无审查聊天 GPT API 文档

使用您的 API 密钥认证

所有请求的基础 URL 为 https://api.chatgptuncensored.cc/v1. 将您的唯一 API 密钥附加到 Authorization 页眉作为 Bearer 令牌。我们的系统会即时验证凭据。如果密钥缺失或无效，API 将返回 401 错误。通过 Google 或邮箱注册后，您将立即获得密钥。无需电话号码。该密钥用于标识您的账户以进行速率限制和计费。

POST /v1/chat/completions

向聊天补全端点发送提示。此标准端点接受包含消息和模型参数的 JSON 负载。我们的 API 密钥确保您直接访问无审查模型。您可以调整 temperature 和 top_p 以控制创造性。系统处理您的文本并返回补全。这适用于任何 OpenAI 兼容的客户端库。

Python SDK 集成

使用您的自定义基础 URL 初始化 OpenAI 客户端。设置 API 密钥和模型 ID 为 uncensored。将您的消息数组传递给聊天补全函数。客户端会自动处理 JSON 序列化。您将获得一个包含生成文本的响应对象。这种方法只需对现有设置进行最少的代码更改。

Node SDK 设置

配置 Node.js 客户端使用相同的 base URL 结构。使用 uncensored 用于所有请求的模型 ID。SDK 高效管理 HTTP 连接。您可以将其无缝集成到现有的 Node 应用程序中。错误处理按预期工作，使用标准 HTTP 状态码。响应包含生成的内容和用量统计。

流式响应

通过将 stream: true 在您的请求中。API 通过服务器发送事件（SSE）返回块。每个块包含部分文本或令牌使用数据。这降低了长响应的感知延迟。您可以随令牌到达显示它们。最后一个块包含用于计费的总令牌数。

速率限制与约束

每个 API 密钥每分钟允许 300 次请求。您最多可同时运行 8 个并发请求。请求体不得超过 8 MB。如果超出速率限制，API 将返回 429 错误。信用不足将触发 402 错误。错误和拒绝不会消耗您的 token 余额。上下文窗口总共支持 100,000 个 token。每次请求的最大输出为 16,000 个 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);

流式传输

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)