文本向量化 (Embeddings)

将文本转成向量表示, 用于语义检索 / 聚类 / 相似度

POST /v1/embeddings

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

兼容 OpenAI Embeddings 接口, 把文本转成向量, 用于语义检索 / 聚类 / 相似度。 **text-embedding-v4** 是多语言文本向量模型, 覆盖中文 / 英文等多语种, 默认输出 **1024 维** 向量, 可通过 `dimensions` 参数自定义 (截断到) 更小维度。 `input` 支持单个字符串或字符串数组 (批量), 数组长度按需分片, 返回的 `data` 按 `index` 顺序与输入一一对应。客户端零改造: OpenAI SDK 直接把 base URL 指向 `https://api.router.ai` 即可调用。

请求体

`model`	string	required	向量模型 ID。可选: `text-embedding-v4` (多语言, 默认 1024 维, 支持自定义维度) / `text-embedding-004` / `gemini-embedding-001` / `gemini-embedding-2-preview` / `voyage-4-large` / `voyage-4` / `voyage-4-lite` (Voyage, 默认 1024 维, 支持 256/512/1024/2048)
`input`	string	required	待向量化的文本, 或字符串数组 (批量)。数组长度按需分片, 返回向量按 `index` 顺序对应。
`encoding_format`	string		向量编码格式, 省略走默认 `float`。
`dimensions`	integer		(可选) 自定义输出向量维度。`text-embedding-v4` 默认 1024 维, 可传该参数截断到更小维度 (省略走模型默认)。

响应

200 — 返回向量数组

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 文档