Uncensored LLM API को इंटीग्रेट करें

nsfwhub.cc›base_url

बेस URL और प्रमाणीकरण

सभी अनुरोधों के लिए बेस यूआरएल है https://api.nsfwhub.cc/v1. पास करते समय अपनी API कुंजी को Authorization हेडर। डैशबोर्ड का उपयोग करके Google या ईमेल से अपनी कुंजी जनरेट करें। अनुरोधों के लिए इसे तुरंत उपयोग करें।

Copycurl https://api.nsfwhub.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Add error handling to the login endpoint"}]
  }'

त्रुटियाँ मानक HTTP कोड लौटाती हैं। अमान्य कुंजियाँ 401 देती हैं। दर सीमाएँ 429 ट्रिगर करती हैं। यह एंडपॉइंट केवल टेक्स्ट जनरेशन संभालता है।

nsfwhub.cc›post-v1-chat-completions-एंडपॉइंट

POST /v1/chat/completions एंडपॉइंट

का उपयोग करके टेक्स्ट जनरेट करने के लिए संदेश भेजें uncensored मॉडल। एंडपॉइंट मानक चैट प्रारूपों को स्वीकार करता है। स्थिर व्यवस्था के लिए अपना सिस्टम प्रॉम्प्ट पास करें। संदर्भ के लिए उपयोगकर्ता संदेश परिभाषित करें। API उत्पन्न टेक्स्ट टोकन लौटाता है। रचनात्मकता के लिए तापमान जैसे पैरामीटर कॉन्फ़िगर करें। संरचित आउटपुट के लिए JSON मोड का उपयोग करें। अनुरक्षण तुरंत प्रसंस्कृत किए जाते हैं। एम्बेडिंग्स यहाँ समर्थित नहीं हैं। केवल टेक्स्ट पूर्णता होती है।

nsfwhub.cc›get-v1-models-endpoint

GET /v1/models एंडपॉइंट

एक सरल GET अनुरोध भेजकर उपलब्ध मॉडलों को क्वेरी करें। प्रतिक्रिया में सूचीबद्ध है uncensored मॉडल आईडी। कनेक्टिविटी को तेज़ी से सत्यापित करने के लिए इसका उपयोग करें। इंटीग्रेशन से पहले मॉडल विवरण जांचें। API एक विशिष्ट मॉडल को सर्व करता है। यह वेंडर्स के बीच रूट नहीं करता है। सुनिश्चित करें कि आपका क्लाइंट प्रतिक्रिया को सही ढंग से संभालता है। यह एंडपॉइंट पुष्टि करता है कि आपकी कुटी काम करती है। वर्तमान में कोई अन्य मॉडल उपलब्ध नहीं है।

nsfwhub.cc›supported-parameters-and-json-mode

समर्थित पैरामीटर और JSON मोड

पैरामीटर जैसे तापमान और top_p के साथ जनरेशन को नियंत्रित करें। temperature, top_p, और seedसेट करें response_format को {"type": "json_object"} कठोर JSON के लिए। यह सुनिश्चित करता है कि ऐप्स के लिए आउटपुट पार्स करने योग्य हो। Use stop सीक्वेंस का उपयोग जनरेशन रोकने के लिए। समायोजित करें max_tokens आउटपुट लंबाई को सीमित करने के लिए। मॉडल फंक्शंस के लिए टूल कॉलिंग का समर्थन करता है। टूल्स को मानक प्रारूप में पास करें। फ्रीक्वेंसी पेनल्टी दोहराव को कम करने में मदद करती हैं। ये पैरामीटर बिल्कुल OpenAI की तरह काम करते हैं।

nsfwhub.cc›स्ट्रीमिंग-प्रतिक्रियाएं-SSE-के-साथ

SSE के साथ स्ट्रीमिंग रिस्पॉन्सेस

सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true. API सर्वर-सेंट इवेंट्स (SSE) भेजता है। टोकन को उत्पन्न होते ही प्राप्त करें। यह उपयोगकर्ताओं के लिए अनुभव की जाने वाली विलंबता को कम करता है। रियल-टाइम प्रदर्शन के लिए प्रत्येक चंक को पार्स करें। अंतिम चंक में उपयोग आंकड़े होते हैं। अधूरे JSON को सावधानी से हैंडल करें। स्ट्रीमिंग सभी पैरामीटर के साथ काम करती है। कनेक्शन बंद करके अनुरोध रद्द करें। यह लंबे टेक्स्ट के लिए मेमोरी बचाता है।

nsfwhub.cc›टोकन और त्रुटियों का प्रबंधन

टोकन्स और एरर्स हैंडल करना

संदर्भ विंडो कुल 100,000 टोकन है। आउटपुट प्रति अनुरोध 16,000 टोकन तक सीमित है। 402 जैसी त्रुटियां अपर्याप्त क्रेडिट को दर्शाती हैं। केवल क्रिप्टो के माध्यम से टॉप अप करें। 429 त्रुटियों का अर्थ है कि आपने प्रति मिनट 300 अनुरोध की सीमा पार कर ली है। पुनः प्रयास करने से पहले प्रतीक्षा करें। उपयोग नहीं किए गए क्रेडिट कभी समाप्त नहीं होते हैं। हल्की सामग्री के लिए अस्वीकृतियां मुफ्त हैं। उपयोग अंतिम SSE चंक के माध्यम से ट्रैक करें। त्रुटियां टोकन नहीं खर्च करतीं।

Python

Copyfrom openai import OpenAI

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

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)