Integra la API Venice AI en Minutos

Configuración de URL Base y Autenticación

La API vive en https://api.veniceaiapi.com/v1. Autentícate con una única clave API pasada en el Authorization header.

Regístrate a través de Google o correo electrónico para obtener tu clave al instante. No se requiere número de teléfono. Usa la clave con cualquier SDK compatible con OpenAI estableciendo la URL base.

Cada cuenta contiene una clave activa. Generar una nueva revoca la clave anterior inmediatamente. Esto asegura un control de acceso sencillo sin ámbitos de permisos complejos.

El ID del modelo que debes enviar es "uncensored". Es un modelo de peso abierto ajustado para responder sin rechazos de contenido para uso adulto legal.

• URL base: https://api.veniceaiapi.com/v1
• Cabecera de autenticación: Authorization: Bearer YOUR_API_KEY
• Modelo: uncensored

Puedes probar la conectividad con una solicitud GET simple a /v1/models.Esto confirma que tu clave funciona antes de enviar cargas pesadas.

El Endpoint /v1/chat/completions

Envía prompts de texto a POST /v1/chat/completions y recibe respuestas de texto. Este endpoint maneja todas las interacciones de chat estándar.

Incluye tu matriz de mensajes con los campos role y content. El modelo procesa la entrada y devuelve una finalización. Puedes controlar la longitud de la salida utilizando el max_tokens parámetro.

El máximo de salida por defecto es de 2,048 tokens. Puedes aumentarlo hasta 16,000 tokens por solicitud. La ventana de contexto total permite 100,000 tokens para la combinación de prompt y completado.

Los errores y las denegaciones no consumen tu crédito prepagado. Esto significa que solo pagas por la generación de tokens exitosa.

Parámetros del Modelo: Temperatura, Top-P y Seed

Controla la aleatoriedad de la salida mediante parámetros estándar de LLM. Establece temperature ajustar la creatividad. Los valores más bajos hacen que las respuestas sean más deterministas y enfocadas.

Usar top_p para muestreo por núcleo. Esto limita al modelo a considerar el porcentaje superior de la masa de probabilidad. Ayuda a prevenir salidas repetitivas o sin sentido.

Establecer seed para resultados reproducibles. Esto es útil para depurar o probar variaciones específicas del prompt. También puedes usar stop secuencias para detener la generación temprano.

Otros parámetros compatibles incluyen presence_penalty y frequency_penalty. Estos ayudan a gestionar la diversidad de tokens en conversaciones largas.

Ajusta estas configuraciones para adaptarte a tu caso de uso. El roleplay se beneficia de una temperatura más alta. La generación de código podría necesitar valores más bajos.

Respuestas en streaming con Server-Sent Events

Habilita la transmisión estableciendo stream: true en tu solicitud. La API devuelve Eventos Enviados por el Servidor (SSE) en lugar de un único objeto JSON.

Cada fragmento contiene contenido de texto parcial. Esto te permite mostrar los resultados en tiempo real a tus usuarios. Mejora significativamente la latencia percibida para respuestas largas.

El último fragmento incluye las estadísticas de uso total de tokens. Puedes rastrear el consumo de tu crédito con precisión en tiempo real.

Maneja los errores de streaming de forma elegante. Las interrupciones de red pueden truncar la respuesta. Puedes reanudar o reintentar la solicitud si es necesario.

Llamada de Función y Modo JSON

Usa la llamada a funciones para integrar la API con la lógica de tu backend. Define las herramientas en tu solicitud y el modelo devolverá argumentos JSON estructurados.

Establecer response_format: {"type": "json_object"} para forzar una salida JSON estricta. Esto es ideal para analizar datos en tu aplicación.

La llamada de funciones funciona junto con la transmisión. Puedes recibir datos estructurados en tiempo real. Esto permite interacciones complejas en varios pasos.

El modelo entiende las definiciones de herramientas y las ejecuta en consecuencia. Tú gestionas la lógica de ejecución de las herramientas en tu código.

Esta característica hace que la API sea adecuada para construir agentes o flujos de trabajo automatizados.

Límites de velocidad y restricciones de tokens

Cada clave de API está limitada a 300 solicitudes por minuto. Puedes tener 8 solicitudes concurrentes al mismo tiempo. Esto evita que las ráfagas repentinas sobrecarguen el sistema.

El tamaño máximo del cuerpo de la solicitud es de 8 MB. Asegúrate de que tus cargas útiles se ajusten a este límite. Las ventanas de contexto grandes consumen esta cuota rápidamente.

Los errores comunes incluyen 401 para claves inválidas y 402 por crédito insuficiente. Un error 429 indica que has alcanzado el límite de velocidad.

Los reembolsos no están disponibles para el crédito. Sin embargo, errores como cargos dobles se corrigen a través de Soporte. Tu crédito nunca vence.

El precio es de $0.15 por cada 1M de tokens de entrada y $0.50 por cada 1M de tokens de salida. Las recargas son solo con criptomonedas desde $20 hasta $500.

cURL

Copycurl https://api.veniceaiapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return status as json"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Transmisión

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)