Documentation API IA sans censure

Configuration de l'URL de base et de l'authentification

Commencez par pointer votre client vers https://api.uncensoredaiopen.com/v1 et l'envoi de votre clé API dans le Authorization header. Cette URL de base fonctionne avec n'importe quel client compatible OpenAI, vous n'avez donc qu'à changer le point de terminaison et injecter votre clé. Nous n'utilisons pas d'embeddings, d'images ou d'audio, uniquement de la génération de texte pure. Votre clé donne accès au uncensored le modèle, qui ne refuse pas le contenu adulte licite. Inscrivez-vous avec Google ou e-mail pour obtenir votre clé instantanément. Aucun numéro de téléphone n'est requis. La clé est affichée immédiatement après la création.

Première demande

Envoyez votre première invite en utilisant une requête POST standard au point de terminaison de chat completions. Cela confirme que votre clé fonctionne et retourne une réponse textuelle. L'ID du modèle est simplement uncensored. Vous pouvez envoyer n'importe quel prompt, y compris des thèmes pour adultes, sans refus. La réponse est renvoyée au format JSON. Utilisez la commande curl suivante pour tester votre configuration. Elle envoie un message simple et attend une réponse textuelle.

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"}]
  }'

Cette requête illustre le flux text-in, text-out de base. Vous pouvez ajuster le model field if you want to be explicit, but uncensored est la seule option. La réponse inclut le texte généré dans le choices tableau.

Intégration SDK Python

Utilisez la bibliothèque Python officielle d'OpenAI pour une intégration rapide. Définissez le base_url à notre point de terminaison et fournissez votre clé. Cette approche gère les nouvelles tentatives et l'analyse JSON pour vous. C'est le moyen le plus rapide de créer un prototype. Le code ci-dessous montre comment initialiser le client et envoyer un message. Vous pouvez ensuite itérer sur l'objet de réponse.

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)

Cette configuration garantit la compatibilité avec votre base de code existante. Le response.choices[0].message.content field contains the generated text. You can pass parameters like temperature pour contrôler la créativité. Le modèle répond aux prompts standard sans filtres de contenu pour les sujets adultes.

Intégration du SDK Node

Intégrez avec JavaScript ou TypeScript en utilisant le SDK Node OpenAI. Configurez le client avec notre URL de base et votre clé API. Cette méthode est idéale pour les serveurs web ou les services backend. L'extrait de code ci-dessous illustre un appel basique de complétion de chat. Il gère la requête et affiche le texte de réponse. Vous pouvez l'étendre pour gérer les erreurs ou diffuser des données.

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);

Le response l'objet contient le contenu généré. Vous pouvez y accéder via response.choices[0].message.content. Ce SDK prend en charge les modèles async/await pour un code propre. Vous pouvez également définir des paramètres comme top_p ou seed pour la reproductibilité. Le modèle est optimisé pour la génération de texte sans restrictions.

Réponses en streaming

Activez le streaming en définissant stream: true dans votre requête. Cela envoie les jetons au fur et à mesure de leur génération, réduisant la latence perçue. L'API utilise les événements envoyés par le serveur (SSE) pour les mises à jour en temps réel. Les détails d'utilisation des jetons sont inclus dans le dernier fragment. Cela est utile pour les interfaces de chat où les utilisateurs voient le texte apparaître en direct. Le code ci-dessous montre comment gérer le streaming en Python.

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)

Chaque chunk contient une réponse partielle. Vous pouvez les concaténer pour former le texte complet. Le dernier chunk inclut les statistiques d'utilisation, telles que les nombres de jetons d'entrée et de sortie. Les erreurs lors du streaming sont envoyées sous forme de chunks séparés. Vous pouvez interrompre le flux plus tôt si l'utilisateur interrompt la requête.

Limites, erreurs et fenêtre de contexte

La fenêtre de contexte est de 100 000 tokens pour l'invite et la complétion combinées. La sortie maximale est de 16 000 tokens par requête, ou 2 048 si max_tokens n'est pas défini. Vous êtes limité à 300 requêtes par minute et 8 requêtes simultanées par clé. La taille du corps de la requête ne doit pas dépasser 8 Mo. Les erreurs incluent 401 pour les clés invalides, 402 pour un crédit insuffisant et 429 pour les limites de débit. Le crédit est prépayé et n'expire jamais. Les remboursements ne sont pas émis, mais les doubles facturations sont corrigées via le Support. Le modèle refuse toujours le contenu sexuel impliquant des mineurs.