README.md

metadata

title: CLIP Embed
emoji: 🖼️
colorFrom: yellow
colorTo: gray
sdk: docker
app_port: 7860
pinned: false

CLIP Embed — Space d'embedding visuel

Remplace l'ancien api-inference.huggingface.co (déprécié par HF). Expose un endpoint JSON simple qui transforme une image en vecteur CLIP 512-dim (sentence-transformers/clip-ViT-B-32), vecteurs normalisés (cosinus). Aucun LLM ne lit l'image → pas de surface de prompt-injection.

Contrat API

POST /embed

{ "image_base64": "<base64 sans préfixe data:>" }

Réponse :

{ "embedding": [ ...512 floats... ], "dim": 512, "model": "sentence-transformers/clip-ViT-B-32" }

GET / → { "ok": true, "model": "..." } (health). GET /embed → { "ok": true, "hint": "..." } (health, pour monitors pointés sur /embed).

Déploiement (HF)

1. Créer un Space → SDK Docker.
2. Uploader Dockerfile, app.py, requirements.txt, ce README.md.
3. (Optionnel) Mettre le Space en privé → l'appelant doit envoyer Authorization: Bearer <HF token>.
4. Une fois « Running », récupérer l'URL : https://<user>-<space>.hf.space.

⚠️ Le modèle par défaut produit du 512-dim. Pour changer de modèle, garder la dimension alignée avec ce qu'attend le consommateur en aval (base vectorielle, index, etc.).