Integriere Uncensored AI Models in Minuten

Base URL & Authentifizierung

Unsere API folgt dem OpenAI-Standard und erfordert nur eine Anpassung der Base URL und eines API-Schlüssels. Die Base URL ist https://api.uncensoredaimodels.cc/v1. Du erhältst nach der Anmeldung einen einzigen aktiven API-Schlüssel. Füge ihn als Bearer-Token in den Authorization-Header ein. Bei einem ungültigen Schlüssel gibt die API einen 401-Fehler zurück. Bei unzureichendem Guthaben erhältst du einen 402-Fehler. Dieses Design ermöglicht es dir, unseren Dienst in bestehende OpenAI-Clients zu integrieren, indem du nur zwei Konfigurationswerte änderst.

Chat Completions Endpunkt

Sende Text an das Modell über den Endpunkt POST /v1/chat/completions. Die Modellkennung ist uncensored. Anfragen müssen innerhalb einer 8-MB-Körpergrenze und eines 100.000-Token-Kontextfensters bleiben. Das Modell gibt generierten Text ohne Standard-Inhaltsablehnungen für rechtmäßige Erwachsenenthemen zurück. Verwende diesen Endpunkt für direkte Textgenerierungsaufgaben.

Copycurl https://api.uncensoredaimodels.cc/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."}]
  }'

Streaming-Antworten (SSE)

Aktiviere die Echtzeit-Übertragung von Token, indem du stream: true setzt. Die API sendet Server-Sent Events (SSE), sodass deine Anwendung Token verarbeiten kann, während sie generiert werden. Token-Nutzungsstatistiken erscheinen nur im letzten Block des Streams. Dieser Ansatz reduziert die wahrgenommene Latenz für Nutzer, die auf umfangreiche Inhalte warten.

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)

Python SDK-Integration

Nutze die offizielle OpenAI Python-Bibliothek für eine schnelle Integration. Setze die base_url auf unseren Endpunkt und gib deinen API-Schlüssel an. Der Client verarbeitet die Serialisierung und Fehleranalyse automatisch. Diese Methode ist ideal für Backend-Dienste oder Datenverarbeitungsskripte, die strukturierten unzensierten Textoutput benötigen.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredaimodels.cc/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 SDK-Integration

Für JavaScript-Umgebungen funktioniert das OpenAI Node SDK mit unserem Endpunkt. Initialisiere den Client mit deiner Base URL und deinem Schlüssel. Diese Integration unterstützt sowohl synchrone als auch asynchrone Anfragen und passt gut in Express-Server oder serverless Funktionen. Stelle sicher, dass deine Umgebung die erforderliche Node-Version für das SDK unterstützt.

Copyimport OpenAI from "openai";

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

Modellparameter & Limits

Steuere das Generierungsverhalten mit Parametern wie temperature, top_p und seed. Du kannst JSON-Ausgabe über response_format erzwingen oder Tools für Function Calling definieren. Die API erzwingt eine harte Grenze von 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel. Wenn du diese Grenzen überschreitest, gibt die API einen 429-Fehler zurück. Die Ausgabe ist auf 32.000 Token pro Anfrage begrenzt.