> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sunra.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Create embeddings

テキストまたはメディア入力から embedding ベクトルを作成します。テキストのみのリクエストは入力ごとに1つのベクトルを返し、検索、セマンティック検索、クラスタリング、分類、RAG に適しています。メディア（base64 data URI として渡す画像、音声、動画）を含むリクエストは、**すべて**の入力を**単一**のクロスモーダルベクトルに融合します。アセットごとに1つのベクトルが必要な場合は、各アセットを個別のリクエストで embedding してください。OpenAI Embeddings API フォーマットと互換性があります。このエンドポイントはストリーミングに対応していません。

## 認証

<ParamField header="Authorization" type="string" required>
  Bearerトークン。APIキーをAuthorizationヘッダーのBearerトークンとして使用してください。

  Format: `Bearer <SUNRA_KEY>`
</ParamField>

## リクエスト

このエンドポイントはJSONオブジェクトを受け付けます。

<ParamField body="model" type="string" required>
  使用する embedding モデルのID。例：`google/gemini-embedding-2`。利用可能な embedding モデルは[モデルページ](https://sunra.ai/models)をご覧ください。
</ParamField>

<ParamField body="input" type="string | string[]" required>
  embedding する入力。単一の文字列または文字列の配列を指定できます。テキストのみの入力は独立して embedding され、入力と同じ順序で入力ごとに1つのベクトルが返されます。メディア入力は base64 data URI（`data:image/png;base64,…`、`data:audio/mpeg;base64,…`、`data:video/mp4;base64,…`）として渡し、テキストと混在させることもできます。ただし、メディアを含むリクエストは、すべての入力をまとめて融合した単一のベクトルを返します。制限（上流側）：1リクエストあたり画像は最大6枚、動画は最長120秒、全モダリティ合計で 8,192 トークンまで（テキストトークン換算。画像は1枚あたり258トークン、音声は1秒あたり25トークン、動画は1秒あたり66トークン）。
</ParamField>

<ParamField body="dimensions" type="integer">
  出力 embedding の次元数。柔軟な出力次元（Matryoshka Representation Learning）に対応したモデルでのみ利用できます。`google/gemini-embedding-2` のデフォルトは `3072` で、`128` から `3072` までの値に対応しています。小さい値はベクトルを切り詰めますが、意味的な品質はほぼ維持されます。
</ParamField>

<ParamField body="encoding_format" type="string">
  返される embedding のフォーマット。`float`（デフォルト）または `base64`。
</ParamField>

## レスポンス

<ResponseField name="object" type="string">
  常に `list` です。
</ResponseField>

<ResponseField name="data" type="object[]">
  embedding オブジェクトのリスト。入力ごとに1つ、入力順に並びます。

  <Expandable title="embedding オブジェクト">
    <ResponseField name="object" type="string">
      常に `embedding` です。
    </ResponseField>

    <ResponseField name="index" type="integer">
      対応する入力のインデックス。
    </ResponseField>

    <ResponseField name="embedding" type="number[]">
      embedding ベクトル。
    </ResponseField>
  </Expandable>
</ResponseField>

<ResponseField name="model" type="string">
  embedding の作成に使用されたモデル。
</ResponseField>

<ResponseField name="usage" type="object">
  リクエストのトークン使用量。embedding は入力トークンのみで課金され、モダリティごとに料金が異なります（料金はモデルページをご覧ください）。メディアを含むリクエストにはモダリティ別のトークン数が含まれます。

  <Expandable title="usage オブジェクト">
    <ResponseField name="prompt_tokens" type="integer">
      テキスト入力のトークン数。
    </ResponseField>

    <ResponseField name="input_image_tokens" type="integer">
      画像入力のトークン数（1枚あたり258）。リクエストに画像が含まれる場合のみ返されます。
    </ResponseField>

    <ResponseField name="input_audio_tokens" type="integer">
      音声入力のトークン数（1秒あたり25）。リクエストに音声が含まれる場合のみ返されます。
    </ResponseField>

    <ResponseField name="input_video_tokens" type="integer">
      動画入力のトークン数（1秒あたり66）。リクエストに動画が含まれる場合のみ返されます。
    </ResponseField>

    <ResponseField name="total_tokens" type="integer">
      全モダリティ合計の入力トークン数（embedding は出力トークンを生成しません）。
    </ResponseField>
  </Expandable>
</ResponseField>

<RequestExample>
  ```bash cURL theme={null}
  curl -X POST https://api-llm.sunra.ai/v1/embeddings \
    -H "Authorization: Bearer <SUNRA_KEY>" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "google/gemini-embedding-2",
      "input": [
        "The quick brown fox jumps over the lazy dog.",
        "Sunra is a platform for AI models."
      ],
      "dimensions": 768
    }'
  ```

  ```python Python theme={null}
  import requests

  response = requests.post(
      "https://api-llm.sunra.ai/v1/embeddings",
      headers={
          "Authorization": "Bearer <SUNRA_KEY>",
          "Content-Type": "application/json"
      },
      json={
          "model": "google/gemini-embedding-2",
          "input": [
              "The quick brown fox jumps over the lazy dog.",
              "Sunra is a platform for AI models."
          ],
          "dimensions": 768
      }
  )
  print(response.json())
  ```

  ```javascript JavaScript theme={null}
  const response = await fetch("https://api-llm.sunra.ai/v1/embeddings", {
    method: "POST",
    headers: {
      "Authorization": "Bearer <SUNRA_KEY>",
      "Content-Type": "application/json"
    },
    body: JSON.stringify({
      model: "google/gemini-embedding-2",
      input: [
        "The quick brown fox jumps over the lazy dog.",
        "Sunra is a platform for AI models."
      ],
      dimensions: 768
    })
  });
  const data = await response.json();
  console.log(data);
  ```
</RequestExample>

<ResponseExample>
  ```json 200 theme={null}
  {
    "object": "list",
    "data": [
      {
        "object": "embedding",
        "index": 0,
        "embedding": [0.011253, -0.020551, 0.049236, "..."]
      },
      {
        "object": "embedding",
        "index": 1,
        "embedding": [0.031744, 0.008122, -0.014307, "..."]
      }
    ],
    "model": "google/gemini-embedding-2",
    "usage": {
      "prompt_tokens": 18,
      "total_tokens": 18
    }
  }
  ```
</ResponseExample>