向量化 - 多模态（DashScope 协议）

适用于多模态向量化模型（如 qwen3-vl-embedding）。支持文本、图片、视频的多模态融合向量化，采用 DashScope 原生协议。

请求体用 input.contents 数组承载多模态内容（与《文本向量-OpenAI格式》的 input 字符串写法不同），响应在 output.embeddings 里返回向量。

接口概述

输入模态：文本、图片（URL 或 Base64）、视频（URL），一个请求里可以混着传。
两种用法：enable_fusion 为 true 时把所有 content 融合成一个向量；不融合时每个 content 各出一个 向量，用 type 标注它是哪种模态。
同步返回，无需轮询。

接口地址

POST https://test.jw-info.com/v1/embeddings

请求头

Header	必填	说明
Content-Type	是	固定 `application/json`
Authorization	是	`Bearer <你的 API Key>`；也可用 `x-api-key`

请求参数

参数	类型	必填	说明
model	string	是	模型名称，如 `qwen3-vl-embedding`
input	object	是	输入容器
input.contents	array	是	多模态内容数组，每个元素可包含 `text`、`image`、`video`
input.contents[].text	string	否	文本内容
input.contents[].image	string	否	图片 URL 或 Base64
input.contents[].video	string	否	视频 URL
parameters	object	否	向量控制参数
parameters.enable_fusion	bool	否	是否融合多模态向量。`true`：所有 content 融合为一个向量；`false`：每个 content 各生成一个向量。默认 `false`
parameters.dimension	integer	否	输出向量维度，可选 `2560`（默认）、`2048`、`1536`、`1024`、`768`、`512`、`256`
parameters.output_type	string	否	向量输出格式，目前仅支持 `dense`
parameters.instruct	string	否	自定义任务提示（建议英文），可小幅提升检索效果
parameters.fps	float	否	视频抽帧比例，取值 `0~1`，默认 `1.0`

注意：enable_fusion 默认是 false。要拿到「整段内容合成一个向量」的效果，请显式传 "enable_fusion": true；否则返回的向量个数与 input.contents 等长。

请求示例

多模态融合向量化（一个向量）：

{
  "model": "qwen3-vl-embedding",
  "input": {
    "contents": [
      {"text": "商品描述文本"},
      {"image": "https://example.com/img.png"},
      {"video": "https://example.com/video.mp4"}
    ]
  },
  "parameters": {
    "enable_fusion": true
  }
}

各模态独立向量化（每个 content 一个向量）：

{
  "model": "qwen3-vl-embedding",
  "input": {
    "contents": [
      {"text": "商品描述文本"},
      {"image": "https://example.com/img.png"}
    ]
  },
  "parameters": {
    "enable_fusion": false
  }
}

响应参数

参数	类型	说明
output	object	输出信息
output.embeddings	array	向量结果列表
output.embeddings[].embedding	array	向量 float 数组，维度由 `parameters.dimension` 决定
output.embeddings[].index	int	对应输入 `contents` 数组下标
output.embeddings[].type	string	向量类型：融合模式下为 `fusion`；不融合模式下按模态为 `text` / `image` / `video`（多模态服务也可能统一标为 `vl`）
usage	object	用量信息
usage.input_tokens	int	文本 token（含系统模板，不含图片视频）
usage.image_tokens	int	图片 / 视频视觉部分消耗 token
usage.total_tokens	int	总 token（= input_tokens + image_tokens）
request_id	string	请求唯一标识，排障时提供

响应示例

融合响应（enable_fusion: true，所有 content 合并为一个向量）：

{
  "output": {
    "embeddings": [{
      "embedding": [0.0234, -0.0092, 0.0156],
      "index": 0,
      "type": "fusion"
    }]
  },
  "usage": {
    "image_tokens": 2186,
    "input_tokens": 43,
    "total_tokens": 2229
  },
  "request_id": "4d82fb3e-e9df-95f8-af*******90201fe"
}

不融合响应（enable_fusion: false，每个 content 各一个向量）：

{
  "output": {
    "embeddings": [
      {"embedding": [-0.0012, 0.0234], "index": 0, "type": "text"},
      {"embedding": [-0.0098, 0.0156], "index": 1, "type": "image"}
    ]
  },
  "usage": {
    "image_tokens": 1093,
    "input_tokens": 12,
    "total_tokens": 1105
  },
  "request_id": "4d82fb3e-e9d*****fa4490201fe"
}

实际返回的是完整维度的 float 数组（默认 2560 维），上例只展示前几维；不融合时 output.embeddings 元素个数与 input.contents 一一对应。

用量与计费

按输入 token（input_tokens + image_tokens）计费，人民币计价（精确到 0.000001 元，无最低消费），单价见模型广场对应卡片。
费用不进响应，到控制台「费用中心」查看明细。
拿不到用量统计的极少数情况会按估算用量计费，并在明细里标「估」便于对账。

错误响应

情况	说明
参数错误（缺 `model`、`input` 结构不对）	按「错误码」页返回

{
  "error": {
    "message": "model is required",
    "type": "invalid_request_error",
    "code": "invalid_request_error"
  }
}

完整状态码与处理方式见「错误码」页。

可用模型

模型 ID	说明
qwen3-vl-embedding	文本 / 图片 / 视频多模态向量化，支持融合与不融合两种用法，默认 2560 维

更多向量模型见模型广场（筛选「文本向量」）。

代码示例（Python）

import requests

BASE = "https://test.jw-info.com"
API_KEY = "sk-你的密钥"

resp = requests.post(
    f"{BASE}/v1/embeddings",
    headers={"Content-Type": "application/json",
             "Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "qwen3-vl-embedding",
        "input": {
            "contents": [
                {"text": "商品描述文本"},
                {"image": "https://example.com/img.png"},
            ]
        },
        "parameters": {"enable_fusion": True, "dimension": 1024},
    },
    timeout=60,
)
result = resp.json()

if resp.status_code == 200:
    embeddings = result["output"]["embeddings"]
    print("向量个数:", len(embeddings))
    for emb in embeddings:
        print(f"  [{emb['index']}] type={emb['type']}, dim={len(emb['embedding'])}")
    print("用量:", result["usage"])
else:
    print("请求失败:", result.get("error", result))