Guide de démarrage rapide pour les pipelines Acestep

Prérequis : obtenez votre clé API

Avant d'effectuer des requêtes, vous devez disposer d'une clé API valide. Rendez-vous sur la page Obtenir la clé API sur acestep.cc. Vous pouvez vous inscrire en utilisant Continuer avec Google ou en créant un compte avec adresse e-mail et mot de passe. Aucun numéro de téléphone n'est requis. Une fois inscrit, votre clé API s'affiche immédiatement. Copiez cette clé ; vous l'utiliserez pour authentifier toutes les requêtes suivantes. Si vous n'avez pas de crédit, vous devrez recharger. Nous acceptons uniquement les paiements en cryptomonnaie (USDT sur TRC20 ou USDC sur Base) pour des montants compris entre 10 $ et 500 $. Les nouveaux comptes reçoivent 0,50 $ de crédit d'essai gratuit valable 7 jours, sans besoin de carte bancaire. Conservez votre clé en sécurité, car elle authentifie votre utilisation face aux limites de débit et à la consommation de tokens.

Installation

L'API utilise le protocole standard compatible OpenAI. Vous pouvez interagir avec elle à l'aide des SDK OpenAI officiels pour votre langage préféré ou de n'importe quel client HTTP. Pour Python, installez le package openai. Pour Node.js, installez openai. Assurez-vous d'utiliser une version récente du SDK qui prend en charge les URL de base personnalisées. L'URL de base de notre service est https://api.acestep.cc/v1. Cela vous permet de réutiliser votre code de pipeline existant qui s'attend à des endpoints OpenAI, en modifiant simplement l'URL de base et la clé API. L'ID du modèle que vous devez spécifier dans vos requêtes est uncensored. Ce modèle est un LLM à poids ouverts, ajusté pour minimiser les refus sur les sujets adultes licites, fictifs ou controversés, ce qui le rend idéal pour les pipelines créatifs où les filtres de contenu bloqueraient autrement des sorties créatives valides.

Requête de base : générer du texte

Envoyez une requête POST à /v1/chat/completions avec votre prompt système et les messages utilisateur. Le modèle retournera du texte généré. Assurez-vous de définir le paramètre model sur uncensored. Vous pouvez contrôler la créativité avec temperature et top_p. La fenêtre de contexte prend en charge jusqu'à 100 000 tokens au total (prompt + complétion). Le maximum de sortie par requête est de 32 000 tokens, ou 2 048 si vous ne spécifiez pas max_tokens. Les erreurs et les refus ne consomment pas de crédit, mais la génération réussie de tokens en consomme. Utilisez cet endpoint pour générer des scripts, des légendes ou traiter des données textuelles avant de les transmettre à d'autres API de modalités comme la synthèse vocale ou la génération d'images.

Réponses en streaming

Pour des mises à jour en temps réel, définissez stream: true dans votre requête. L'API retourne des Server-Sent Events (SSE). Chaque chunk contient du texte partiel. Les détails d'utilisation des tokens sont fournis dans le dernier chunk du stream. Cela est utile pour les applications qui affichent le texte au fur et à mesure de sa génération, améliorant la latence perçue pour les utilisateurs. Assurez-vous que votre client gère correctement les SSE. Le stream vous permet de traiter les tokens à mesure qu'ils arrivent, ce qui est bénéfique pour la génération de contenu long dans votre pipeline. Rappelez-vous que le streaming ne modifie ni la tarification ni les limites de tokens ; vous êtes toujours facturé pour le nombre total de tokens générés.

Appel de fonctions

L'API prend en charge l'appel de fonctions, permettant au modèle de générer des données structurées basées sur vos outils définis. Définissez vos fonctions dans le paramètre tools. Définissez tool_choice sur auto ou un nom de fonction spécifique. Le modèle répondra par un objet d'appel de fonction si cela est approprié. Cela est précieux pour extraire des données structurées à partir de texte ou préparer des entrées pour des appels d'API en aval. Vous pouvez également forcer une sortie JSON en définissant response_format sur {"type": "json_object"}. Cela garantit que le modèle retourne du JSON valide, ce qui est critique pour une intégration fiable dans votre pipeline automatisé. Utilisez ces fonctionnalités pour améliorer la fiabilité de vos étapes de traitement de texte.

Tarification et limites

La tarification est de 0,25 $ par 1 M de tokens d'entrée et de 1,00 $ par 1 M de tokens de sortie. Le crédit est prépayé et n'expire jamais. Les erreurs sont gratuites. Les limites de débit sont de 300 requêtes par minute par clé et de 8 requêtes simultanées au même moment par clé. La taille maximale du corps de la requête est de 8 Mo. Si vous dépassez la limite de débit, vous recevez une erreur 429. Une erreur 401 indique une clé invalide ou expirée. Une erreur 402 signifie que vous avez un crédit insuffisant. Les remboursements ne sont pas émis pour le crédit ; les litiges sont gérés via la page Support. Une clé active est autorisée par compte ; la génération d'une nouvelle clé remplace l'ancienne. Gardez ces limites à l'esprit lors de la conception de la logique de nouvelle tentative de votre pipeline.

cURL

Copycurl https://api.acestep.cc/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."}]
  }'

Python

Copyfrom openai import OpenAI

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