README.md

---
title: InvenSync V3 SigLIP-2 Embed API
emoji: 🔍
colorFrom: blue
colorTo: green
sdk: docker
pinned: false
license: apache-2.0
short_description: SigLIP-2 fine-tuned embedding API for InvenSync V3
---

# InvenSync V3 — SigLIP-2 Embed API

Self-hosted Hugging Face Space servant le modèle fine-tuné
`invensync/siglip2-base-invensync-v1` via une API HTTP minimale.

Contourne la limitation HF Inference Providers qui ne sert pas les SigLIP-2 custom
en free tier. Latence sur Space CPU : ~1-2 s / image (acceptable pour démo +
warming Cloudflare Worker).

## Endpoints

| Verbe + path | Description |
|---|---|
| `GET  /` | health check (modèle chargé, device, version) |
| `POST /embed` | input `{image_base64}` → `{vector[768], dim, model}` |

## Format de l'image

`image_base64` : chaîne base64 d'une image PNG/JPEG/WebP, avec ou sans préfixe
`data:image/...;base64,`. Resize automatique en 384×384 BILINEAR avant inference.

## Test local (optionnel)

```bash
docker build -t invensync-embed .
docker run -p 7860:7860 invensync-embed
# Puis :
curl -X POST http://localhost:7860/embed \
  -H 'Content-Type: application/json' \
  -d "{\"image_base64\":\"$(base64 -w0 test.jpg)\"}"
```

## Déploiement

Push automatique sur HF Spaces — le commit déclenche un rebuild Docker (~10-15 min
la première fois, ~2 min pour les rebuilds suivants).

## Sécurité

- Pas d'auth — le Space est public, appelé uniquement par le Worker invensync-v3-edge.
- Pas de logs de payload (images des utilisateurs) — uniquement count + latence.

## Hardware

CPU basic (free tier). 16 GB RAM. SigLIP-2 base prend ~800 Mo, plenty.
Cold start ~30-60 s — warmable via cron Cloudflare toutes les 10 min.