메인 콘텐츠로 건너뛰기

Documentation Index

Fetch the complete documentation index at: https://docs.xhuoapi.ai/llms.txt

Use this file to discover all available pages before exploring further.

OpenAI 단어 벡터 서비스는 입력 텍스트를 나타내는 단어 벡터 결과를 생성하는 데 사용됩니다. 이 문서는 OpenAI Embeddings API 작업의 사용 프로세스를 주로 설명하며, 이를 통해 입력 텍스트를 나타내는 임베딩 벡터를 생성할 수 있습니다.

​
신청 프로세스

OpenAI Embeddings API를 사용하려면 먼저 OpenAI Embeddings API 페이지에서 “Acquire” 버튼을 클릭하여 요청에 필요한 자격 증명을 얻습니다: 로그인 또는 등록이 되어 있지 않은 경우 자동으로 로그인 페이지로 리디렉션되어 등록 및 로그인을 초대합니다. 로그인 및 등록 후에는 자동으로 현재 페이지로 돌아옵니다. 첫 번째 신청 시 무료 크레딧이 제공되며, 이 API를 무료로 사용할 수 있습니다.

​
기본 사용

다음으로 인터페이스에 해당 내용을 입력할 수 있습니다. 아래 그림과 같이:

이 인터페이스를 처음 사용할 때는 최소한 세 가지 내용을 입력해야 합니다. 하나는 authorization으로, 드롭다운 목록에서 선택하면 됩니다. 다른 매개변수는 model이며, model은 OpenAI 공식 모델 카테고리를 선택하는 것입니다. 여기에는 주로 3가지 모델이 있으며, 자세한 내용은 제공된 모델을 참조할 수 있습니다. 마지막 매개변수는 input으로, input은 변환할 단어 벡터 텍스트입니다. 또한 오른쪽에 해당 호출 코드 생성이 있으며, 코드를 복사하여 직접 실행할 수도 있고, “Try” 버튼을 클릭하여 테스트할 수도 있습니다. 선택적 매개변수:
  • dimensions: 벡터 차원 자르기, 기본적으로 전체 차원을 출력합니다.
  • encoding_format: 반환 형식, 선택 사항으로 float 또는 base64가 있습니다.

Python 샘플 호출 코드: 
import requests

url = "https://api.xhuoapi.ai/v1/openai/embeddings"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "input": "The food was delicious and the waiter...",
    "model": "text-embedding-ada-002",
    "encoding_format": "float"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)
호출 후, 반환 결과는 다음과 같습니다: 
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        0.0022756963,
        -0.009305916,
        0.015742613,
        -0.0077253063,
        -0.0047450014,
        0.014917395,
        -0.009807394,
        -0.038264707,
        -0.0069127847,
        -0.028590616,
        0.025251659,
        ....
        -0.014079482,
        -0.015425222,
        0.0040753055,
        0.002727979,
        -0.03138366,
        0.041159317,
        -0.017608874,
        -0.018637223,
        0.014587308,
        0.010486611,
        -0.015387135,
        -0.019424353,
        -0.002800979
      ]
    }
  ],
  "model": "text-embedding-ada-002",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}
반환 결과는 여러 필드를 포함하며, 다음과 같이 설명됩니다:
  • model, 이번 텍스트를 단어 벡터로 변환하는 데 사용된 모델입니다.
  • usage, 이번 텍스트를 단어 벡터로 변환하는 데 사용된 토큰 정보입니다.
  • data, 텍스트 변환 후의 단어 벡터 결과입니다.
그 중 data는 텍스트에 해당하는 단어 벡터의 구체적인 정보를 포함하고 있으며, 그 안의 embedding은 생성된 단어 벡터의 구체적인 결과입니다.

​
오류 처리

API를 호출할 때 오류가 발생하면 API는 해당 오류 코드와 정보를 반환합니다. 예를 들어:
  • 400 token_mismatched: 잘못된 요청, 누락되었거나 잘못된 매개변수 때문일 수 있습니다.
  • 400 api_not_implemented: 잘못된 요청, 누락되었거나 잘못된 매개변수 때문일 수 있습니다.
  • 401 invalid_token: 권한 없음, 잘못되었거나 누락된 인증 토큰입니다.
  • 429 too_many_requests: 너무 많은 요청, 비율 한도를 초과했습니다.
  • 500 api_error: 내부 서버 오류, 서버에서 문제가 발생했습니다.

​
오류 응답 예시

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

​
결론

이 문서를 통해 OpenAI Embeddings API를 사용하여 공식 OpenAI의 단어 벡터 생성 기능을 쉽게 사용할 수 있는 방법을 이해하게 되었습니다. 이 문서가 API를 더 잘 연결하고 사용하는 데 도움이 되기를 바랍니다. 질문이 있으시면 언제든지 기술 지원 팀에 문의해 주십시오.