Titan Text Embeddings V2 در گیسو

# Iran base URL: https://ir.gisoo.pro/api/v1 (same key and paths)
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://gisoo.pro/api/v1",
    api_key=os.environ["GISOO_API_KEY"],
)

result = client.embeddings.create(
    model="openrouter/amazon/titan-embed-text-v2",
    input=["همهٔ سؤال‌های پرتکرار را بردار کن تا جست‌وجوی هوشمند بسازیم."],
)
vector = result.data[0].embedding
print(len(vector))

// Iran base URL: https://ir.gisoo.pro/api/v1 (same key and paths)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://gisoo.pro/api/v1",
  apiKey: process.env.GISOO_API_KEY,
});

const result = await client.embeddings.create({
  model: "openrouter/amazon/titan-embed-text-v2",
  input: ["همهٔ سؤال‌های پرتکرار را بردار کن تا جست‌وجوی هوشمند بسازیم."],
});
console.log(result.data[0].embedding.length);

# Iran base URL: https://ir.gisoo.pro/api/v1 (same key and paths)
curl https://gisoo.pro/api/v1/embeddings \
  -H "Authorization: Bearer $GISOO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openrouter/amazon/titan-embed-text-v2",
    "input": [
        "همهٔ سؤال‌های پرتکرار را بردار کن تا جست‌وجوی هوشمند بسازیم."
    ]
}'