Integra l'API Venice AI in Pochi Minuti

Configurazione URL Base e Autenticazione

L'API vive a https://api.veniceaiapi.com/v1. Autenticati con una singola chiave API passata in Authorization header.

Iscriviti tramite Google o email per ottenere istantaneamente la tua chiave. Non è richiesto il numero di telefono. Utilizza la chiave con qualsiasi SDK compatibile con OpenAI impostando l'URL di base.

Ogni account contiene una chiave attiva. Generarne una nuova revoca immediatamente la chiave vecchia. Questo garantisce un controllo di accesso semplice senza complessi ambiti di autorizzazione.

L'ID del modello che devi inviare è "uncensored". È un modello open-weight ottimizzato per rispondere senza rifiuti di contenuti per l'uso adulto lecito.

• Base URL: https://api.veniceaiapi.com/v1
• Intestazione Auth: Authorization: Bearer YOUR_API_KEY
• Modello: uncensored

Puoi testare la connettività con una semplice richiesta GET a /v1/models. Questo conferma che la tua chiave funziona prima di inviare payload pesanti.

L'endpoint /v1/chat/completions

Invia prompt di testo a POST /v1/chat/completions e ricevi risposte testuali. Questo endpoint gestisce tutte le interazioni di chat standard.

Includi la tua matrice di messaggi con i campi role e content. Il modello elabora l'input e restituisce un completamento. Puoi controllare la lunghezza dell'output utilizzando il max_tokens parametro.

Il massimo di output predefinito è di 2.048 token. Puoi aumentarlo fino a 16.000 token per richiesta. La finestra di contesto totale consente 100.000 token combinando prompt e completamento.

Errori e rifiuti non consumano il tuo credito prepagato. Questo significa che paghi solo per la generazione di token andata a buon fine.

Parametri del modello: Temperatura, Top-P e Seed

Controlla la casualità dell'output utilizzando i parametri standard LLM. Imposta temperature per regolare la creatività. Valori più bassi rendono le risposte più deterministiche e focalizzate.

Usa top_p per il campionamento nucleare. Questo limita il modello a considerare la percentuale superiore della massa di probabilità. Aiuta a prevenire output ripetitivi o nonsensici.

Imposta seed per risultati riproducibili. Questo è utile per il debugging o per testare variazioni specifiche del prompt. Puoi anche usare stop sequenze per interrompere la generazione anticipatamente.

Altri parametri supportati includono presence_penalty e frequency_penalty. Questi aiutano a gestire la diversità dei token nelle conversazioni lunghe.

Regola queste impostazioni in base al tuo caso d'uso. Il roleplay beneficia di una temperatura più alta. La generazione di codice potrebbe richiedere valori più bassi.

Risposte in streaming con Server-Sent Events

Abilita lo streaming impostando stream: true nella tua richiesta. L'API restituisce Server-Sent Events (SSE) invece di un singolo oggetto JSON.

Ogni chunk contiene testo parziale. Questo ti permette di visualizzare i risultati in tempo reale per i tuoi utenti. Migliora significativamente la latenza percepita per le risposte lunghe.

L'ultimo chunk include le statistiche totali sull'utilizzo dei token. Puoi monitorare il consumo del tuo credito con precisione in tempo reale.

Gestisci gli errori di stream in modo elegante. Le interruzioni di rete potrebbero troncare la risposta. Puoi riprendere o ripetere la richiesta se necessario.

Function Calling e modalità JSON

Utilizza il function calling per integrare l'API con la logica del tuo backend. Definisce gli strumenti nella tua richiesta e il modello restituirà argomenti JSON strutturati.

Imposta response_format: {"type": "json_object"} per forzare un output JSON rigoroso. Questo è ideale per analizzare i dati nella tua applicazione.

Il function calling funziona insieme allo streaming. Puoi ricevere dati strutturati in tempo reale. Ciò abilita interazioni complesse in più fasi.

Il modello comprende le definizioni degli strumenti ed li esegue di conseguenza. Gestisci la logica di esecuzione degli strumenti nel tuo codice.

Questa funzionalità rende l'API adatta alla creazione di agenti o flussi di lavoro automatizzati.

Limiti di frequenza e vincoli sui token

Ogni chiave API è limitata a 300 richieste al minuto. Puoi avere 8 richieste concorrenti contemporaneamente. Questo impedisce che improvvisi picchi di carico sovraccarichino il sistema.

La dimensione massima del corpo della richiesta è di 8 MB. Assicurati che i tuoi payload rientrino in questo limite. Le finestre di contesto grandi consumano questa quota rapidamente.

Gli errori comuni includono 401 per chiavi non valide e 402 per credito insufficiente. Un errore 429 indica che hai raggiunto il limite di frequenza.

I rimborsi non sono disponibili per il credito. Tuttavia, errori come le addebitazioni doppie vengono corretti tramite il Supporto. Il tuo credito non scade mai.

Il prezzo è $0,15 per 1M token di input e $0,50 per 1M token di output. Le ricariche sono solo in criptovalute da $20 a $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);

Streaming

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)