API 文件：用於文本管線的聊天補全

Base URL 與身份驗證

首先，將你的客戶端指向 Base URL https://api.speechtotextapis.com/v1。此端點完全相容 OpenAI，這意味著你可以透過僅覆蓋 base_url 參數來使用任何標準 openai SDK。你無需重寫請求邏輯；只需替換 URL 並注入你的 API 金鑰即可。金鑰在註冊後於金鑰頁面立即生成。它與你的帳戶綁定，且你可隨時重新生成它，舊金鑰將立即失效。無需手機號碼，試用額度無需綁卡即可啟用。此設定讓你的管線保持簡潔，同時確保你能存取能處理合法成人內容且不軟化輸出的無審查模型。

第一個請求

向 /v1/chat/completions 發送標準 POST 請求。模型識別碼始終為 uncensored。該模型是針對合法主題最小化拒絕而微調的開放權重變體。它運行在我們的專用 GPU 伺服器上。你不會得到 GPT 或 Claude；你獲得的是一致且單一的模型體驗。請求主體包含 model、messages 和 stream 標誌。以下是驗證連接性並獲取文本回應的基本 cURL 範例。

Copycurl https://api.speechtotextapis.com/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."}]
  }'

此請求返回包含生成文本的 JSON 物件。如果金鑰無效，您將收到 401 錯誤。如果您的預付額度已耗盡，您將收到 402 錯誤。這些是在除錯邏輯之前需要檢查的主要阻礙。

Python SDK 整合

對於 Python 開發者，官方 openai 庫可直接使用。使用你的金鑰和自訂 Base URL 初始化客戶端。在聊天補全呼叫中傳遞 uncensored 模型 ID。此方法非常適合用於後處理語音辨識輸出、清理轉錄雜訊或從原始文本中提取結構化數據。無審查特性確保如果你的轉錄包含成人對話或爭議性詞彙，LLM 將在不為得體而阻止或重寫的情況下處理它們。對於以忠於原始音訊為首要任務的創意管線來說，這至關重要。SDK 自動處理 tokenization 和重試邏輯。

Copyfrom openai import OpenAI

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

請記住，模型 ID 嚴格為 uncensored。不要將其替換為 gpt-4 或其他通用識別碼，因為這些可能不會路由到我們特定的無審查權重。

Node SDK 整合

Node.js 開發者可以類似地使用 openai npm 套件。在客戶端構造函數中設置 apiKey 和 baseURL。然後使用 uncensored 模型調用 chat.completions.create。這對於即時字幕腳本或伺服器端文本生成任務很有用。API 支援標準 JSON 負載。你可以包含系統消息來定義助手的話語或角色。無審查模型直接回應這些提示詞，不會經過可能改變創意輸出的額外安全層。如果你正在處理大型文檔，請確保處理響應串流。Node SDK 抽象化了 HTTP 細節，讓你專注於文字管線邏輯。

Copyimport OpenAI from "openai";

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

速率限制適用於每個金鑰。如果您超過每分鐘 300 次請求，API 將返回 429 錯誤。在重試邏輯中實施指數退避以優雅地處理此情況。

串流回應（SSE）

對於低延遲應用，在請求中設置 stream: true 以啟用串流輸出。API 返回 Server-Sent Events (SSE) 數據塊。每個數據塊包含部分文本增量。這對於即時字幕或互動式聊天介面至關重要。無審查模型原生支援串流輸出。你無需等待完整完成即可開始顯示文本。這顯著降低了感知延遲。配置你的 SDK 以處理串流事件。在 Python 中，迭代串流對象。在 Node 中，使用異步迭代器。串流以包含完成原因的最後一個數據塊結束。此方法在頻寬和用戶體驗方面都很高效。

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)

串流不會改變 token 計費。無論您是串流還是請求完整回應，您都將為總輸入和輸出 token 付費。

限制與約束

你的帳戶每個 API 金鑰每分鐘有 300 次請求的硬性限制。請求主體不能超過 8 MB。上下文視窗為 100,000 個 token，涵蓋提示詞和補全。這足以滿足大多數文檔處理和長上下文轉錄任務。如果你發送的提示詞超出視窗，API 將返回錯誤。無審查模型僅阻止一個特定的硬性限制：涉及未成年人的性內容。所有其他合法的成人內容均被允許。這使其非常適合預期內容多樣性的媒體管線。沒有訂閱；你按量付費。預付額度不會過期。如有需要，可使用 GET /v1/models 端點驗證可用性，儘管模型 ID 始終為 uncensored。