URL di base e autenticazione
La nostra API segue lo standard di compatibilità OpenAI, il che significa che puoi utilizzare SDK esistenti con modifiche minime. L'URL di base è https://api.sdxlnsfw.top/v1. Ti autentichi utilizzando un token Bearer nell'header Authorization. A differenza di molti concorrenti, non richiediamo un numero di telefono per la registrazione; puoi creare un account tramite Google o email e ricevere la tua chiave immediatamente.
Ogni account supporta una chiave attiva alla volta. Se generi una nuova chiave, quella vecchia viene revocata istantaneamente. Assicurati che la tua intestazione Authorization sia impostata su Bearer YOUR_API_KEY per tutte le richieste. Questo endpoint gestisce tutta l'elaborazione del testo, dalla generazione di prompt alla didascalia, senza interferire con le tue pipeline di immagini o audio.
Invia la tua prima richiesta
Inizia inviando una semplice richiesta di completamento del testo per verificare la connettività. L'ID del modello è uncensored. Questo modello è ottimizzato per rispondere senza rifiuti di contenuto per l'uso adulto legale, rendendolo ideale per l'ingegneria dei prompt NSFW. Puoi inviare fino a 100,000 token nella context window, senza un limite separato per l'output per richiesta.
Di seguito è riportato un esempio cURL di base per testare l'endpoint. Sostituisci YOUR_API_KEY con la tua chiave. Se ricevi una risposta JSON con contenuto, la tua integrazione sta funzionando. Errori come 401 indicano una chiave non valida, mentre 402 significa che devi ricaricare il tuo credito.
Generazione prompt per sdxl nsfw
Usa l'API per generare prompt dettagliati per le tue pipeline SDXL NSFW. Il modello senza censura gestisce tag specifici, descrizioni anatomiche e stili artistici senza filtri. Puoi passare un prompt di sistema per definire il ruolo del modello, assicurando un output coerente per il tuo flusso di lavoro. Ad esempio, chiedi di espandere un concetto semplice in un prompt completo con dettagli di illuminazione e fotocamera.
L'API è solo testo, quindi non genera l'immagine stessa. Fornisce l'infrastruttura testuale che alimenta il tuo passaggio di generazione. Questo garantisce che i tuoi metadati e prompt rimangano senza censura, preservando l'esatta intenzione della tua direzione creativa. Usa il parametro temperature per controllare la creatività; valori più alti producono prompt più variati.
Chiamata di funzioni e strumenti
Integra l'estrazione di dati strutturati o l'uso di strumenti nella tua pipeline. L'API supporta la chiamata di funzioni, permettendoti di definire strumenti che il modello può invocare. Questo è utile per analizzare testo non strutturato o attivare azioni specifiche nel tuo script. Imposta tool_choice per controllare se il modello deve usare uno strumento o può scegliere liberamente.
Definisci le tue funzioni nell'array tools. Il modello restituirà una risposta con chiamate di funzioni se appropriato. Questa funzione è disponibile per tutte le richieste, abilitando logica complessa nei tuoi flussi di lavoro di classificazione testuale NSFW o didascalia. Assicurati che le definizioni delle funzioni siano JSON valido per evitare errori di analisi.
Risposte in streaming
Per le applicazioni in tempo reale, utilizza gli eventi Server-Sent (SSE) per lo streaming delle risposte token per token. Questo riduce la latenza percepita e ti permette di mostrare i progressi mentre il modello genera testo. Lo streaming è abilitato impostando stream: true nella tua richiesta. Ogni frammento contiene contenuto parziale e l'ultimo frammento include le statistiche di utilizzo dei token.
Questo è particolarmente utile per la generazione di prompt lunghi o per la scrittura di script. Puoi elaborare i token man mano che arrivano, costruendo il testo finale in modo incrementale. Ricorda che gli errori durante lo streaming possono comunque restituire un frammento finale con i dettagli dell'errore. Gestisci le interruzioni di rete in modo elegante, poiché le connessioni in streaming possono interrompersi.
Modalità JSON per dati strutturati
Assicurati un output coerente per le pipeline automatizzate utilizzando la modalità JSON. Imposta response_format su {"type": "json_object"} per forzare il modello a restituire JSON valido. Questo è fondamentale per analizzare le risposte nel tuo codice senza regex complesse o post-elaborazione. Il modello aderirà alla struttura che definisci nel tuo prompt di sistema o negli esempi few-shot.
Usa questo per generare metadati, estrarre tag o formattare prompt per strumenti a valle. La modalità JSON garantisce affidabilità, riducendo la possibilità che risposte malformate interrompano la tua pipeline. Nota che la modalità JSON può aumentare leggermente la latenza a causa del sovraccarico di convalida. Convalida sempre l'output nel tuo codice, poiché il modello può ancora produrre JSON non valido in casi limite.
cURL
curl https://api.sdxlnsfw.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."}]
}'Python
from openai import OpenAI
client = OpenAI(base_url="https://api.sdxlnsfw.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)Node.js
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.sdxlnsfw.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);sì — server-sent events; l'ultimo blocco riporta l'uso dei token
stream = 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)