多模态向量（同步）
/api/v1/embeddings/multimodal-embeddingHeader Parameters
使用 Bearer Token 认证。 格式: Authorization: Bearer sk-xxxxxx
Request Body
multipart/form-data
模型名称。支持：
qwen3-vl-embedding
qwen2.5-vl-embedding
tongyi-embedding-vision-plus-2026-03-06
tongyi-embedding-vision-flash-2026-03-06
tongyi-embedding-vision-plus
tongyi-embedding-vision-flash
multimodal-embedding-v1
"qwen3-vl-embedding" | "qwen2.5-vl-embedding" | "tongyi-embedding-vision-plus-2026-03-06" | "tongyi-embedding-vision-flash-2026-03-06" | "tongyi-embedding-vision-plus" | "tongyi-embedding-vision-flash" | "multimodal-embedding-v1"输入内容
待处理的内容列表。每个元素是一个字典，格式为 {"模态类型": "输入内容"}。
支持 text、image、video、multi_images 四种模态类型。
- text：value 为字符串
- image：value 为图片 URL 或 Base64 Data URI
- video：value 为视频 URL（仅支持公开可访问的 URL）
- multi_images：value 为图片 URL 数组（仅 tongyi-embedding-vision-plus/flash 及 2026-03-06 快照版本支持）
文本内容
图片 URL 或 Base64 Data URI（格式：data:image/{format};base64,{data}）
视频 URL（仅支持公开可访问的 URL）
多图序列列表（仅部分模型支持）
向量处理参数
输出向量表示格式，目前仅支持 dense
"dense"指定输出向量维度。不同模型支持的值不同：
qwen3-vl-embedding：2560（默认）、2048、1536、1024、768、512、256
qwen2.5-vl-embedding：2048、1024（默认）、768、512
tongyi-embedding-vision-plus-2026-03-06：1152（默认）、1024、512、256、128、64
tongyi-embedding-vision-flash-2026-03-06：768（默认）、512、256、128、64
tongyi-embedding-vision-plus / flash / multimodal-embedding-v1 不支持此参数
控制视频帧数采样比例，范围 [0,1]，默认 1.0
1自定义任务说明，指导模型理解查询意图。建议使用英文撰写。
是否生成融合向量。仅 qwen3-vl-embedding 支持。
true：将 contents 中所有多模态内容融合为 1 个向量。
false（默认）：各模态独立生成向量。
false指定输入分辨率档位，支持 0/1/2/3 四档（对应单图 token 分别为 127/402/578/1026），默认 1。
仅 tongyi-embedding-vision-plus-2026-03-06 和 tongyi-embedding-vision-flash-2026-03-06 支持。
10 | 1 | 2 | 3控制视频最大采样帧数上限，最大不超过 64，默认 8。
仅 tongyi-embedding-vision-plus-2026-03-06 和 tongyi-embedding-vision-flash-2026-03-06 支持。
8返回原厂数据。默认 false：返回中继站标准响应格式（code+data+message+request_id）；true：返回原厂格式。
falseResponse Body
application/json
成功
TypeScript Definitions
Use the response body type in TypeScript.
状态码
响应数据
向量结果列表
结果在输入列表中的索引
生成的向量数组
输入类型。text/image/video/multi_images 分别对应文本、图片、视频、多图输入。
特殊类型：fusion（qwen3-vl-embedding/qwen2.5-vl-embedding 融合向量）、fused（2026-03-06 快照版本融合向量）、vl（qwen3-vl-embedding 独立向量）。
输入 Token 数
图片或视频视觉部分消耗的 Token 数（qwen3-vl-embedding/qwen2.5-vl-embedding/multimodal-embedding-v1 返回）
输入与输出 Token 总数
输出 Token 数（仅 tongyi-embedding-vision-* 系列返回）
输入 Token 详细分类（仅 tongyi-embedding-vision-* 系列返回）
视觉部分 Token 数
文本部分 Token 数
请求唯一标识
提示信息
请求ID
curl -X POST "https://api.aa.com.cn/api/v1/embeddings/multimodal-embedding" \ -F model="qwen3-vl-embedding" \ -F input="{\n \"contents\": [\n {}\n ]\n}" \ -F return_original="false"{
"code": 0,
"data": {
"output": {
"embeddings": [
{
"index": 0,
"embedding": [
0
],
"type": "string"
}
]
},
"usage": {
"input_tokens": 0,
"image_tokens": 0,
"total_tokens": 0,
"output_tokens": 0,
"input_tokens_details": {
"image_tokens": 0,
"text_tokens": 0
}
},
"request_id": "string"
},
"message": "string",
"request_id": "string"
}