README.md

---
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`
```json
{ "image_base64": "<base64 sans préfixe data:>" }
```
Réponse :
```json
{ "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.).