Retorna um vetor de 768 dimensões como um array que codifica o significado de qualquer texto de entrada dado
Motores de Busca Semântica: Implemente a API de Embeddings para potencializar motores de busca semântica que recuperam resultados com base no significado semântico e no contexto das consultas dos usuários Os usuários podem encontrar documentos, artigos ou produtos relevantes com mais precisão, mesmo ao usar consultas em linguagem natural ou termos ambíguos
Sistemas de Recomendação de Conteúdo: Utilize a API de Embeddings para aprimorar sistemas de recomendação de conteúdo analisando as semelhanças semânticas entre as preferências dos usuários e o conteúdo disponível Isso permite recomendações personalizadas adaptadas aos interesses de cada usuário, levando a maior engajamento e satisfação do usuário
Classificação e Categorização de Texto: Integre a API de Embeddings em sistemas de classificação de texto para categorizar e rotular automaticamente documentos textuais com base em seu conteúdo semântico Isso pode ser aplicado em vários domínios como análise de sentimentos, modelagem de tópicos, detecção de spam e roteamento de tickets de suporte ao cliente
Detecção de Plágio e Identificação de Conteúdo Duplicado: Implemente a API de Embeddings para identificar conteúdo plagiado ou duplicado comparando as semelhanças semânticas entre documentos Isso é valioso para instituições acadêmicas, plataformas de publicação e criadores de conteúdo para garantir originalidade e manter padrões de qualidade
Chatbots de Suporte ao Cliente: Aprimore as capacidades de chatbots de suporte ao cliente incorporando a API de Embeddings para entender e responder às consultas dos usuários de forma mais inteligente Ao codificar mensagens dos usuários em vetores semânticos, os chatbots podem fornecer respostas mais precisas e relevantes, melhorando a experiência geral do cliente
Além do número de chamadas de API por plano, não há outras limitações
Retorna um vetor de 768 dimensões como um array que codifica o significado de qualquer texto de entrada fornecido.
Incorporar - Recursos do endpoint
| Objeto | Descrição |
|---|---|
Corpo da requisição |
[Obrigatório] Json |
{"embeddings": [0.013939207419753075, -0.07620275765657425, -0.014649288728833199, -0.00781314168125391, -0.0740455836057663, 0.03170469030737877, -0.006173900794237852, 0.0016967904521152377, -0.011640767566859722, -0.02002018503844738, 0.09548962116241455, 0.02341611310839653, 0.035564858466386795, -0.062348175793886185, 0.03560464084148407, -0.019433453679084778, 0.06851192563772202, 0.012894690968096256, -0.04045984894037247, 0.04344852268695831, -0.0014552422799170017, 0.01974443905055523, -0.0021694365423172712, 0.02399776130914688, -0.007836421020328999, -0.040529824793338776, -0.0014482426922768354, -0.02588670700788498, -0.0036561633460223675, -0.028080279007554054, 0.03209826350212097, -0.027149565517902374, 0.00404080655425787, -0.10617884993553162, 1.7942857084563002e-06, -0.017671145498752594, -0.004518834874033928, -0.02531801536679268, -0.05721655488014221, 0.01615012064576149, -0.012763042002916336, 0.07919370383024216, -0.016544310376048088, 0.04298930987715721, -0.014435176737606525, 0.035881008952856064, 0.04683641344308853, 0.053148239850997925, -0.05349814146757126, 0.07364777475595474, -0.008615133352577686, -0.013460193760693073, -0.03645554557442665, -0.05465473234653473, 0.04880063608288765, 0.05057608336210251, 0.05597313866019249, -0.03604511544108391, -0.007040324155241251, 0.010720673017203808, 0.03462740406394005, 0.007560640573501587, 0.002835440682247281, -0.010276427492499352, 4.643664226477995e-07, -0.020818961784243584, 0.006767896004021168, -0.004263356328010559, 0.021016817539930344, 0.01793544739484787, 0.027422238141298294, -0.0034292007330805063, 0.0033163721673190594, 0.04817304387688637, 0.004561794921755791, -0.0016790357185527682, -0.01200205460190773, -0.007053891662508249, -0.02590245008468628, 0.03775918483734131, 0.0642535537481308, 0.08735691010951996, 0.014946768060326576, 0.014769518747925758, -0.04250260815024376, 