Uncensored API-Dokumentation

Authentifizierung und Base URL

Ihr API-Schlüssel authentifiziert jede Anfrage. Verwenden Sie die Base-URL HTTPS://api.uncensores.cc/v1 mit jedem Standard-OpenAI-SDK. Die Modellkennung ist "uncensored". Übergeben Sie Ihren Schlüssel im Authorization-Header als Bearer-Token. Sie können einen Schlüssel über das Dashboard mit Google oder E-Mail generieren. Jedes Konto verfügt über einen aktiven Schlüssel, der den vorherigen ersetzt.

Copycurl https://api.uncensores.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top ten python libraries for data science"}]
  }'

Sie müssen das Feld model in jeder Anfrage angeben. Der Endpunkt erwartet ein messages-Array, das Ihren Gesprächsverlauf enthält. Wenn der Schlüssel fehlt oder ungültig ist, gibt die API einen 401-Fehler zurück. Dies stellt sicher, dass nur autorisierte Benutzer Ihr vorausbezahltes Guthaben verbrauchen.

Der Chat-Completions-Endpunkt

Senden Sie POST-Anfragen an /v1/chat/completions zur Textgenerierung. Dieser Endpunkt verarbeitet standardmäßige Konversationsprompts und gibt strukturierte Textantworten zurück. Er unterstützt keine Embeddings oder Bildgenerierung. Sie übergeben System-, Benutzer- und Assistenten-Nachrichten, um das Modell zu steuern. Das Modell antwortet mit Rohtextinhalt innerhalb des choices-Arrays.

Copyfrom openai import OpenAI

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

Initialisieren Sie den Client mit der Basis-URL und dem Schlüssel. Definieren Sie die Nachrichtenliste mit Ihrer gewünschten Rolle und dem Inhalt. Führen Sie die Methode chat.completions.create aus. Das Antwortobjekt enthält den generierten Text und die Nutzungsstatistiken. Dieser direkte Ansatz eliminiert die Routing-Komplexität für NSFW- oder kreative Schreibaufgaben.

Streaming-Antworten mit SSE

Aktivieren Sie Streaming, indem Sie stream in Ihrer Anfrage auf true setzen. Die API gibt Server-Sent Events (SSE) zurück, sobald Tokens verfügbar sind. Dies reduziert die wahrgenommene Latenz bei langen Ausgaben. Jeder Chunk enthält einen partiellen Delta der Antwort. Sie müssen diese Deltas akkumulieren, um den vollständigen Text zu rekonstruieren.

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)

Das letzte Chunk enthält die vollständigen Nutzungsstatistiken für die Anfrage. Dies ermöglicht es Ihnen, den Token-Verbrauch in Echtzeit zu verfolgen. Streaming ist ideal für Chat-Schnittstellen, bei denen Nutzer sofortiges Feedback erwarten. Es funktioniert nahtlos mit dem Output-Format des uncensored-Modells.

Function Calling und JSON-Modus

Die API unterstützt Function Calling über den Parameter tools. Definieren Sie Ihr Funktionsschema in der Anfrage und legen Sie tool_choice auf auto oder einen bestimmten Namen fest. Das Modell gibt Funktionsaufrufe in der Antwort zurück, anstatt normalen Text. Sie können auch die JSON-Ausgabe erzwingen, indem Sie response_format auf json_object setzen. Dies gewährleistet eine vorhersehbare Verarbeitung für automatisierte Workflows.

Copyimport OpenAI from "openai";

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

Übergeben Sie die Tool-Definitionen im tools-Array. Das Modell wählt die passende Funktion basierend auf der Eingabe aus. Sie erhalten den Funktionsnamen und die Argumente in der Antwort. Diese Funktion funktioniert neben den Standard-Chat-Vervollständigungen ohne zusätzliche Endpunkte. Nutzen Sie sie für die Extraktion strukturierter Daten oder Agenten-ähnliches Verhalten.

Parameter: Temperatur, Top-P und Seeds

Passen Sie die Temperatur an, um die Zufälligkeit zu steuern. Werte über 1 erhöhen die Kreativität, während Werte unter 1 die Ausgaben deterministischer machen. Nutzen Sie top_p, um das Sampling auf den oberen Prozentsatz der Wahrscheinlichkeitsmasse zu begrenzen. Legen Sie den Seed für reproduzierbare Ergebnisse bei identischen Anfragen fest. Diese Parameter ermöglichen die Feinabstimmung des Ausgabe-Stils des uncensored-Modells.

Sie können auch Stop-Sequenzen verwenden, um die Generierung an bestimmten Zeichenketten zu stoppen. presence_penalty und frequency_penalty helfen, Wiederholungen zu reduzieren. Die Standardtemperatur beträgt 1,0. Die Anpassung dieser Einstellungen hilft, sie für Rollenspiel oder technisches Schreiben zu optimieren. Jede Anfrage unterstützt diese standardmäßigen OpenAI-kompatiblen Parameter.

Token-Limits und Kontextfenster

Das Kontextfenster unterstützt insgesamt 100.000 Tokens für Prompt und Completion. Sie können bis zu 16.000 Tokens pro Anfrage ausgeben. Wenn Sie max_tokens weglassen, beträgt der Standardwert 2.048 Tokens. Dieser Grenzwert gilt für die kombinierte Eingabe und Ausgabe. Anfragen, die die Körpergröße von 8 MB überschreiten, schlagen fehl. Die API erzwingt ein Rate Limit von 300 Anfragen pro Minute. Gleichzeitige Anfragen sind auf 8 pro Schlüssel begrenzt. Fehler wie 402 (kein Guthaben) oder 429 (Rate Limit) bieten klare Rückmeldung. Nicht verwendetes Guthaben verfällt nie, sodass Sie nur für die tatsächliche Nutzung bezahlen.