क्विकस्टार्ट: अनसेंसर्ड मॉडल API

आवश्यकताएँ और बेस URL

हमारा API किसी भी स्टैंडर्ड OpenAI-कम्पैटिबल क्लाइंट के साथ base URL और API key अपडेट करके काम करता है। अपने SDK को https://api.modeluncensored.com/v1 और अनुरोध मानक /v1/chat/completions एंडपॉइंट। आपको प्रोप्राइटरी लाइब्रेरीज़ इंस्टॉल करने की आवश्यकता नहीं है; मौजूदा टूल्स जैसे कि आधिकारिक ओपनएआई पायथन या नोड.जेएस SDK तुरंत काम करते हैं। बस ट्रैफिक को डिफ़ॉल्ट ओपनएआई इंफ्रास्ट्रक्चर के बजाय हमारे सर्वर के माध्यम से रूट करने के लिए बेस यूआरएल को कॉन्फ़िगर करें।

प्रमाणीकरण साइनअप के दौरान जनरेट की गई एकल API कुंजी पर निर्भर करता है। इस कुंजी को Authorization हेडर को Bearer टोकन के रूप में सेट करें। मॉडल पहचानकर्ता स्थिर है uncensored सभी अनुरोधों पर संगत व्यवहार सुनिश्चित करने के लिए। प्रत्येक खाते में एक सक्रिय कुली होती है जो पुनर्जनन के दौरान किसी भी पिछली कुली को प्रतिस्थापित कर देती है।

अपने API कुंजी के साथ प्रमाणीकरण

अपनी API कुंजी को Authorization हर रिक्वेस्ट के हेडर अपनी पहचान सत्यापित करने के लिए। फॉर्मेट का उपयोग करें Authorization: Bearer YOUR_API_KEY तुरंत अनुरोधों को प्रमाणीकृत करने के लिए। यदि कुंजी गायब है या अमान्य है, तो API तुरंत 401 Unauthorized त्रुटि लौटाता है। यह सुनिश्चित करता है कि केवल मान्य खाते ही आपके प्रीपेड क्रेडिट से टोकन का उपभोग कर सकें।

आप Google या ईमेल से साइन इन करने के बाद डैशबोर्ड के माध्यम से अपनी कुंजी जनरेट या रीजनरेट कर सकते हैं। कुंजी निर्माण के तुरंत बाद प्रदर्शित की जाती है। इसे सुरक्षित रूप से संग्रहीत करें, क्योंकि यह आपके खाता बैलेंस तक सीधा एक्सेस प्रदान करती है। साइनअप के लिए फोन नंबर सत्यापन की आवश्यकता नहीं है, जिससे प्रक्रिया तेज और सरल रहती है।

अपना पहला चैट कंप्लीशन भेजना

एक POST अनुरोध करें /v1/chat/completions अपने संदेशों और मॉडल पहचानकर्क के साथ प्रतिक्रिया प्राप्त करने के लिए। मॉडल टेक्स्ट इनपुट स्वीकार करता है और बिना नरम अस्वीकृतियों के टेक्स्ट आउटपुट लौटाता है। आप मॉडल ID को uncensored सुनिश्चित करने के लिए कि आप हमारे विशिष्ट असंयमित LLM का उपयोग कर रहे हैं। यह एंडपॉइंट लचीलापन के लिए सिंकरोनस और स्ट्रीमिंग दोनों प्रतिक्रियाओं का समर्थन करता है।

अनुरोधों की वसूली वास्तविक टोकन उपयोग के आधार पर की जाती है। त्रुटियाँ और अस्वीकृतियाँ क्रेडिट नहीं खपत करती हैं, इसलिए आप मुफ्त में परीक्षण कर सकते हैं। प्रति अनुरोध अधिकतम आउटपुट 16,000 टोकन है, या 2,048 टोकन यदि आप सेट नहीं करते हैं max_tokens पैरामीटर। संदर्भ विंडो प्रॉम्प्ट और पूर्णता के संयुक्त 100,000 टोकन तक का समर्थन करती है।