0.04460737481713295, -0.04670406132936478, 0.009639952331781387, -0.07318884134292603, -0.018096603453159332, -0.05873636156320572, -0.012408088892698288, 0.0013558906503021717, 0.007450427860021591, 0.05779578909277916, 0.0074555943720042706, -0.04818744584918022, -0.03531060740351677, 0.034315310418605804, -0.06728708744049072, 0.0037907760124653578, -0.010472110472619534, -0.011020002886652946, 0.03694135323166847, 0.010759948752820492, -0.007415700238198042, 0.05451470986008644, 0.0010445406660437584, -0.05894652381539345, 0.04380061849951744, 0.03676017001271248, -0.012960560619831085, -0.12057781964540482, 0.025672918185591698, -0.011007608845829964, -0.02201502025127411, 0.011375609785318375, 0.005360479466617107, 0.0024932583328336477, 0.00796507392078638, -0.08059454709291458, -0.023512497544288635, -0.03428828716278076, 0.03062473051249981, 0.022834617644548416, -0.0027097081765532494, -0.05561213195323944, 0.049359627068042755, 0.02149321883916855, -0.03491750732064247, -0.0221716295927763, -0.01177170593291521, 0.01299978792667389, -0.028012845665216446, -0.04591836407780647, 0.010035406798124313, 0.05174179747700691, 0.005202081985771656, -0.007804495748132467, -0.0029446666594594717, 0.01937749609351158, -0.07568969577550888, -0.03790692612528801, -0.0030472297221422195, -0.038582321256399155, 0.04398660734295845, 0.0391429141163826, -0.04643382132053375, 0.0133676677942276, 0.03514379262924194, -1.3664732250617817e-05, 0.019607825204730034, -0.01963932067155838, -0.010240158997476101, -0.038763225078582764, -0.01653723046183586, 0.08207444846630096, -0.00897180661559105, -0.02582376077771187, -0.06328210979700089, 0.015752265229821205, 0.024895448237657547, 5.638198126689531e-05, -0.008521649055182934, -0.000952606089413166, -0.016396095976233482, -0.02038237266242504, 0.0475863479077816, -0.05599668622016907, 0.025297943502664566, -0.007134982850402594, -0.01191236823797226, -0.029260465875267982, 0.0935467779636383, 0.032030101865530014, 0.03051452338695526, 0.008239914663136005, -0.011238695122301579, -0.07342644780874252, -0.007330743130296469, -0.009204062633216381, 0.023860272020101547, -0.018736205995082855, 0.01906372234225273, -0.04627728462219238, 0.04720167815685272, -0.0058020357973873615, -0.026720041409134865, -0.0348316915333271, -0.036416150629520416, -0.027193019166588783, 0.039064448326826096, -0.00039663410279899836, -0.03151513263583183, -0.03816145285964012, 0.030941344797611237, 0.0026079837698489428, 0.05623772740364075, 0.00437539629638195, -0.027483681216835976, 0.04455471783876419, 0.014973833225667477, 0.03785956650972366, 0.02194579318165779, -0.033226072788238525, -0.006183756981045008, 0.010352302342653275, -0.04894829913973808, 0.03441489860415459, -0.018851961940526962, 0.10489770770072937, 0.020752476528286934, -0.02349158376455307, 0.006133275106549263, 0.015134816989302635, -0.00452256528660655, 0.02509983628988266, -0.040524937212467194, -0.03738873451948166, 0.058204710483551025, -0.03306514397263527, -0.024257531389594078, -0.008739261887967587, 0.005285623483359814, 0.0428704097867012, -0.06905177980661392, -0.03221062943339348, -0.00929531455039978, -0.04813719913363457, -0.017368819564580917, -0.023568324744701385, 0.005991612561047077, 0.002014750614762306, 0.015137730166316032, -0.043625231832265854, 0.028046078979969025, -0.022483110427856445, -0.0675458088517189, -0.02969176694750786, -0.07801599055528641, -0.004533448722213507, -0.020889760926365852, 0.01627545803785324, 0.03767646104097366, -0.004567406605929136, -0.006609919480979443, 0.058710724115371704, -0.026528172194957733, 0.014496758580207825, -0.051150865852832794, 0.040505483746528625, -0.0365748330950737, 0.02056995779275894, 0.001012084656395018, -0.00459778169170022, -0.049088254570961, -0.0041515943594276905, 0.0256329458206892, -0.005370548460632563, 0.0015132365515455604, 0.0646301805973053, -0.008535018190741539, -0.00742675457149744, 0.03180171176791191, -0.02851676754653454, -0.03076382726430893, 0.02232033759355545, -0.07051311433315277, -0.02230730839073658, -0.017093179747462273, 