Documentation API Dolphin nsfw

URL de base et authentification

Connectez-vous en utilisant l'URL de base compatible standard d'OpenAI. Remplacez votre clé API existante par celle générée depuis votre tableau de bord. Nous supportons n'importe quelle bibliothèque cliente qui accepte un remplacement de l'URL de base.

• URL de base : https://api.dolphinnsfw.com/v1
• Auth : jeton Bearer dans le Authorization header.

L'authentification est instantanée. Votre clé fonctionne immédiatement après sa génération. Aucun numéro de téléphone n'est requis. Inscrivez-vous avec Google ou email. Le tableau de bord affiche votre clé une fois. Les erreurs sont gratuites. Les refus ne coûtent rien. Cela garantit que vous ne payez que pour les jetons réels.

Première demande

Envoyez une demande de complétion vers le point de terminaison de chat. L'ID du modèle est uncensored. Il gère les thèmes adultes sans refus. Utilisez des structures JSON standard. Le corps de la requête inclut les messages et les paramètres.

Voici une commande curl simple pour tester la connexion. Elle envoie une invite courte. La réponse renvoie du texte généré. Vérifiez le code de statut pour confirmer le succès.

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"}]
  }'

Cela fonctionne pour toute tâche simple de génération de texte. Vous pouvez ajuster la température et le top_p. Le modèle répond rapidement. Aucune configuration complexe n'est nécessaire.

Intégration du SDK Python

Utilisez la bibliothèque Python officielle d'OpenAI. Définissez l'URL de base sur notre point de terminaison. Passez votre clé API. Le code reste identique à l'utilisation standard de GPT. Cela réduit considérablement le temps d'intégration.

Installez la bibliothèque. Configurez le client. Envoyez des messages. L'objet de réponse contient le texte généré. Vous pouvez accéder à l'utilisation des jetons depuis la réponse. Cela permet de suivre les coûts.

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)

La bibliothèque gère les réessais. Elle gère automatiquement les en-têtes. Vous obtenez des données structurées. Cette approche fonctionne à la fois pour les scripts locaux et les applications web.

Intégration du SDK Node

Initialisez le client Node.js. Pointez-le vers notre URL de base. Utilisez votre clé API. La syntaxe imite la documentation officielle. Cela garantit la cohérence entre les langages.

Créez une instance de client. Définissez le modèle. Envoyez une invite. La réponse contient le contenu. Vous pouvez facilement analyser le JSON. Cela fonctionne bien pour le rendu côté serveur. Cela s'adapte également aux fonctions serverless.

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);

Le SDK gère le streaming en interne. Vous pouvez également récupérer manuellement. Cela vous offre de la flexibilité. Choisissez la méthode qui s'adapte à votre architecture.

Utilisation du streaming et des outils

Activez le streaming pour des sorties en temps réel. Définissez le paramètre stream sur true. L'API envoie des blocs via les Server-Sent Events. Cela réduit la latence perçue. Les utilisateurs voient le texte au fur et à mesure de sa génération.

L'appel de fonctions est pris en charge. Définissez des outils dans la requête. Le modèle renvoie des appels d'outils. Vous les exécutez. Puis renvoyez les résultats. Cela permet des workflows complexes. Le mode JSON est également disponible. Définissez response_format à {"type": "json_object"}. Cela garantit des formats de sortie stricts.

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)

Le streaming fonctionne avec tous les paramètres. Temperature et top_p s'appliquent par chunk. Cela permet un contrôle affiné. Vous pouvez arrêter la génération plus tôt. Le dernier chunk contient l'utilisation totale des jetons.

Limites, Erreurs et Contexte

La fenêtre de contexte est de 100 000 tokens. Cela inclut l’invite et la réponse. La sortie maximale est de 16 000 tokens. La taille du corps de la requête est de 8 Mo. Les limites de débit sont de 300 requêtes par minute. La concurrence est de 8 requêtes par clé.

Gérez les erreurs avec élégance. Une erreur 401 signifie une clé invalide. Une erreur 402 indique un crédit insuffisant. Une erreur 429 signale une limitation de taux. Ce sont des codes HTTP standard. Votre client doit réessayer ou notifier l'utilisateur.

La tarification est transparente. Les jetons en entrée coûtent 0,15 $ par million. Les jetons en sortie coûtent 0,50 $ par million. Les erreurs ne consomment pas de crédit. Cela protège votre budget. Le crédit prépayé n'expire jamais. Utilisez le crédit d'essai pour tester d'abord.