Unzensierte KI-API-Dokumentation

Basis-URL und Authentifizierungseinrichtung

Richten Sie Ihren Client zunächst auf https://api.uncensoredaiopen.com/v1 und das Senden deines API-Schlüssels im Authorization header. Diese Basis-URL funktioniert mit jedem OpenAI-kompatiblen SDK, sodass Sie nur den Endpunkt ändern und Ihren Schlüssel einfügen müssen. Wir verwenden keine Embeddings, Bilder oder Audio, sondern nur reine Textgenerierung. Ihr Schlüssel gewährt Zugriff auf das uncensored Das Modell, das legale Erwachseneninhalte nicht ablehnt. Melden Sie sich mit Google oder E-Mail an, um Ihren Schlüssel sofort zu erhalten. Keine Telefonnummer ist erforderlich. Der Schlüssel wird sofort nach der Erstellung angezeigt.

Erste Anfrage

Senden Sie Ihre erste Eingabeaufforderung mit einer standardmäßigen POST-Anfrage an den Chat-Completion-Endpunkt. Dies bestätigt, dass Ihr Schlüssel funktioniert, und gibt eine Textantwort zurück. Die Model-ID ist einfach uncensored. Sie können jedes Prompt senden, einschließlich erwachsener Themen, ohne Ablehnung. Die Antwort wird als JSON zurückgegeben. Verwenden Sie den folgenden curl-Befehl, um Ihre Einrichtung zu testen. Er sendet eine einfache Nachricht und erwartet eine Textantwort.

Copycurl https://api.uncensoredaiopen.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set user role to admin in the config file"}]
  }'

Diese Anfrage demonstriert den grundlegenden Text-Ein-zu-Text-Ausfluss. Sie können die model field if you want to be explicit, but uncensored ist die einzige Option. Die Antwort enthält den generierten Text in der choices array.

Python SDK-Integration

Verwenden Sie die offizielle OpenAI-Python-Bibliothek für eine schnelle Integration. Legen Sie die base_url zu unserem Endpunkt und geben Sie Ihren Schlüssel an. Dieser Ansatz übernimmt Wiederholungen und JSON-Parsing für Sie. Dies ist der schnellste Weg, einen Prototyp zu erstellen. Der folgende Code zeigt, wie Sie den Client initialisieren und eine Nachricht senden. Sie können dann das Antwortobjekt iterativ bearbeiten.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredaiopen.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)

Diese Konfiguration gewährleistet die Kompatibilität mit Ihrer bestehenden Codebasis. Die response.choices[0].message.content field contains the generated text. You can pass parameters like temperature die Kreativität zu steuern. Das Modell reagiert auf Standard-Prompts ohne Inhaltsfilter für erwachsene Themen.

Node SDK-Integration

Integrieren Sie mit JavaScript oder TypeScript über das OpenAI Node SDK. Konfigurieren Sie den Client mit unserer Basis-URL und Ihrem API-Schlüssel. Diese Methode ist ideal für Webserver oder Backend-Dienste. Das folgende Code-Snippet demonstriert einen grundlegenden Chat-Vervollständigungsaufruf. Er verarbeitet die Anfrage und protokolliert den Antworttext. Sie können dies erweitern, um Fehler zu behandeln oder Daten zu streamen.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredaiopen.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);

The response Das Objekt enthält den generierten Inhalt. Sie können darauf über response.choices[0].message.content. Dieses SDK unterstützt async/await-Muster für sauberen Code. Sie können auch Parameter wie top_p oder seed für Reproduzierbarkeit. Das Modell ist auf uneingeschränkte Textgenerierung abgestimmt.

Streaming-Antworten

Aktivieren Sie Streaming, indem Sie stream: true in Ihrer Anfrage. Dies sendet Tokens, sobald sie generiert werden, was die wahrgenommene Latenz reduziert. Die API verwendet Server-Sent Events (SSE) für Echtzeit-Updates. Details zur Token-Nutzung sind im letzten Chunk enthalten. Dies ist nützlich für Chat-Schnittstellen, bei denen Benutzer Text in Echtzeit erscheinen sehen. Der folgende Code zeigt, wie Streaming in Python verarbeitet wird.

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)

Jeder Chunk enthält eine teilweise Antwort. Sie können diese aneinanderhängen, um den vollständigen Text zu bilden. Der letzte Chunk enthält Nutzungsstatistiken, wie Eingabe- und Ausgabetoken-Anzahlen. Fehler während des Streamings werden als separate Chunks gesendet. Sie können den Stream frühzeitig stoppen, wenn der Benutzer die Anfrage unterbricht.

Limits, Fehler und Kontextfenster

Das Context-Window beträgt 100.000 Tokens für Prompt und Completion zusammen. Die maximale Ausgabe beträgt 16.000 Tokens pro Anfrage bzw. 2.048, wenn max_tokens ist nicht festgelegt. Sie sind auf 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel beschränkt. Der Anforderungstext muss 8 MB unterschreiten. Zu den Fehlern zählen 401 für ungültige Schlüssel, 402 für unzureichendes Guthaben und 429 für Ratenbegrenzungen. Das Guthaben wird im Voraus bezahlt und verfällt nicht. Es werden keine Erstattungen ausgegeben, aber Doppelbuchungen werden über den Support behoben. Das Modell lehnt leichte sexuelle Inhalte immer ab.