Chat NSFW : Documentation de l'API LLM sans censure

URL de base et authentification

Commencez par pointer votre client compatible OpenAI vers l'URL de base https://api.nsfwchat.top/v1. Authentifiez chaque requête en incluant votre clé API dans l'en-tête Authorization sous forme de jeton Bearer. Vous pouvez générer cette clé immédiatement après vous être inscrit via Google ou e-mail sur la page Obtenir la clé API. La clé n'est affichée qu'une seule fois lors de sa création, veuillez donc la conserver en sécurité. Cette clé unique est liée au crédit prépayé de votre compte et aux limites de requêtes.

Première requête

Envoyez une requête standard chat-completions pour tester la connectivité et la qualité des réponses. Utilisez l'ID de modèle uncensored pour accéder au modèle à poids ouverts optimisé pour le contenu adulte. L'API accepte une entrée textuelle et retourne une sortie textuelle. Assurez-vous que votre payload inclut le tableau messages et le champ model. Cet appel de base vérifie que votre configuration d'authentification et de l'URL de base est correcte avant de développer la logique de votre application.

Intégration SDK Python

Utilisez le SDK Python officiel d'OpenAI pour interagir avec l'API. Définissez les variables d'environnement base_url et api_key ou passez-les directement au constructeur du client. Appelez chat.completions.create avec le modèle uncensored. Cette approche exploite le code communautaire existant pour les applications de chat NSFW. Le SDK gère la sérialisation et l'analyse des erreurs, vous permettant de vous concentrer sur l'ingénierie des prompts et la gestion de l'historique des messages dans votre environnement Python.

Intégration SDK Node.js

Pour les applications JavaScript ou TypeScript, initialisez le client OpenAI avec votre URL de base et votre clé API. Le SDK Node.js est asynchrone par défaut et retourne des promesses pour tous les appels API. Invoker chat.completions.create pour envoyer l'historique de votre conversation. Cette intégration est idéale pour les serveurs web ou les backends de jeux basés sur Node.js qui nécessitent des E/S non bloquants. Traitez l'objet de réponse pour extraire la réponse de l'assistant et mettre à jour votre état local ou votre base de données.

Réponses en streaming via SSE

Activez le streaming en définissant stream: true dans votre requête. L'API retourne des Server-Sent Events (SSE) à mesure que le modèle génère du texte. Chaque chunk contient des deltas partiels. Le dernier chunk inclut les statistiques d'utilisation des tokens pour la requête. Cette méthode réduit la latence perçue pour les utilisateurs des interfaces de chat NSFW en affichant le texte au fur et à mesure de sa génération. Traitez chaque événement dans votre client pour mettre à jour l'interface utilisateur en temps réel.

Limites, erreurs et fenêtre de contexte

La fenêtre de contexte prend en charge jusqu'à 100 000 tokens pour le prompt et la complétion combinés. Le corps de votre requête ne doit pas dépasser 8 Mo. Vous êtes limité à 300 requêtes par minute et à 8 requêtes simultanées par clé. Si votre crédit prépayé est épuisé, l'API rejette les requêtes suivantes. Les échecs d'authentification retournent une erreur 401, et les limites de débit déclenchent une réponse 429. Assurez-vous que votre application gère ces erreurs de manière gracieuse pour maintenir une expérience utilisateur fluide lors des périodes de fort trafic.

cURL

Copycurl https://api.nsfwchat.top/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Streaming

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)