مستندات تکمیل گفتار API بدون سانسور

احراز هویت و URL پایه

ابتدا کلید خود را در Authorization header. ما از طرح توکن Bearer استاندارد استفاده می‌کنیم که با هر کلاینت سازگار با OpenAI کار می‌کند. از طریق گوگل یا ایمیل وارد شوید تا کلید خود را بلافاصله دریافت کنید. برای راه‌اندازی حساب نیازی به شماره تلفن نیست.

آدرس پایه برابر است با HTTPS://api.chataiunfiltered.com/v1. درخواست‌های شما باید به اینجا اشاره کنند. شناسه مدلی که باید استفاده شود uncensored. این امر تضمین می‌کند که مدل بدون سانسور خاصی را که ما روی سرورهای خود میزبانی می‌کنیم دریافت می‌کنید.

Copycurl https://api.chataiunfiltered.com/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?"}]
  }'

نقطه پایانی تکمیل گفتگو

یک POST request to /v1/chat/completions با پرامپت. API مستقیماً بدون حاشیه اضافی متن برمی‌گرداند. می‌توانید پارامترهایی مانند temperature یا top_p برای کنترل تصادفی‌سازی.

از SDK پایتون برای یکپارچه‌سازی سریع استفاده کنید. فقط URL پایه را به اندپوینت ما تنظیم کنید. کلاینت سریال‌سازی JSON را برای شما مدیریت می‌کند. خطاهایی مانند کلیدهای نامعتبر کد وضعیت 401 برمی‌گردانند. تمام شدن اعتبار باعث خطای 402 می‌شود.

Copyfrom openai import OpenAI

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

پاسخ‌های استریم با SSE

توکن‌ها را برای تجربه‌ای روان‌تر به کاربران خود پخش کنید. مقدار stream پارامتر روی true در درخواست شما. API رویدادهای ارسالی سرور (SSE) را هنگام دریافت پاسخ برمی‌گرداند. این کار تأخیر ادراک‌شده را برای خروجی‌های طولانی کاهش می‌دهد.

از SDK Node برای مدیریت کارآمد استریم استفاده کنید. قطعات را هنگام دریافت پردازش کنید. قطعه نهایی شامل آمار مصرف کلی توکن است. این به شما کمک می‌کند هزینه‌ها را به صورت بلادرنگ به دقت ردیابی کنید. اتصال خود را تا زمانی که استریم بسته شود باز نگه دارید.

Copyimport OpenAI from "openai";

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

استفاده از ابزار و فراخوانی تابع

ابزارها را در درخواست خود تعریف کنید تا به مدل اجازه فراخوانی توابع را بدهید. API از تعاریف استاندارد ابزار با پارامترها پشتیبانی می‌کند. نام تابع و آرگومان‌ها را در پاسخ ارسال کنید. شما تابع را در سمت خود اجرا می‌کنید.

نتایج را به مدل در یک پیام جدید ارسال کنید. این اجازه می‌دهد تعاملات چندمرحله‌ای با داده‌های خارجی انجام شود. مدل منطق زمان فراخوانی ابزارها را مدیریت می‌کند. از tool_choice برای اجبار یا اجازه انتخاب خودکار. این به‌طور یکپارچه با مدل uncensored ما کار می‌کند.

فرمت پاسخ و حالت JSON

خروجی ساختاریافته را با تنظیم response_format به {"type": "json_object"}. مدل خروجی JSON معتبر را به جای متن ساده برمی‌گرداند. این برای پردازش داده‌ها در برنامه شما مفید است. مطمئن شوید که پرامپت شما به وضوح ساختار مورد انتظار را توصیف می‌کند.

API اسکیمای JSON شما را به‌طور دقیق اعتبارسنجی نمی‌کند. این API به مدل برای تولید سینتکس صحیح تکیه دارد. اگر خروجی نامعتبر باشد، ممکن است نیاز به تلاش مجدد داشته باشید. این قابلیت را برای وظایف استخراج داده قابل‌اعتماد استفاده کنید. آن را با استریم ترکیب کنید تا پردازش سریع‌تری داشته باشید.

محدودیت‌های توکن و پنجره زمینه

پنجره زمینه تا ۱۰۰,۰۰۰ توکن در مجموع پشتیبانی می‌کند. این شامل هم ورودی و هم خروجی است. می‌توانید تا ۱۶,۰۰۰ توکن در هر درخواست تولید کنید. حداکثر خروجی پیش‌فرض ۲,۰۴۸ توکن است اگر مشخص نشود.

محدودیت‌های نرخ اجازه ۳۰۰ درخواست در دقیقه به ازای هر کلید را می‌دهند. می‌توانید ۸ درخواست همزمان در یک زمان داشته باشید. حداکثر اندازه بدنه درخواست ۸ مگابایت است. خطاها و رد شدن‌ها اعتبار پیش‌پرداخت شما را مصرف نمی‌کنند. این کار تست کردن را ایمن و مقرون‌به‌صرفه می‌کند.

جریان‌سازی

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)