快速上手：整合無審查 AI API

前置條件：安裝 SDK

為您偏好的語言安裝官方的 SDK。我們的 API 與任何標準的 OpenAI-compatible 客戶端都能配合。您只需要基礎 URL 與 API 金鑰。建立帳戶以立即取得金鑰。它會在註冊後顯示一次。請妥善保管。不需要電話號碼。只需使用電子郵件或 Google。

初始化客戶端

將您的客戶端指向我們的特定基礎 URL。這可確保您直接連接到無審查端點。不要使用預設的 OpenAI URL。將預留位置金鑰替換為您從儀表板獲得的金鑰。模型 ID 僅為 "uncensored"。此設定消除了代理層。您可以直接存取 abliterated 模型。設定非常簡化。只需設定基礎 URL 和金鑰即可。

傳送您的第一個聊天補全

發送簡單的請求以生成文字。該 API 接受標準聊天格式。您可以指定溫度和 top_p 以進行控制。我們的模型不會拒絕合法的成人內容。錯誤和拒絕是免費的。只有實際使用才算費。上下文視窗為 100,000 個 token。輸出上限為 16,000 個 token。使用以下程式碼開始。

啟用串流以獲得即時回應

串流對於聊天介面至關重要。透過將 stream 設為 true 來啟用它。API 會在生成令牌時返回令牌。這顯著降低了感知延遲。您可以在最後一個區塊中取得令牌使用量。這有助於準確追蹤成本。串流適用於所有參數。這是使用者的推薦模式。請參見下方的範例。

處理函式呼叫和 JSON 模式

我們的 API 支援工具和 JSON 模式。在請求中定義函式。模型回傳結構化資料。使用 response_format 以獲得嚴格的 JSON 輸出。這對於整合至關重要。您也可以設定 tool_choice。seed 等參數可確保可重現性。presence 和 frequency 懲罰有助於控制重複。API 處理其餘部分。無需額外設定。使用此功能進行可靠的資料擷取。

檢查您的使用量與餘額

直接在儀表板監控您的帳戶。信用額度為預付且永不過期。錯誤不會消耗令牌。限制為每分鐘 300 次請求。您可以同時進行 8 個請求。請求主體上限為 8 MB。每個帳戶一個金鑰。如果收到 401，請檢查您的金鑰。402 表示沒有信用額度。429 表示達到速率限制。使用加密貨幣充值以獲得獎勵。

cURL

Copycurl https://api.uncensoredaimodeldownload.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set system temperature to 1.5 for creative output."}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredaimodeldownload.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredaimodeldownload.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

串流

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)