在word2vec中，输入文件的格式通常是一个文本文件，每行代表一个句子或一个文档。

每行的文本应该是由单词或词语组成，以空格或制表符分隔。例如：

I am happy
She is sad

如果使用gensim库中的word2vec模型来训练，可以使用以下代码示例来加载和训练模型：

from gensim.models import word2vec

# 加载输入文件并进行预处理
sentences = word2vec.LineSentence('input.txt')

# 训练模型
model = word2vec.Word2Vec(sentences, size=100, window=5, min_count=5, workers=4)

# 保存模型
model.save('word2vec.model')

# 加载已保存的模型
model = word2vec.Word2Vec.load('word2vec.model')

# 获取词向量
vector = model['happy']

在上面的示例中，'input.txt'是包含训练数据的文本文件。模型参数size表示生成的词向量的维度，window表示上下文窗口大小，min_count表示单词的最小出现次数。

使用以上的代码示例，你可以根据自己的训练数据生成word2vec模型，并获取单词的向量表示。