स्ट्रीमिंग रिस्पॉन्सेस (SSE) हैंडल करना

सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true टोकन को जनरेट होने के साथ-साथ प्राप्त करने के लिए अपने अनुरोध में। यह लंबे उत्तरों के लिए अनुभवगत विलंबता को कम करता है और आपके एप्लिकेशन में रियल-टाइम प्रदर्शन की अनुमति देता है। स्ट्रीम का अंतिम चंक बिलिंग और निगरानी के लिए कुल टोकन उपयोग आंकड़े शामिल करता है। यह चैट इंटरफेस बनाने के लिए आवश्यक है जो प्रतिक्रियाशील और इंटरैक्टिव लगते हैं।

स्ट्रीम रिस्पॉन्स आंशिक सामग्री को सहजता से हैंडल करते हैं, जिससे आप आते हुए पाठ को प्रदर्शित कर सकते हैं। यह रचनात्मक लेखन या कोडिंग कार्यों के लिए विशेष रूप से उपयोगी है जहां मॉडल लंबे आउटपुट जनरेट करता है। आप सर्वर-सेंट इवेंट्स को पार्स करके अपने UI को क्रमिक रूप से अपडेट कर सकते हैं। सुनिश्चित करें कि आपका क्लाइंट स्ट्रीम के अंत की घटना को सही तरीके से हैंडल करता है ताकि रिस्पॉन्स को अंतिम रूप दिया जा सके।

पैरामीटर कॉन्फ़िगर करें: तापमान, Top-p, और Seed

समायोजित करें temperature यादृच्छिकता को नियंत्रित करने के लिए, उच्च मान अधिक रचनात्मक और विविध आउटपुट उत्पन्न करते हैं। उपयोग करें top_p सबसे संभावित टोकन तक सैंपलिंग को सीमित करने के लिए, आउटपुट वितरण पर अधिक सटीक नियंत्रण प्रदान करने के लिए। सेटिंग एक seed निर्धारक परिणाम सुनिश्चित करता है, जो डिबगिंग या पुनरुत्पादक प्रयोगों के लिए महत्वपूर्ण है। ये पैरामीटर आपको कहानी कहने या तकनीकी लेखन जैसे विशिष्ट उपयोग मामलों के लिए मॉडल के व्यवहार को ट्यून करने की अनुमति देते हैं।

मॉडल मानक पैरामीटरों जैसे का समर्थन करता है stop सीक्वेंस और presence_penalty उन्नत नियंत्रण के लिए। आप इन सेटिंग्स को मिलाकर वांछित टोन और संरचना प्राप्त कर सकते हैं। अपने एप्लिकेशन के लिए रचनात्मकता और सहसंबंध के बीच इष्टतम संतुलन खोजने के लिए अलग-अलग मानों के साथ प्रयोग करें।

टूल्स और JSON मोड का उपयोग

फ़ंक्शन कॉलिंग को प्रदान करके सक्षम करें tools अपने अनुरोध में एक array का उपयोग करें ताकि मॉडल संरचित डेटा आउटपुट कर सके। मॉडल बातची के संदर्भ के आधार पर फ़ंक्शन कॉल कर सकता है, जिससे जटिल वर्कफ़्लो संभव होते हैं। Use response_format: {"type": "json_object"} आउटपुट को मान्य JSON प्रारूप में बदलने के लिए। यह बैकएंड सिस्टम के साथ एकीकरण या टेक्स्ट से संरचित जानकारी निकालने के लिए आदर्श है।

JSON मोड सुनिश्चित करता है कि प्रतिक्रिया पार्सेबल हो, जिससे आपके क्लाइंट में अतिरिक्त पार्सिंग लॉजिक की आवश्यकता कम हो जाती है। आप कई टूल परिभाषित कर सकते हैं और निर्दिष्ट कर सकते हैं कि मॉडल किस टूल को कॉल करना चाहिए। यह फीचर स्वचालित कार्यों और डेटा एक्सट्रैक्शन के लिए मॉडल की उपयोगिता को बढ़ाता है। API टूल कॉल्स के रूटिंग को सहज रूप से हैंडल करती है।

cURL

Copycurl https://api.modeluncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return the current system time in ISO format"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

स्ट्रीमिंग

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)