Schnellstart: Unzensierten Text in deinen Video-Workflow integrieren

Basis-URL und Authentifizierung

Unsere API ist unter https://api.nsfwvideo.top/v1 verfügbar. Zur Authentifizierung benötigst du einen API-Schlüssel aus deinem Kontodashboard. Du kannst dich über Google oder E-Mail anmelden, um deinen Schlüssel sofort zu erhalten. Übergebe diesen Schlüssel im Authorization-Header als Bearer-Token. Diese Einrichtung funktioniert mit jedem OpenAI-kompatiblen SDK, indem du die Base URL und den API-Schlüssel konfigurierst. Stelle sicher, dass dein Client Anfragen an unseren spezifischen Endpunkt sendet, um auf das unzensierte Modell zuzugreifen.

Videoskripte generieren

Sende eine POST-Anfrage an /v1/chat/completions mit der Modell-ID uncensored. Dieses Modell ist darauf trainiert, ohne Inhaltsablehnungen für die legale Erwachsenenunterhaltung zu antworten, was es ideal für NSFW-Videoskripte macht. Du kannst detaillierte Szenenbeschreibungen oder Dialoge anfordern. Die API gibt Text zurück, den du direkt in deine Video-Generierungspipeline einspeisen kannst, um eine konsistente Ausgabe zu gewährleisten.

Copycurl https://api.nsfwvideo.top/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Prompt-Engineering mit JSON-Modus

Für strukturierte Daten verwende den Parameter response_format mit dem Wert {"type": "json_object"}. Dies stellt sicher, dass das Modell gültiges JSON zurückgibt, was für das Parsen von Metadaten oder strukturierten Prompts in deinem Automatisierungsworkflow entscheidend ist. Du kannst ein Schema in deinem System-Prompt definieren, um bestimmte Schlüssel wie scene_description oder camera_angles durchzusetzen. Dies reduziert den Nachbearbeitungsaufwand und hält deine Pipeline sauber.

Copyfrom openai import OpenAI

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

Streaming-Antworten

Aktiviere Streaming, indem du stream auf true setzt. Die API gibt Chunks über Server-Sent Events (SSE) zurück. Dies ermöglicht es dir, Fortschritte anzuzeigen oder Token in Echtzeit zu verarbeiten. Jeder Chunk enthält teilweise Text, und der letzte Chunk enthält Token-Nutzungsstatistiken. Streaming ist effizient für lange Skripte und lässt deine Anwendung auf Inhalte reagieren, während sie generiert werden, ohne auf die vollständige Antwort warten zu müssen.

Copyimport OpenAI from "openai";

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

Umgang mit Kontextfenstern

Das Kontextfenster umfasst 100.000 Token, sowohl für den Prompt als auch für die Vervollständigung. Die maximale Ausgabe pro Anfrage beträgt 32.000 Token oder 2.048, wenn max_tokens nicht festgelegt ist. Plane deine Eingabelänge entsprechend, um eine Beschneidung zu vermeiden. Verwalte bei langen Gesprächen den Verlauf, indem du ältere Nachrichten kürzt. Dies stellt sicher, dass das Modell ausreichend Platz für relevanten Kontext hat und die Kohärenz bei der Generierung deines Videoskripts erhalten bleibt.

Ratenlimits und Token

Du bist auf 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel begrenzt. Der Anfragetext darf 8 MB nicht überschreiten. Fehler wie 401 (ungültiger Schlüssel) oder 402 (kein Guthaben) verbrauchen dein Prepaid-Guthaben nicht. Ratenlimits (429) verbrauchen ebenfalls kein Guthaben, sodass du ohne Strafe erneut versuchen kannst. Das Guthaben wird nur für erfolgreiche Token-Nutzung berechnet, was die Kostenkontrolle für Pipelines mit hohem Volumen gewährleistet.

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)