Intégrez le LLM Uncensored en quelques minutes

URL de base et authentification

Utilisez l'URL de base dédiée et une clé API valide pour acheminer les requêtes vers notre modèle uncensored. Le point de terminaison est HTTPS://api.gptnorestrictions.com/v1. Transmettez votre clé dans l'en-tête Authorization en tant que jeton Bearer. Cette configuration fonctionne avec n'importe quel SDK OpenAI en remplaçant le paramètre base_url. Vous disposez d'une clé active par compte, que vous générez sur le tableau de bord. Aucun numéro de téléphone n'est requis pour l'inscription, utilisez simplement un e-mail ou une connexion Google.

Envoi de votre première requête de complétion

Envoyez une requête POST à /v1/chat/completions avec vos messages système et utilisateur. L'ID du modèle est "uncensored". Cela renvoie une réponse textuelle sans filtres de contenu pour les sujets adultes légaux. Vous pouvez tester la connectivité instantanément avec cette commande curl :

Copycurl https://api.gptnorestrictions.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the five core components of a standard REST API."}]
  }'

Remplacez YOUR_API_KEY par votre clé générée. La réponse inclut les détails d'utilisation des tokens pour une facturation précise. Les erreurs comme 401 indiquent une clé invalide, tandis que 402 signifie que vous devez recharger du crédit via la crypto.

Intégration du SDK Python

Utilisez la bibliothèque Python officielle d'OpenAI pour interagir avec notre API en toute transparence. Définissez l'URL de base sur notre point de terminaison et fournissez votre clé API. Le modèle « uncensored » prend en charge des paramètres standard comme temperature et top_p. Cela vous permet de tirer parti de structures de code familières pour vos applications. Voici la configuration minimale :

Copyfrom openai import OpenAI

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

Assurez-vous de gérer l'objet de réponse pour extraire le texte généré. Cette approche maintient la compatibilité avec les clients OpenAI existants tout en fournissant une génération de contenu sans restriction.

Configuration du SDK Node

Intégrez notre API dans vos applications Node.js à l'aide du package npm OpenAI standard. Configurez l'URL de base et la clé API avant d'effectuer des requêtes. Le modèle uncensored répond aux appels standard de complétion de chat. Cela garantit que votre logique existante fonctionne sans refonte majeure. Initialisez le client comme suit :

Copyimport OpenAI from "openai";

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

Appelez la méthode chat.completions.create avec vos messages. La réponse fournit le contenu généré par le LLM. Cette méthode est idéale pour les applications côté serveur nécessitant une génération de texte fiable et sans censure.

Gestion des réponses en streaming

Activez le streaming en définissant stream sur true dans votre requête. L'API renvoie des Server-Sent Events (SSE) contenant des chunks de texte incrémentaux. Cela améliore la latence perçue pour les utilisateurs interagissant avec votre application. Les détails d'utilisation des jetons sont inclus dans le dernier chunk. Utilisez ce code pour traiter le flux :

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)

Accumulez les parties de contenu pour former la réponse complète. Cette méthode est efficace pour les interfaces de chat en temps réel. Elle vous permet d'afficher le texte au fur et à mesure de sa génération sans attendre la complétion complète.

Limites, Erreurs et Fenêtre de contexte

Notre API prend en charge une fenêtre de contexte de 100 000 tokens pour l'invite et la complétion combinées. Vous êtes limité à 300 requêtes par minute et 8 requêtes simultanées par clé. Si vous dépassez ces limites, vous recevez une erreur 429. Les erreurs courantes incluent 401 pour les clés invalides et 402 pour le crédit insuffisant. Les requêtes de moins de 8 Mo sont acceptées. Les erreurs et les refus ne consomment pas de crédit. Cela garantit que vous ne payez que pour l'utilisation réussie des tokens. Gérez vos limites en surveillant votre tableau de bord d'utilisation.