無審查 ChatGPT API 文件

使用您的 API 金鑰驗證

所有請求的基礎 URL 為 https://api.chatgptuncensored.cc/v1. 將您的唯一 API 金鑰附加到 Authorization 作為 Bearer token 標頭。我們的系統會即時驗證憑證。如果金鑰遺失或無效，API 將返回 401 錯誤。透過 Google 或電子郵件註冊後，您會立即收到金鑰。無需電話號碼。該金鑰用於限流和帳單識別您的帳戶。

POST /v1/chat/completions

向聊天完成端點發送您的提示詞。此標準端點接受包含訊息和模型參數的 JSON 主體。我們的 API 金鑰確保您直接存取無審查模型。您可以調整 temperature 和 top_p 以控制創意。系統處理您的文字並回傳完成內容。這適用於任何 OpenAI 相容的客戶端函式庫。

Python SDK 整合

使用您的自訂基礎 URL 初始化 OpenAI 客戶端。設定 API 金鑰和模型 ID 為 uncensored。將您的訊息陣列傳遞至聊天完成函數。客戶端會自動處理 JSON 序列化。您將收到包含生成文字的回應物件。此方法只需對現有設定進行少量程式碼更改。

Node SDK 設置

配置 Node.js 客戶端並使用相同的 base URL 結構。使用 uncensored 模型 ID 用於所有請求。SDK 會有效率地管理 HTTP 連線。您可以無縫地將其整合至現有的 Node 應用程式中。錯誤處理與標準 HTTP 狀態碼一樣運作正常。回應包含生成的內容與使用統計。

串流回應

在請求主體中將 stream: true 在您的請求中。API 透過伺服器發送事件 (SSE) 傳回區塊。每個區塊包含部分文字或 Token 使用數據。這可降低長回應的感知延遲。您可以即時顯示 Token。最後一個區塊包含用於計費的總 Token 數量。

速率限制與約束

每個 API 金鑰允許每分鐘 300 次請求。您同時最多可運行 8 個並行請求。請求主體不得超過 8 MB。若超出速率限制，API 將返回 429 錯誤。信用額度不足將觸發 402 錯誤。錯誤與拒絕不會消耗您的 token 餘額。上下文視窗總共支援 100,000 個 token。每次請求的最大輸出為 16,000 個 token。

cURL

Copycurl https://api.chatgptuncensored.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "what is the capital of france"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.chatgptuncensored.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.js

Copyimport OpenAI from "openai";

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

串流

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)