Dolphin nsfw API-Dokumentation

Basis-URL und Authentifizierung

Verbinden Sie sich über die Standard-OpenAI-kompatible Basis-URL. Ersetzen Sie Ihren vorhandenen API-Schlüssel durch den, den Sie aus Ihrem Dashboard generiert haben. Wir unterstützen jede Client-Bibliothek, die eine Überschreibung der Basis-URL akzeptiert.

• Base URL: https://api.dolphinnsfw.com/v1
• Auth: Bearer-Token im Authorization header.

Die Authentifizierung ist sofort. Ihr Schlüssel funktioniert sofort nach der Generierung. Keine Telefonnummer ist erforderlich. Melden Sie sich mit Google oder E-Mail an. Das Dashboard zeigt Ihren Schlüssel einmal an. Fehler sind kostenlos. Ablehnungen kosten nichts. Dies stellt sicher, dass Sie nur für tatsächliche Tokens bezahlen.

Erste Anfrage

Sende eine Vervollständigungsanfrage an den Chat-Endpunkt. Die Modell-ID ist uncensored. Es verarbeitet Erwachsenenthemen ohne Ablehnung. Verwenden Sie Standard-JSON-Strukturen. Der Request-Body enthält Nachrichten und Parameter.

Hier ist ein einfacher curl-Befehl, um die Verbindung zu testen. Er sendet eine kurze Eingabeaufforderung. Die Antwort enthält generierten Text. Prüfen Sie den Statuscode auf Erfolg.

Copycurl https://api.dolphinnsfw.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a 500 word scene of two dolphins mating at sunset"}]
  }'

Dies funktioniert für jede einfache Textgenerierungsaufgabe. Sie können Temperatur und top_p anpassen. Das Modell reagiert schnell. Keine komplexe Einrichtung erforderlich.

Python SDK-Integration

Verwenden Sie die offizielle OpenAI Python-Bibliothek. Legen Sie die Basis-URL auf unseren Endpunkt fest. Übergeben Sie Ihren API-Schlüssel. Der Code bleibt identisch zur Standard-GPT-Nutzung. Dies reduziert die Integrationszeit erheblich.

Installieren Sie die Bibliothek. Konfigurieren Sie den Client. Senden Sie Nachrichten. Das Antwortobjekt enthält den generierten Text. Sie können die Token-Nutzung aus der Antwort abrufen. Dies hilft, die Kosten zu verfolgen.

Copyfrom openai import OpenAI

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

Die Bibliothek übernimmt Retries. Sie verwaltet Header automatisch. Sie erhalten strukturierte Daten. Dieser Ansatz funktioniert sowohl für lokale Skripte als auch für Web-Apps.

Node SDK-Integration

Initialisieren Sie den Node.js-Client. Zeigen Sie ihn auf unsere Basis-URL. Verwenden Sie Ihren API-Schlüssel. Die Syntax entspricht der offiziellen Dokumentation. Dies gewährleistet Konsistenz über verschiedene Sprachen hinweg.

Erstellen Sie eine Client-Instanz. Definieren Sie das Modell. Senden Sie eine Eingabeaufforderung. Die Antwort enthält den Inhalt. JSON kann einfach analysiert werden. Dies eignet sich gut für serverseitiges Rendering. Es passt auch zu serverlosen Funktionen.

Copyimport OpenAI from "openai";

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

Das SDK verarbeitet Streaming intern. Sie können auch manuell abrufen. Dies gibt Ihnen Flexibilität. Wählen Sie die Methode, die zu Ihrer Architektur passt.

Streaming und Tool-Einsatz

Aktivieren Sie Streaming für Echtzeit-Ausgaben. Legen Sie den stream-Parameter auf true fest. Die API sendet Datenchunks über Server-Sent Events. Dies reduziert die wahrgenommene Latenz. Nutzer sehen den Text, während er generiert wird.

Function Calling wird unterstützt. Definieren Sie Tools in der Anfrage. Das Modell gibt Tool-Aufrufe zurück. Sie führen sie aus. Übergeben Sie die Ergebnisse dann zurück. Dies ermöglicht komplexe Workflows. Der JSON-Modus ist ebenfalls verfügbar. Legen Sie response_format zu {"type": "json_object"}. Dies gewährleistet strenge Ausgabeformate.

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)

Das Streaming funktioniert mit allen Parametern. Temperature und top_p gelten pro Chunk. Dies ermöglicht eine präzise Steuerung. Sie können die Generierung frühzeitig stoppen. Der letzte Chunk enthält die gesamte Token-Nutzung.

Limits, Fehler und Kontext

Das Context-Window umfasst 100.000 Tokens. Dies umfasst Eingabeaufforderung und Antwort. Maximale Ausgabe sind 16.000 Tokens. Die Größe des Anfragekörpers beträgt 8 MB. Die Ratenbegrenzung liegt bei 300 Anfragen pro Minute. Die Parallelität beträgt 8 Anfragen pro Schlüssel.

Behandle Fehler korrekt. Ein 401-Fehler bedeutet einen ungültigen Schlüssel. Ein 402-Fehler zeigt kein Guthaben an. Ein 429-Fehler signalisiert Limits. Dies sind standardisierte HTTP-Codes. Dein Client sollte wiederholen oder den Nutzer informieren.

Die Preise sind transparent. Eingabe-Token kosten $0.15 pro Million. Ausgabe-Token kosten $0.50 pro Million. Fehler verbrauchen kein Guthaben. Dies schützt Ihr Budget. Prepaid-Guthaben verfällt nicht. Nutzen Sie das Testguthaben, um zuerst zu testen.