Démarrage rapide : Votre première requête sans censure

Prérequis : votre clé API et URL de base

Commencez par générer une clé API sur le Obtenir la clé API page. Vous pouvez vous connecter avec Google ou utiliser un simple e-mail et mot de passe ; aucun numéro de téléphone n'est requis. Le système affiche votre clé immédiatement, alors copiez-la dans votre presse-papiers maintenant.

Notre API se trouve à https://api.alternativeaivenice.com/v1. Cette URL de base fonctionne avec n'importe quel SDK officiel OpenAI en mettant à jour le base_url paramètre. Vous n'avez besoin que d'une clé active par compte ; l'émission d'une nouvelle clé remplace instantanément la clé précédente.

Effectuer votre première complétion de chat

Envoyez une charge utile standard de complétion de chat pour recevoir une sortie textuelle brute et uncensored. Utilisez l'ID du modèle uncensored pour accéder à notre modèle open-source ajusté pour une utilisation adulte licite sans refus de contenu.

Voici une requête cURL de base démontrant la structure. Remplacez YOUR_API_KEY avec votre clé réelle pour voir le modèle répondre à votre invite.

Copycurl https://api.alternativeaivenice.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 programming languages"}]
  }'

Réponses en streaming avec les événements envoyés par le serveur

Pour les interactions en temps réel, activez le streaming en définissant stream: true. L'API retourne des Server-Sent Events (SSE) où les détails d'utilisation des tokens apparaissent dans le dernier chunk.

Cette approche réduit la latence perçue pour les longues réponses. Utilisez l'extrait Python ci-dessous pour gérer le flux efficacement dans votre application.

Copyfrom openai import OpenAI

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

L'utilisation du mode JSON pour les données structurées

Forcez une sortie structurée en définissant response_format à {"type": "json_object"}. Cela garantit que le modèle renvoie du JSON, ce qui est idéal pour analyser les données dans vos systèmes backend.

Vous pouvez également utiliser l'appel de fonctions avec le tools paramètre. L'exemple Node.js ci-dessous montre comment configurer cela pour une analyse fiable.

Copyimport OpenAI from "openai";

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

Comprendre les fenêtres de contexte et les limites

Notre modèle prend en charge une fenêtre de contexte de 100,000 tokens, couvrant l'invite et la complétion. Vous pouvez générer jusqu'à 16,000 tokens par requête, ou 2,048 si vous omettez max_tokens.

Les limites de taux permettent 300 requêtes par minute et 8 requêtes simultanées par clé. Le corps de la requête doit rester inférieur à 8 Mo. Ces limites garantissent des performances stables pour vos intégrations LLM sans censure.

Dépannage des erreurs courantes

401 Non autorisé signifie que votre clé API est invalide ou expirée. Régénérez une clé depuis votre tableau de bord. 402 Paiement requis indique un solde prépayé insuffisant. Rechargez via crypto pour continuer. 429 Trop de requêtes signale que vous avez atteint la limite de 300 requêtes par minute.

Les refus sont rares mais s'appliquent au contenu sexuel impliquant des mineurs. Les erreurs lors du traitement ne consomment pas votre crédit, vous pouvez donc réessayer en toute sécurité.

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)