Documentation API sans censure

Authentification et URL de base

Votre clé API authentifie chaque requête. Utilisez l'URL de base HTTPS://api.uncensores.cc/v1 avec n'importe quel SDK OpenAI standard. L'identifiant du modèle est "uncensored". Transmettez votre clé dans l'en-tête Authorization en tant que jeton Bearer. Vous pouvez générer une clé via le tableau de bord en utilisant Google ou un e-mail. Chaque compte détient une clé active qui remplace la précédente.

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"}]
  }'

Vous devez inclure le champ model dans chaque requête. Le endpoint attend un tableau messages contenant l'historique de votre conversation. Si la clé est manquante ou invalide, l'API renvoie une erreur 401. Cela garantit que seuls les utilisateurs autorisés consomment votre crédit prépayé.

L'endpoint Chat Completions

Envoyez des requêtes POST à /v1/chat/completions pour la génération de texte. Ce point de terminaison gère les invites conversationnelles standard et renvoie des réponses textuelles structurées. Il ne prend pas en charge les embeddings ni la génération d'images. Vous fournissez des messages système, utilisateur et assistant pour guider le modèle. Le modèle répond par du contenu texte brut à l'intérieur du tableau choices.

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)

Initialisez le client avec l'URL de base et la clé. Définissez la liste des messages avec le rôle et le contenu souhaités. Exécutez la méthode chat.completions.create. L'objet de réponse contient le texte généré et les statistiques d'utilisation. Cette approche directe supprime la complexité du routage pour les tâches d'écriture créative ou NSFW.

Réponses en streaming avec SSE

Activez le streaming en définissant stream sur true dans votre requête. L'API renvoie des Server-Sent Events (SSE) au fur et à mesure de la disponibilité des jetons. Cela réduit la latence perçue pour les sorties longues. Chaque chunk contient un delta partiel de la réponse. Vous devez accumuler ces deltas pour reconstituer le texte final.

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)

Le dernier chunk inclut les statistiques d'utilisation complètes pour la requête. Cela vous permet de suivre la consommation de jetons en temps réel. Le streaming est idéal pour les interfaces de chat où les utilisateurs attendent une réactivité immédiate. Il fonctionne parfaitement avec le format de sortie du modèle uncensored.

Appel de fonction et mode JSON

L'API prend en charge l'appel de fonctions via le paramètre tools. Définissez le schéma de votre fonction dans la demande et définissez tool_choice sur auto ou un nom spécifique. Le modèle renvoie des appels de fonction dans la réponse au lieu de texte brut. Vous pouvez également forcer la sortie JSON en définissant response_format sur json_object. Cela garantit un analyse prévisible pour les flux de travail automatisés.

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);

Passez les définitions d'outils dans le tableau tools. Le modèle sélectionnera la fonction appropriée en fonction de l'entrée. Vous recevez le nom de la fonction et les arguments dans la réponse. Cette fonctionnalité fonctionne aux côtés des complétions de chat standard sans points de terminaison supplémentaires. Utilisez-la pour l'extraction de données structurées ou un comportement de type agent.

Paramètres : Température, Top-P et Seeds

Ajustez la température pour contrôler la randomisation. Les valeurs supérieures à 1 augmentent la créativité, tandis que les valeurs inférieures à 1 rendent les sorties plus déterministes. Utilisez top_p pour limiter l'échantillonnage au pourcentage supérieur de la masse de probabilité. Définissez seed pour des résultats reproductibles sur des requêtes identiques. Ces paramètres permettent d'affiner le style de sortie du modèle uncensored.

Vous pouvez également utiliser des séquences d'arrêt pour interrompre la génération à des chaînes spécifiques. presence_penalty et frequency_penalty aident à réduire les répétitions. La température par défaut est de 1.0. Ajuster ces paramètres aide à optimiser pour le jeu de rôle ou l'écriture technique. Chaque requête prend en charge ces paramètres standard compatibles OpenAI.

Limites des jetons et fenêtre de contexte

La fenêtre de contexte prend en charge 100 000 tokens au total pour l'invite et la complétion. Vous pouvez générer jusqu'à 16 000 tokens par requête. Si vous omettez max_tokens, la valeur par défaut est de 2 048 tokens. Cette limite s'applique à la somme des entrées et des sorties. Les requêtes dépassant la taille du corps de 8 Mo échoueront. L'API impose une limite de débit de 300 requêtes par minute. Les requêtes simultanées sont limitées à 8 par clé. Les erreurs telles que 402 (pas de crédit) ou 429 (limite de débit) fournissent des retours clairs. Le crédit inutilisé n'expire jamais, garantissant que vous ne payez que pour l'utilisation réelle.