向量模型接入指南

概述

本文档介绍如何通过 API 使用 SiliEvo 平台的向量模型服务，支持两种模式：

文本向量模型 (Text Embedding) - 将文本转换为高维向量

多模态向量模型 (Multimodal Embedding) - 将文本、图片、视频等多模态内容转换为向量

前提条件

请牢记 SiliEvo 中转服务的核心两要素：

中转基地址 (Base URL): https://api.numspirit.com/

安全秘钥 (API Key / Token): 通过平台官网 https://numspirit.com 或联系 15685255305 申请，形如 sk-silievo-xxxxxxxx

支持的模型

模型	类型	说明
`text-embedding-v4`	文本向量	将纯文本转换为向量表示
`qwen3-vl-embedding`	多模态向量	支持文本、图片、视频混合输入

接口说明

请求 Header

Content-Type: application/json
Authorization: Bearer sk-silievo-xxxxxxxx

第一部分：文本向量模型 (Text Embedding)

接口信息

属性	说明
接口地址	`POST https://api.numspirit.com/v1/embeddings/text_embeddings`
模型	`text-embedding-v4`
计费模式	按向量 token 计费

请求参数

{
    "model": "text-embedding-v4",
    "input": {
        "texts": [
            "你觉得猪八戒和孙悟空谁最合适当统帅？",
            "六耳猕猴到底是孙悟空得替身还是孙悟空得邪恶面还是其他？",
            "取经时迦叶和阿难为什么跟唐僧要人事?"
        ]
    }
}

参数说明：

参数	类型	必填	说明
`model`	string	是	模型名称，固定为 `text-embedding-v4`
`input.texts`	array	是	待向量化的文本数组，每个元素为字符串

响应示例

{
    "output": {
        "embeddings": [
            {
                "embedding": [
                    0.013548794202506542,
                    -0.05615035817027092,
                    0.0423724390566349,
                    -0.017123108729720116,
                    0.03595700114965439
                ],
                "text_index": 0
            },
            {
                "embedding": [
                    0.05935395881533623,
                    -0.03775941953063011,
                    0.04182390868663788,
                    0.001828632433898747,
                    -0.045764289796352386
                ],
                "text_index": 1
            },
                        {
                "embedding": [
                    0.05935395881533623,
                    -0.03775941953063011,
                    0.04182390868663788,
                    0.001828632433898747,
                    -0.045764289796352386
                ],
                "text_index": 2
            }
        ]
    },
    "usage": {
        "total_tokens": 47
    },
    "request_id": "5f07fb2b-f1c7-9e9c-af74-45aa2d922880"
}

响应字段说明：

字段	类型	说明
`output.embeddings`	array	向量结果数组，每个元素对应输入文本的向量
`output.embeddings[i].embedding`	array	向量值（浮点数数组）
`output.embeddings[i].text_index`	integer	对应输入文本的索引
`usage.total_tokens`	integer	消耗的 token 数量
`request_id`	string	请求唯一标识

cURL 示例

第二部分：多模态向量模型 (Multimodal Embedding)

接口信息

属性	说明
接口地址	`POST https://api.numspirit.com/v1/embeddings/multimodal-embeddings`
模型	`qwen3-vl-embedding`
计费模式	按向量 token 计费

请求参数

{
    "model": "qwen3-vl-embedding",
    "input": {
        "contents": [
            {
                "text": "猪八戒为什么会被打成猪胎？"
            },
            {
                "image": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/256_1.png"
            },
            {
                "video": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250107/lbcemt/new+video.mp4"
            }
        ]
    },
    "parameters": {
        "enableFusion": true
    }
}

参数说明：

参数	类型	必填	说明
`model`	string	是	模型名称，固定为 `qwen3-vl-embedding`
`input.contents`	array	是	多模态内容数组
`input.contents[i].text`	string	可选	文本内容（与 image/video 互斥）
`input.contents[i].image`	string	可选	图片 URL（与 text 互斥）
`input.contents[i].video`	string	可选	视频 URL（与 text 互斥）
`parameters.enableFusion`	boolean	否	是否启用融合模式，默认 `true`

注意：contents 数组中的每个元素只能包含 text、image、video 中的一种。

响应示例

{
    "output": {
        "embeddings": [
            {
                "embedding": [
                    -6.484691402874887E-4,
                    -0.0029004092793911695,
                    -0.015115112066268921,
                    -0.012555294670164585,
                    0.0030420238617807627,
                    0.010769875720143318
                ],
                "index": 0,
                "type": "fusion"
            }
        ]
    },
    "usage": {
        "image_tokens": 1504,
        "input_tokens": 54,
        "total_tokens": 1558
    },
    "request_id": "8881c603-e1de-9510-b13d-6ee751eea32e"
}

响应字段说明：

字段	类型	说明
`output.embeddings`	array	向量结果数组
`output.embeddings[i].embedding`	array	向量值（浮点数数组）
`output.embeddings[i].index`	integer	向量索引
`output.embeddings[i].type`	string	向量类型，如 `fusion`
`usage.image_tokens`	integer	图片消耗的 token 数
`usage.input_tokens`	integer	文本输入的 token 数
`usage.total_tokens`	integer	总消耗 token 数

cURL 示例

详细帮助：

https://bailian.console.aliyun.com/cn-beijing/?tab=doc#/doc/?type=model&url=2842587

第三部分：完整代码示例

Python

Node.js / TypeScript

第四部分：应用场景

文本向量常见用途

语义搜索 - 将文档和查询都转为向量，通过余弦相似度匹配最相关结果

文本分类 - 将文本转为向量后输入分类模型

聚类分析 - 对大量文本进行向量化后聚类

去重检测 - 计算文本间相似度，识别重复内容

多模态向量常见用途

图文检索 - 用文本搜索相关图片，或用图片搜索相关文本

视频理解 - 将视频内容转为向量，实现视频语义搜索

跨模态匹配 - 实现文本、图片、视频之间的语义对齐

附录：错误码速查表

错误类型	HTTP 状态码	说明	解决方案
`auth_error`	401	认证失败，API Key 无效或未提供	检查 Authorization Header 格式
`quota_exceeded`	402	额度已用尽	充值或联系客服
`invalid_request`	400	请求参数错误	检查请求体 JSON 格式和必填字段
`no_channel`	503	模型未配置有效渠道	检查 model 参数是否正确
`upstream_error`	502/500	上游 API 错误	稍后重试或联系客服

技术支持: 如有任何问题，请联系客服微信或加入服务群获取帮助。

向量模型接口

向量模型接入指南#

概述#

前提条件#

支持的模型#

接口说明#

请求 Header#

第一部分：文本向量模型 (Text Embedding)#

接口信息#

请求参数#

响应示例#

cURL 示例#

第二部分：多模态向量模型 (Multimodal Embedding)#

接口信息#

请求参数#

响应示例#

cURL 示例#

详细帮助：#

第三部分：完整代码示例#

Python#

Node.js / TypeScript#

第四部分：应用场景#

文本向量常见用途#

多模态向量常见用途#

附录：错误码速查表#

向量模型接入指南

概述

前提条件

支持的模型

接口说明

请求 Header

第一部分：文本向量模型 (Text Embedding)

接口信息

请求参数

响应示例

cURL 示例

第二部分：多模态向量模型 (Multimodal Embedding)

接口信息

请求参数

响应示例

cURL 示例

详细帮助：

第三部分：完整代码示例

Python

Node.js / TypeScript

第四部分：应用场景

文本向量常见用途

多模态向量常见用途

附录：错误码速查表