用

🎯请求示例 1（input 类型为 string，qwen-text-embedding-v3）

curl --request POST 'https://wcode.net/api/gpt/v1/embeddings' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "qwen-text-embedding-v3",
    "input": "你好！"
}'

🎯响应示例 1

{
    "object": "list",
    "data": [
        {
            "object": "embedding",
            "index": 0,
            "embedding": [
                -0.07683156430721283,
                0.03397340700030327,
                -0.09158729761838913,
                -0.06994295120239258,
                -0.02755446918308735,
                ...
            ]
        }
    ],
    "usage": {
        "prompt_tokens": 2,
        "total_tokens": 2
    }
}

🎯请求示例 2（input 类型为 array，qwen-text-embedding-v3）

curl --request POST 'https://wcode.net/api/gpt/v1/embeddings' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "qwen-text-embedding-v3",
    "input": ["苹果", "西瓜"]
}'

🎯响应示例 2

{
    "object": "list",
    "data": [
        {
            "object": "embedding",
            "index": 0,
            "embedding": [
                -0.07807832211256027,
                0.053077876567840576,
                -0.09807868301868439,
                -0.03788529708981514,
                -0.058193352073431015,
                ...
            ]
        },
        {
            "object": "embedding",
            "index": 1,
            "embedding": [
                -0.05409573018550873,
                0.0688803642988205,
                -0.029378259554505348,
                0.011470510624349117,
                -0.04068640619516373,
                ...
            ]
        }
    ],
    "usage": {
        "prompt_tokens": 3,
        "total_tokens": 3
    }
}

---

🎯异常响应示例

{
    "status": "failed",
    "error_message": "Incorrect API_KEY provided",
    "error_code": 401,
    "data": null
}