Docs API LLM sans censure

URL de base et authentification

Utilisez notre URL de base dédiée pour connecter votre client. Toutes les requêtes nécessitent une clé API transmise dans le Authorization header. Cette clé est générée instantanément lors de l'inscription via Google ou e-mail, assurant qu'aucun numéro de téléphone n'est nécessaire. Le système applique une clé active par compte, remplaçant immédiatement toute clé précédente.

L'authentification est simple. Incluez Authorization: Bearer YOUR_API_KEY dans chaque requête. Si la clé est manquante ou invalide, l'API renvoie une 401 erreur. Cela garantit votre LLM sans censure l'accès reste sécurisé et lié à votre crédit prépayé.

Point de terminaison Chat Completions

Envoyer du texte à POST /v1/chat/completions et recevoir une sortie textuelle directe. Ce point de service sert le seul modèle sans censure, éliminant les incertitudes sur le routage des modèles ou les limites de niveau. Vous n'avez pas besoin de gérer plusieurs points de service pour différentes capacités.

Fournissez simplement vos messages au format standard. L'API traite l'entrée et renvoie une complétion. Cette approche garde votre intégration simple tout en offrant un contenu de haute qualité et non filtré pour le jeu de rôle ou l'écriture créative.

Copycurl https://api.generatoraiunfiltered.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top ten errors in this python script"}]
  }'

Intégration du SDK Python

Installez la bibliothèque Python officielle d'OpenAI et pointez-la vers notre URL de base. Cela vous permet d'utiliser des méthodes familières comme chat.completions.create() sans réécrire votre logique. Le SDK gère automatiquement la sérialisation JSON et l'analyse des réponses.

Configurez le client avec votre clé API et l'URL de base personnalisée. Cette configuration vous permet de tirer parti des structures de code existantes tout en accédant au modèle uncensored. C'est le moyen le plus rapide d'intégrer une solution fiable API IA sans censure dans vos projets Python.

Copyfrom openai import OpenAI

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

Implémentation du SDK Node

Utilisez le openai paquet npm pour connecter votre application Node.js. Définissez le baseURL et apiKey propriétés avant d'effectuer tout appel. Cela garantit que toutes les requêtes sont acheminées vers nos serveurs de modèle non censuré.

Le SDK Node prend en charge les flux de travail standard basés sur les promesses. Vous pouvez facilement gérer les réponses et les erreurs au sein de vos fonctions asynchrones existantes. Cela le rend idéal pour la génération côté serveur ou le traitement des tâches en arrière-plan.

Copyimport OpenAI from "openai";

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

Réponses en streaming et jetons

Activez le streaming en définissant stream: true dans votre requête. L'API renvoie des fragments au fur et à mesure de leur génération, permettant un affichage en temps réel. Les données d'utilisation des jetons sont incluses dans le dernier fragment, vous permettant de suivre les coûts avec précision.

Le streaming réduit la latence perçue pour les utilisateurs. Il est essentiel pour les interfaces de chat ou les applications où un retour immédiat est important. Le API de chatbot unfiltered gère le streaming efficacement, garantissant un flux de données fluide sans bloquer votre thread principal.

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)

Limites, Erreurs et Fenêtre de contexte

Le modèle prend en charge une fenêtre de contexte de 100 000 tokens pour l'ensemble de la requête et de la réponse. La sortie maximale est de 16 000 tokens par requête. Si max_tokens n'est pas défini, la limite par défaut est de 2 048 jetons. Cela permet la génération de contenu long sans interruptions fréquentes.

Les limites de débit sont fixées à 300 requêtes par minute par clé, avec une limite de concurrence de 8 requêtes simultanées. Les erreurs comme 402 indiquent un solde prépayé insuffisant, tandis que 429 signale une limitation de débit. Les corps de requête ne doivent pas dépasser 8 Mo. Ces contraintes garantissent des performances stables pour votre unfiltered AI intégration.