0.0004767037753481418, -0.016527598723769188, 0.04865896701812744, 0.007534426636993885, 0.033901043236255646, 0.05810021236538887, 0.035928986966609955, -0.05082548037171364, -0.014606365002691746, 0.07619520276784897, 0.045765623450279236, -0.0241974126547575, -0.034369729459285736, 0.016782477498054504, -0.014098926447331905, 0.016231060028076172, -0.014963272027671337, -0.017364146187901497, 0.0051375809125602245, 0.061415523290634155, 0.04615875333547592, -0.01685008779168129, 0.025218375027179718, -0.01709458976984024, -0.014379012398421764, -0.016043229028582573, 0.043569304049015045, 0.057229675352573395, 0.04103725403547287, 0.028372090309858322, -0.048868052661418915, -0.0010535515611991286, 0.01728326454758644, -0.00837850384414196, -0.025799350813031197, 0.022918598726391792, -0.024546319618821144, -0.019360749050974846, 0.006038407329469919, 0.005503498949110508, 0.05088094249367714, 0.03324992582201958, 0.011119196191430092, 0.06083192676305771, -0.029519060626626015, 0.0018379677785560489, -0.03220772370696068, -0.01531512662768364, -0.03280174359679222, -0.018479865044355392, -0.007301837671548128, 0.012241820804774761, 0.002273872494697571, 0.0379355289041996, 0.013996955007314682, -0.0017659261357039213, 0.010163894854485989, 0.014122460968792439, 0.0018288303399458528, -0.009605614468455315, -0.01289494801312685, 0.01989274099469185, -0.03994510695338249, 0.10953575372695923, 0.03151790052652359, 0.018723415210843086, -0.015736758708953857, 0.04327527433633804, 0.0018102496396750212, -0.013555054552853107, 0.008169605396687984, -0.0145754124969244, -0.014353225938975811, -0.016440466046333313, -0.008865667507052422, -0.010643613524734974, -0.0458291657269001, 0.02523989789187908, -0.06513778120279312, -0.06905867159366608, -0.015559426508843899, 0.03009882941842079, -0.06293657422065735, -0.0314321368932724, -0.047293633222579956, -0.027882598340511322, 0.011413431726396084, 0.022057048976421356, 0.010160962119698524, -0.018009783700108528, 0.060251373797655106, 0.01870781183242798, -0.03645891696214676, 0.04396945983171463, -0.004634660203009844, -0.013154316693544388, 0.034102942794561386, 0.03185007721185684, -0.05584457144141197, 0.022813409566879272, 0.029446888715028763, 0.01935158297419548, -0.0028999336063861847, 0.04305959865450859, -0.03457862138748169, 0.04819394275546074, 0.04125528782606125, -0.0576239749789238, -0.003506707027554512, 0.039453182369470596, 0.028717564418911934, -0.057467684149742126, 0.02144150249660015, 0.005126942414790392, -0.07687968760728836, 0.013805958442389965, 0.0006847887998446822, -0.05202663689851761, -0.010948550887405872, 0.05333102121949196, 0.02406822144985199, -0.018763715401291847, -0.0140795623883605, 0.04789905995130539, 0.013764397241175175, 0.004657984245568514, 0.03555469214916229, 0.03414496034383774, -0.03191981092095375, -0.017713209614157677, 0.018479568883776665, 0.005313776433467865, 0.008451195433735847, -0.033909961581230164, -0.05257125943899155, 0.04143505170941353, -0.002375328214839101, 0.040141209959983826, -0.03279993310570717, 0.043728627264499664, -0.0015496707055717707, -0.007676392327994108, 0.019196953624486923, 0.02217002399265766, 0.04762379080057144, 0.014653372578322887, -0.003972034901380539, 0.01767018251121044, 0.015277712605893612, -0.04652494937181473, -0.052209969609975815, -0.014141274616122246, 0.10805197060108185, -0.047875672578811646, -0.004920743405818939, -0.01565953716635704, -0.04514719918370247, 0.04111596196889877, -0.01787451095879078, 0.005186246708035469, -0.004905304871499538, -0.01826680637896061, -0.03529748320579529, -0.023151429370045662, -0.04833538085222244, -0.03620176389813423, -0.030742507427930832, 0.019411521032452583, 0.019412025809288025, -0.04973138868808746, 0.0112678287550807, 0.02249995991587639, 0.1206497997045517, -0.01204303465783596, 0.02771075628697872, 0.03910631313920021, -0.006860956083983183, -0.008061112836003304, 0.02354375831782818, 0.057571105659008026, 0.03438039869070053, 0.01844623126089573],"_note":"Response truncated for documentation purposes"}
