Guida rapida: Integra testo senza censura nel tuo flusso video

URL base e autenticazione

La nostra API è ospitata su https://api.nsfwvideo.top/v1. Per l'autenticazione, è necessaria una chiave API dal dashboard del tuo account. Puoi registrarti tramite Google o email per ricevere la tua chiave immediatamente. Inserisci questa chiave nell'intestazione Authorization come token Bearer. Questa configurazione funziona con qualsiasi SDK compatibile con OpenAI configurando l'URL di base e la chiave API. Assicurati che il tuo client invii le richieste al nostro endpoint specifico per accedere al modello senza censura.

Genera script video

Invia una richiesta POST a /v1/chat/completions con l'ID del modello uncensored. Questo modello è ottimizzato per rispondere senza rifiuti di contenuto per uso adulto legale, rendendolo ideale per i copioni video NSFW. Puoi richiedere descrizioni dettagliate di scene o dialoghi. L'API restituisce testo che puoi alimentare direttamente nella tua pipeline di generazione video per un output coerente.

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."}]
  }'

Ingegnerizzazione del prompt con modalità JSON

Per i dati strutturati, utilizza il parametro response_format impostato su {"type": "json_object"}. Questo garantisce che il modello restituisca JSON valido, essenziale per l'analisi dei metadati o dei prompt strutturati nel tuo flusso di lavoro di automazione. Puoi definire uno schema nel tuo prompt di sistema per imporre chiavi specifiche come scene_description o camera_angles. Questo riduce il sovraccarico di post-elaborazione e mantiene pulita la tua pipeline.

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)

Risposte in streaming

Abilita lo streaming impostando stream su true. L'endpoint restituisce i blocchi tramite Server-Sent Events (SSE). Questo ti permette di visualizzare i progressi o elaborare i token in tempo reale. Ogni blocco contiene testo parziale, e l'ultimo blocco include le statistiche sull'utilizzo dei token. Lo streaming è efficiente per script lunghi, consentendo alla tua applicazione di reagire ai contenuti man mano che vengono generati senza attendere la risposta completa.

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);

Gestione delle finestre di contesto

La finestra di contesto è di 100.000 token, che coprono sia il prompt che il completamento. L'output massimo per richiesta è di 32.000 token, o 2.048 se max_tokens non è impostato. Pianifica la lunghezza del tuo input di conseguenza per evitare il troncamento. Per conversazioni lunghe, gestisci la cronologia eliminando i messaggi più vecchi. Questo garantisce che il modello abbia spazio sufficiente per il contesto rilevante, mantenendo la coerenza nella generazione del tuo script video.

Limiti di velocità e token

Sei limitato a 300 richieste al minuto e a 8 richieste parallele per chiave. Il corpo della richiesta non deve superare gli 8 MB. Errori come 401 (chiave non valida) o 402 (nessun credito) non consumano il tuo credito prepagato. Anche i limiti di velocità (429) non consumano credito, permettendoti di riprovare senza penalità. Il credito viene addebitato solo per l'utilizzo riuscito dei token, garantendo il controllo dei costi per pipeline ad alto volume.

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)