Documentation API

URL de base et authentification

L'API de chatbot IA non filtrée fonctionne à une seule URL de base : https://api.chatbotaiunfiltered.com/v1. Vous authentifiez chaque requête en incluant votre clé API unique dans le Authorization header. Cette clé est générée immédiatement lors de la création du compte via Google ou e-mail. Si la clé est invalide, l'API renvoie une erreur 401.

Première demande

Envoyez votre première invite en utilisant le standard chat/completions endpoint. Le modèle sans restrictions répond aux sujets adultes légaux, controversés ou techniques sans les refus habituels. Transmettez votre clé API dans l'en-tête et définissez l'identifiant du modèle sur uncensored. L'exemple suivant illustre une requête de génération de texte basique.

Copycurl https://api.chatbotaiunfiltered.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set timezone to utc"}]
  }'

Cette requête renvoie une complétion de texte. Le modèle d'IA sans censure traite l'entrée et génère une réponse basée sur son entraînement. Vous pouvez ajuster des paramètres comme temperature pour contrôler la créativité. Les erreurs telles qu'un solde insuffisant renvoient un code d'état 402.

Intégration du SDK Python

Utilisez la bibliothèque Python officielle d'OpenAI pour interagir avec l'API LLM sans filtre. Configurez le client avec votre clé API et l'URL de base personnalisée. Cette approche vous permet d'utiliser des méthodes familières comme chat.completions.create() tout en exploitant les capacités d'inférence brutes du modèle non filtré. Définissez explicitement le modèle sur uncensored pour éviter que vous ne soyez redirigé vers une variante filtrée.

Copyfrom openai import OpenAI

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

La bibliothèque gère automatiquement la sérialisation JSON et le streaming. Vous pouvez récupérer l'utilisation des jetons depuis l'objet de réponse. Cette méthode est idéale pour les services backend qui doivent intégrer la génération de texte non filtré dans des workflows existants sans réécrire les clients HTTP.

Intégration du SDK Node

Intégrez l'API sans censure dans vos applications Node.js à l'aide du SDK officiel. Transmettez l'URL de base et la clé API lors de l'initialisation du client. Cette configuration garantit la compatibilité avec les points de terminaison OpenAI standards tout en offrant le comportement de chatbot sans filtre que vous attendez. Utilisez le uncensored ID du modèle pour accéder aux poids spécifiques ajustés.

Copyimport OpenAI from "openai";

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

Le SDK gère les nouvelles tentatives de requête et la gestion des erreurs. Vous pouvez diffuser des réponses ou collecter le texte intégral. Cela est utile pour les applications web nécessitant une génération de texte en temps réel. L'API AI uncensored prend en charge les paramètres standard tels que temperature et top_p pour affiner le style de sortie.

Réponses en streaming via SSE

Activez le streaming en définissant stream: true dans votre requête. L'API renvoie des Server-Sent Events (SSE) contenant des chunks de texte incrémentiels. Le dernier chunk inclut les statistiques complètes d'utilisation des tokens. C'est essentiel pour les applications qui affichent du texte en temps réel, comme les interfaces de chat ou les éditeurs de code en direct. Le streaming réduit considérablement la latence perçue.

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)

Analysez le flux SSE pour afficher le texte à mesure de son arrivée. Chaque chunk ne contient qu'une partie de la réponse. Le modèle uncensored maintient le contexte entre les chunks. Vous pouvez arrêter le streaming plus tôt si l'utilisateur modifie son entrée. La gestion des erreurs reste cohérente avec les requêtes non streaming.

Limites, Erreurs et Fenêtre de contexte

L'API LLM sans censure impose une fenêtre de contexte de 100 000 jetons, combinant entrée et sortie. Vous pouvez envoyer jusqu'à 16 000 jetons par requête si vous spécifiez max_tokens. Les limites de taux permettent 300 requêtes par minute et 8 requêtes simultanées par clé. Une erreur 429 indique que vous avez dépassé ces limites. Les corps de requête ne doivent pas dépasser 8 Mo. Les erreurs comme le manque de crédit renvoient 402, tandis que les clés invalides renvoient 401. Le crédit n'expire jamais, vous pouvez donc suspendre l'utilisation sans perdre de fonds.