curl --location --request POST 'https://zylalabs.com/api/3562/embedding+api/3923/embed' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{ "text": "This is an example sentence." }'
| Cabeçalho | Descrição |
|---|---|
Authorization
|
[Obrigatório] Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito. |
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
A API de Embeddings é uma ferramenta que codifica texto em representações vetoriais usando modelos de aprendizado de máquina avançados em Processamento de Linguagem Natural (NLP)
A API utiliza técnicas de PNL de ponta para transformar entradas de texto em embaixadas vetoriais densas que capturam o significado semântico e o contexto do texto
As incorporações vetoriais são representações numéricas de texto que codificam informações semânticas Elas são úteis porque permitem comparação medição de similaridade e análise de dados textuais em espaço matemático
A API pode ser usada em várias aplicações como motores de busca semântica medição de semelhança de texto sistemas de recomendação de conteúdo análise de sentimento e classificação de texto
Sim a API pode processar texto em múltiplas línguas e foi projetada para lidar com padrões e estruturas linguísticas diversas
O endpoint Embed retorna um vetor de 768 dimensões como um array, que codifica o significado semântico do texto de entrada. Essa representação vetorial permite várias aplicações, como medição de similaridade e busca semântica
O campo principal nos dados de resposta é "embeddings" que contém um array de números de ponto flutuante representando o vetor codificado. Cada número corresponde a uma dimensão no espaço de 768 dimensões
Os dados de resposta são estruturados como um objeto JSON com uma única chave "embeddings" que contém um array de valores numéricos Esse formato permite fácil análise e integração em aplicativos que exigem representações vetoriais
O endpoint Embed aceita um único parâmetro: o texto de entrada a ser codificado Os usuários podem personalizar suas solicitações fornecendo diferentes entradas de texto para gerar as correspondentes incorporações vetoriais
Os casos de uso típicos incluem busca semântica recomendação de conteúdo classificação de texto e detecção de plágio As incorporações vetoriais podem ser usadas para medir a semelhança e aprimorar várias aplicações de PLN
Os usuários podem aproveitar os vetores retornados para tarefas como comparar a similaridade de textos agrupar documentos ou alimentar modelos de aprendizado de máquina para tarefas de classificação ou recomendação
A API de Embeddings utiliza modelos de PNL de última geração treinados em conjuntos de dados diversos garantindo alta precisão na codificação de texto Atualizações contínuas de modelos e avaliações ajudam a manter a qualidade dos dados
Os usuários podem esperar que as incorporações reflitam semelhanças semânticas onde textos semelhantes produzem representações vetoriais mais próximas no espaço de 768 dimensões Isso permite uma comparação e agrupamento eficaz de conteúdo relacionado
Nível de serviço:
100%
Tempo de resposta:
481ms
Nível de serviço:
100%
Tempo de resposta:
1.701ms
Nível de serviço:
100%
Tempo de resposta:
791ms
Nível de serviço:
100%
Tempo de resposta:
198ms
Nível de serviço:
100%
Tempo de resposta:
12.216ms
Nível de serviço:
100%
Tempo de resposta:
204ms
Nível de serviço:
100%
Tempo de resposta:
293ms
Nível de serviço:
100%
Tempo de resposta:
148ms
Nível de serviço:
100%
Tempo de resposta:
45ms
Nível de serviço:
100%
Tempo de resposta:
434ms
Nível de serviço:
100%
Tempo de resposta:
227ms
Nível de serviço:
100%
Tempo de resposta:
1.398ms
Nível de serviço:
100%
Tempo de resposta:
599ms
Nível de serviço:
100%
Tempo de resposta:
597ms
Nível de serviço:
100%
Tempo de resposta:
7.029ms
Nível de serviço:
100%
Tempo de resposta:
7.645ms
Nível de serviço:
100%
Tempo de resposta:
11.346ms
Nível de serviço:
100%
Tempo de resposta:
1.185ms
Nível de serviço:
100%
Tempo de resposta:
611ms
Nível de serviço:
100%
Tempo de resposta:
105ms