Início rápido para pipelines Vibevoice

Pré-requisitos

Antes de integrar, certifique-se de ter uma conta ativa. Entre via Google ou e-mail na página Obter chave de API para receber sua chave exclusiva imediatamente. Não é necessário cartão de crédito para o crédito de teste inicial de $0,50. Nosso LLM sem censura serve o ID do modelo "uncensored" por meio de um endpoint padrão. A URL base é https://api.vibevoice.top/v1. Esta configuração funciona com qualquer SDK da OpenAI, tornando-se uma substituição pronta para usar para muitos pipelines existentes.

Autenticação

Passe sua chave de API no cabeçalho Authorization. O formato deve ser "Bearer YOUR_API_KEY". Se a chave estiver ausente ou inválida, a API retorna um erro 401. Como focamos no processamento de texto, certifique-se de que seu pipeline envie apenas dados de texto. A chave está vinculada a uma conta; gerar uma nova chave substitui a antiga instantaneamente. Essa simplicidade permite iteração rápida no seu ambiente de desenvolvimento.

Enviando uma Requisição

Faça uma requisição POST para /v1/chat/completions. Inclua o id do modelo, suas mensagens e quaisquer parâmetros. Aqui está um exemplo básico usando cURL:

Copycurl https://api.vibevoice.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."}]
  }'

Esta requisição envia uma instrução simples ao modelo. A resposta contém o texto gerado. Você pode ajustar parâmetros como temperature para criatividade ou definir limites rigorosos no comprimento da saída. Esta abordagem direta é ideal para gerar scripts, legendas ou variações de prompt para outras ferramentas.

Integração com SDK Python

Use a biblioteca oficial OpenAI Python. Configure a URL base para apontar para nosso serviço. Passe sua chave de API como api_key. Isso permite que você use métodos familiares como client.chat.completions.create(). É uma api compatível com openai, então a estrutura do seu código existente provavelmente requer alterações mínimas. Este método é perfeito para processamento de backend ou tarefas de extração de dados.

Copyfrom openai import OpenAI

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

Lembre-se de tratar exceções de forma adequada. Erros de rede ou limites de requisições podem interromper seu pipeline. Registrar a resposta ajuda a depurar por que um prompt específico pode ter sido recusado ou gerado uma saída inesperada.

Integração com SDK Node

Para ambientes JavaScript, use o pacote npm openai. Defina as propriedades apiKey e baseURL no objeto de configuração. Isso garante que as requisições vão para o endpoint correto. O SDK Node suporta os mesmos parâmetros que a versão Python. É ideal para servidores web ou funções de borda que precisam gerar texto sob demanda.

Copyimport OpenAI from "openai";

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

Certifique-se de gerenciar o ciclo de vida do objeto client para evitar vazamentos de recursos. Esta integração é robusta para lidar com tarefas de geração de texto assíncronas em aplicativos web modernos.

Respostas em Streaming

Ative o streaming definindo stream como true na sua requisição. A API retorna dados em chunks conforme são gerados. Isso é útil para exibições em tempo real ou renderização progressiva de texto. O último chunk inclui as estatísticas completas de uso de tokens. O streaming reduz a latência percebida para os usuários finais.

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)

Trate o stream corretamente para garantir que todos os dados sejam processados. Se a conexão cair, você pode perder os dados de uso finais. Este recurso é valioso para aplicativos que precisam exibir texto conforme ele está sendo escrito.