URL Base & Autenticação
Nossa API segue o padrão de compatibilidade com OpenAI, o que significa que você pode usar SDKs existentes com alterações mínimas. A URL base é https://api.sdxlnsfw.top/v1. Você se autentica usando um token Bearer no cabeçalho Authorization. Ao contrário de muitos concorrentes, não exigimos número de telefone para cadastro; você pode criar uma conta via Google ou e-mail e receber sua chave imediatamente.
Cada conta suporta uma chave ativa por vez. Se você gerar uma nova chave, a antiga será revogada instantaneamente. Certifique-se de que o cabeçalho Authorization esteja definido como Bearer YOUR_API_KEY para todas as requisições. Este endpoint lida com todo o processamento de texto, desde a geração de prompts até a geração de legendas, sem interferir nos seus pipelines de imagem ou áudio.
Envie sua primeira requisição
Comece enviando uma solicitação simples de conclusão de texto para verificar a conectividade. O ID do modelo é uncensored. Este modelo é ajustado para responder sem recusas de conteúdo para uso adulto legal, tornando-o ideal para engenharia de prompts NSFW. Você pode enviar até 100,000 tokens na janela de contexto, sem um limite separado de saída por solicitação.
Abaixo está um exemplo básico de cURL para testar o endpoint. Substitua YOUR_API_KEY pela sua chave. Se você receber uma resposta JSON com conteúdo, sua integração está funcionando. Erros como 401 indicam uma chave inválida, enquanto 402 significa que você precisa recarregar seu crédito.
Geração de prompts para sdxl nsfw
Use a API para gerar prompts detalhados para seus pipelines SDXL NSFW. O modelo sem censura lida com tags específicas, descrições anatômicas e estilos artísticos sem filtragem. Você pode passar um prompt de sistema para definir o papel do modelo, garantindo saída consistente para seu fluxo de trabalho. Por exemplo, peça para ele expandir um conceito simples em um prompt completo com detalhes de iluminação e câmera.
A API é apenas de texto, portanto, não gera a imagem em si. Ela fornece a infraestrutura de texto que alimenta sua etapa de geração. Isso garante que seus metadados e prompts permaneçam sem censura, preservando a intenção exata da sua direção criativa. Use o parâmetro temperature para controlar a criatividade; valores mais altos resultam em prompts mais variados.
Chamada de Funções & Ferramentas
Integre extração de dados estruturados ou uso de ferramentas no seu pipeline. A API suporta chamada de funções, permitindo que você defina ferramentas que o modelo pode invocar. Isso é útil para analisar texto não estruturado ou acionar ações específicas no seu script. Defina tool_choice para controlar se o modelo deve usar uma ferramenta ou pode escolher livremente.
Defina suas funções no array tools. O modelo retornará uma resposta com chamadas de ferramentas se for apropriado. Este recurso está disponível para todas as requisições, permitindo lógica complexa em seus fluxos de trabalho de classificação de texto NSFW ou legendagem. Certifique-se de que suas definições de função sejam JSON válido para evitar erros de análise.
Respostas em Streaming
Para aplicativos em tempo real, use Server-Sent Events (SSE) para transmitir respostas token por token. Isso reduz a latência percebida e permite exibir o progresso conforme o modelo gera texto. O streaming é ativado definindo stream: true em sua solicitação. Cada fragmento contém conteúdo parcial, e o fragmento final inclui estatísticas de uso de tokens.
Isso é particularmente útil para geração de prompts longos ou escrita de scripts. Você pode processar tokens à medida que chegam, construindo o texto final de forma incremental. Lembre-se de que erros durante o streaming podem ainda retornar um fragmento final com detalhes do erro. Lidar com interrupções de rede de forma elegante, pois conexões de streaming podem ser interrompidas.
Modo JSON para Dados Estruturados
Garanta saída consistente para pipelines automatizados usando o modo JSON. Defina response_format para {"type": "json_object"} para forçar o modelo a retornar JSON válido. Isso é crítico para analisar respostas no seu código sem regex complexo ou pós-processamento. O modelo seguirá a estrutura que você definir no seu prompt de sistema ou exemplos few-shot.
Use isso para gerar metadados, extrair tags ou formatar prompts para ferramentas downstream. O modo JSON garante confiabilidade, reduzindo a chance de respostas malformadas quebrarem seu pipeline. Observe que o modo JSON pode aumentar ligeiramente a latência devido à sobrecarga de validação. Sempre valide a saída no seu código, pois o modelo ainda pode produzir JSON inválido em casos extremos.
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);sim — server-sent events; o último bloco traz o uso de tokens
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)