Devuelve un vector de 768 dimensiones como un array que codifica el significado de cualquier texto de entrada dado.
Motores de Búsqueda Semánticos: Implementa la API de Embeddings para impulsar motores de búsqueda semánticos que recuperan resultados basados en el significado semántico y el contexto de las consultas de los usuarios. Los usuarios pueden encontrar documentos, artículos o productos relevantes de manera más precisa, incluso al usar consultas en lenguaje natural o términos ambiguos.
Sistemas de Recomendación de Contenido: Utiliza la API de Embeddings para mejorar los sistemas de recomendación de contenido analizando las similitudes semánticas entre las preferencias del usuario y el contenido disponible. Esto permite recomendaciones personalizadas adaptadas a los intereses de cada usuario, lo que lleva a un mayor compromiso y satisfacción del usuario.
Clasificación y Categorización de Textos: Integra la API de Embeddings en sistemas de clasificación de texto para categorizar y etiquetar automáticamente documentos textuales en función de su contenido semántico. Esto puede aplicarse en varios dominios como el análisis de sentimientos, la modelización de temas, la detección de spam y la clasificación de tickets de soporte al cliente.
Detección de Plagio e Identificación de Contenido Duplicado: Despliega la API de Embeddings para identificar contenido plagiado o duplicado al comparar las similitudes semánticas entre documentos. Esto es valioso para instituciones académicas, plataformas de publicación y creadores de contenido para garantizar la originalidad y mantener los estándares de calidad.
Chatbots de Soporte al Cliente: Mejora las capacidades de los chatbots de soporte al cliente incorporando la API de Embeddings para entender y responder a las consultas de los usuarios de manera más inteligente. Al codificar los mensajes de los usuarios en vectores semánticos, los chatbots pueden proporcionar respuestas más precisas y relevantes, mejorando la experiencia general del cliente.
Además del número de llamadas a la API por plan, no hay otras limitaciones.
Devuelve un vector de 768 dimensiones como un array que codifica el significado de cualquier texto de entrada dado.
Embed - Características del Endpoint
| Objeto | Descripción |
|---|---|
Cuerpo de la Solicitud |
[Requerido] 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." }'
| Encabezado | Descripción |
|---|---|
Autorización
|
[Requerido] Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito. |
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
La API de Embeddings es una herramienta que codifica texto en representaciones vectoriales utilizando modelos avanzados de aprendizaje automático de Procesamiento de Lenguaje Natural (NLP).
La API emplea técnicas de procesamiento de lenguaje natural de última generación para transformar la entrada de texto en incrustaciones de vectores densos que capturan el significado semántico y el contexto del texto.
Las incrustaciones vectoriales son representaciones numéricas de texto que codifican información semántica. Son útiles porque permiten la comparación, la medición de similitudes y el análisis de datos textuales en un espacio matemático.
La API se puede utilizar en varias aplicaciones, como motores de búsqueda semántica, medición de similitud de texto, sistemas de recomendación de contenido, análisis de sentimiento y clasificación de texto.
Sí, la API puede procesar texto en múltiples idiomas y está diseñada para manejar diversos patrones y estructuras lingüísticas.
El endpoint Embed devuelve un vector de 768 dimensiones como un arreglo, que codifica el significado semántico del texto de entrada. Esta representación vectorial permite diversas aplicaciones, como la medición de similitud y la búsqueda semántica.
El campo principal en los datos de respuesta es "embeddings," que contiene un array de números de punto flotante que representan el vector codificado. Cada número corresponde a una dimensión en el espacio de 768 dimensiones.
Los datos de respuesta están estructurados como un objeto JSON con una sola clave, "embeddings", que contiene un array de valores numéricos. Este formato permite un fácil análisis e integración en aplicaciones que requieren representaciones vectoriales.
El punto de enlace Embed acepta un solo parámetro: el texto de entrada que se va a codificar. Los usuarios pueden personalizar sus solicitudes proporcionando diferentes textos de entrada para generar las correspondientes incrustaciones vectoriales.
Los casos de uso típicos incluyen búsqueda semántica, recomendación de contenido, clasificación de texto y detección de plagio. Los vectores de incrustación se pueden utilizar para medir la similitud y mejorar varias aplicaciones de PNL.
Los usuarios pueden aprovechar los vectores de incrustación devueltos para tareas como comparar la similitud de textos, agrupar documentos o alimentar modelos de aprendizaje automático para tareas de clasificación o recomendación.
La API de Embeddings utiliza modelos de procesamiento de lenguaje natural de vanguardia entrenados en conjuntos de datos diversos, asegurando una alta precisión en la codificación de texto. Las actualizaciones y evaluaciones continuas del modelo ayudan a mantener la calidad de los datos.
Los usuarios pueden esperar que las incrustaciones reflejen similitudes semánticas, donde textos similares generan representaciones vectoriales más cercanas en el espacio de 768 dimensiones. Esto permite una comparación y agrupamiento efectivos de contenido relacionado.
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.809ms
Nivel de Servicio:
99%
Tiempo de Respuesta:
461ms
Nivel de Servicio:
99%
Tiempo de Respuesta:
23ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
65ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
342ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
20ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
57ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
73ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.904ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
856ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
6.209ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
8.808ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
12.939ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
8.561ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.082ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
9.267ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
8.184ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.303ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
5.838ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
9.220ms