Vibevoice 管道快速入门

前置条件

在集成之前，请确保您拥有活跃账户。通过 Google 或电子邮件在获取 API 密钥页面注册，即可立即获得您的唯一密钥。初始 $0.50 试用无需信用卡。我们的无审查 LLM 通过标准接口提供模型 id "uncensored"。基础 URL 为 https://api.vibevoice.top/v1.。此设置适用于任何 OpenAI SDK，使其成为许多现有管道的即插即用替代品。

身份验证

在 Authorization 标头中传递您的 API 密钥。格式必须为 "Bearer YOUR_API_KEY"。如果密钥缺失或无效，API 将返回 401 错误。由于我们专注于文本处理，请确保您的管道仅发送文本数据。密钥与一个账户绑定；生成新密钥会立即替换旧密钥。这种简洁性允许在开发环境中快速迭代。

发送请求

向 /v1/chat/completions 发出 POST 请求。包含模型 id、您的消息以及任何参数。以下是使用 cURL 的基本示例：

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."}]
  }'

此请求向模型发送简单指令。响应包含生成的文本。你可以调整 temperature 等参数以控制创造性，或严格限制输出长度。这种直接方法非常适合生成脚本、字幕或其他工具使用的提示词变体。

Python SDK 集成

使用官方 OpenAI Python 库。将基础 URL 配置为指向我们的服务。将您的 API 密钥作为 api_key 传递。这使您可以使用熟悉的方法，如 client.chat.completions.create()。这是一个 OpenAI 兼容 API，因此您现有的代码结构可能只需少量更改。此方法非常适合后端处理或数据提取任务。

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)

记得优雅地处理异常。网络错误或速率限制可能会中断你的管道。记录响应有助于调试为何特定提示词被拒绝或生成意外输出。

Node SDK 集成

对于 JavaScript 环境，使用 openai npm 包。在配置对象中设置 apiKey 和 baseURL 属性。这确保请求发送到正确的接口。Node SDK 支持与 Python 版本相同的参数。它非常适合需要在按需生成文本的 Web 服务器或边缘函数。

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);

确保管理客户端对象的生命周期以避免资源泄漏。此集成可稳健地处理现代 Web 应用程序中的异步文本生成任务。

流式响应

通过在请求中设置 stream 为 true 启用流式输出。API 以生成的块形式返回数据。这对于实时显示或渐进式文本渲染很有用。最后一个块包含完整的 token 使用统计信息。流式输出降低了终端用户的感知延迟。

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)

正确处理流以确保处理所有数据。如果连接断开，你可能会错过最终的使用数据。此功能对于需要在文本生成时显示文本的应用程序非常宝贵。