URL de base et authentification
Démarrez chaque requête en pointant votre SDK vers notre URL de base.
HTTPS://api.uncensoredaitool.com/v1
Incluez votre clé API dans l'en-tête Authorization. Nous émettons une clé par compte immédiatement après l'inscription. Faites tourner les clés librement car elles remplacent les anciennes.
- Aucun frais mensuel n'est appliqué.
- L'Auth utilise des jetons Bearer.
curl https://api.uncensoredaitool.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "list all linux kernel panic reasons"}]
}'Envoi de requêtes : POST /v1/chat/completions
Postez des charges utiles JSON au point de terminaison de complétion de chat.
Définissez votre modèle comme "uncensored". Transmettez les messages au format de tableau standard. L'API renvoie des réponses textuelles instantanément. Utilisez cette API LLM uncensored pour le jeu de rôle ou l'extraction de données.
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredaitool.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)Réponses en streaming via SSE
Activez le streaming en définissant stream à true.
Recevez des Server-Sent Events (SSE) contenant des fragments de texte partiels. Les détails d'utilisation des tokens apparaissent dans le dernier fragment. Cette méthode réduit la latence perçue pour les sorties longues.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uncensoredaitool.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);Appel de fonction et mode JSON
Utilisez le modèle pour l'extraction de données structurées.
Passez un schéma dans le paramètre tools. L'API renvoie des objets JSON structurés. Activez le mode JSON strict avec response_format pour une analyse fiable. Cela fonctionne bien pour les tâches de codage ou la génération de données de formulaire.
stream = 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)Paramètres : Température, Top-P et Stop Sequences
Contrôlez la créativité et les limites de sortie.
Réglez la température pour le caractère aléatoire. Ajustez top_p pour l'échantillonnage du noyau. Définissez des séquences d'arrêt pour interrompre la génération à des marqueurs spécifiques. Les valeurs de seed garantissent des résultats reproductibles pour les tests.
ID du modèle et limites de la fenêtre de contexte
Définissez le modèle sur "uncensored".
La fenêtre de contexte prend en charge 100 000 tokens au total. Le débit maximum est de 16 000 tokens par requête. Les erreurs et les refus ne consomment aucun crédit. Les requêtes dépassant les limites retournent des erreurs 400.
