SillyTavern OpenAI-kompatible API: Schritt-für-Schritt-Anleitung

Bevor du startest

Du brauchst drei Dinge: eine installierte SillyTavern-Instanz, einen API-Schlüssel und die Endpunkt-Details. Für den Schlüssel registriere dich auf der API-Schlüssel-Seite mit Google oder E-Mail und beanspruche mit einem Klick das $0,50 Testguthaben. Es benötigt keine Zahlungsmethode und gilt 7 Tage. Vollständige Aufladungen werden in Krypto bezahlt (USDT auf TRC20 oder USDC auf Base), ab $20.

Die Werte, die du einfügst:

Feld	Wert
Base-URL	https://api.nsfwaiapi.com/v1
Modell-ID	uncensored
Auth	Bearer-Schlüssel als API-Schlüssel gesendet

Füge /chat/completions nicht zur Basis-URL hinzu. SillyTavern hängt den Pfad selbst an.

Das Modell wurde für die Beantwortung ohne Inhaltsfilter für die rechtmäßige Nutzung durch Erwachsene optimiert. Sexuelle Inhalte mit Minderjährigen sind niemals erlaubt, also halte deine Charakterdefinitionen auf Erwachsene beschränkt.

Prüfe den Schlüssel außerhalb der App

Ein Zweiminutentest spart viel Raten. Wenn curl funktioniert, ist jeder spätere Fehler eine SillyTavern-Einstellung, nicht dein Schlüssel.

Copycurl https://api.nsfwaiapi.com/v1/models \
  -H "Authorization: Bearer YOUR_KEY"

Eine JSON-Liste, die uncensored enthält, bedeutet, dass Schlüssel und URL korrekt sind. Versuche dann eine echte Completion:

Copycurl https://api.nsfwaiapi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Say hi in five words."}]}'

Eine Antwort mit einem choices-Array bestätigt, dass die Generierung funktioniert. Der X-Balance-USD-Antwortheader zeigt dein verbleibendes Guthaben an. Weitere Endpunkt-Details findest du in den Dokumenten.

SillyTavern Schritt für Schritt verbinden

1. Öffne das Steckersymbol (API-Verbindungen) in der oberen Leiste.
2. Setze den API-Typ auf Chat Completion.
3. Wähle im Quellen-Dropdown Benutzerdefiniert (OpenAI-kompatibel).
4. Füge im benutzerdefinierten Endpunktfeld https://api.nsfwaiapi.com/v1 ein.
5. Füge deinen Schlüssel in das API-Schlüssel-Feld ein und speichere ihn.
6. Gib im Modell-ID-Feld uncensored ein. Wenn die App nach der Verbindung eine Modellliste anzeigt, wähle denselben Namen.
7. Klicke auf Verbinden. Eine grüne Statuszeile bedeutet, dass die App den Endpunkt erreicht hat.

Menübezeichnungen ändern sich in SillyTavern-Versionen leicht. Wenn ein Feld einen anderen Namen hat, suche nach dem, das die Endpunkt-URL enthält. Das Prinzip ist in jeder Version gleich: Die App sendet standardisierte OpenAI-Anfragen an die URL, die du angibst.

Kontextgröße und Antwortlänge

Dieses Modell hat ein 100.000-Token-Kontextfenster, das sich Prompt und Antwort teilen. SillyTavern sendet bei jedem Schritt deine Charakterdefinition, World Info, Chat-Verlauf und System-Prompt. Du entscheidest, wie viel Verlauf du mit dem Kontextgrößen-Slider einbeziehst.

Größer ist nicht automatisch besser. Eingabe wird mit $0,15 pro 1 Mio. Token abgerechnet. Eine Anfrage, die 32.000 Token Kontext füllt, kostet 32.000 / 1.000.000 x $0,15 = $0,0048 vor der Antwort. Bei 100.000 Token sind es $0,015 pro Anfrage. Über einen 200-Nachrichten-Abend ist das echtes Geld im Verhältnis zu einem $20-Guthaben: 200 x $0,0048 = $0,96 gegenüber 200 x $0,015 = $3,00 nur für die Eingabe, vorausgesetzt, der Kontext ist ab der ersten Nachricht voll, was es für einen neuen Chat überzeichnet.

Ein praktischer Start sind 16.000 bis 32.000 Token Kontext und eine Antwortlänge von 300 bis 500 Token. Erhöhe den Kontext nur, wenn der Charakter wichtige Details vergisst. Der Roleplay-Modell-Guide geht darauf ein, wie lange Kontexte Szenen beeinflussen.

Sampler-Einstellungen zum Ausprobieren

Mit der Chat-Completion-Quelle sendet SillyTavern die Sampler-Werte, die die API akzeptiert. Dieser Dienst durchlässt Temperatur, Top P, Stop, Seed und die Häufigkeits- und Präsenzstrafen.

• Temperatur: 0,85 bis 1,0 für kreative Szenen, 0,6 bis 0,7, wenn der Charakter abschweift.
• Top P: 0,9 bis 0,95.
• Häufigkeits- und Präsenzstrafe: 0,2 bis 0,5, um wiederholte Formulierungen in langen Chats zu reduzieren.
• Streaming: Aktiviere es. Antworten erscheinen Wort für Wort und wirken schneller. Eine gestreamte Anfrage belegt einen Concurrency-Slot, bis der Stream endet, was nur relevant ist, wenn du mehrere Chats gleichzeitig ausführst.

Einstellungen, die zu anderen Backends gehören, wie Top K, Min P oder Wiederholungsstrafe aus lokalen Engines, werden möglicherweise ignoriert. Wenn ein Slider keine sichtbare Wirkung hat, verschwende keine Zeit damit.

Häufige Fehler beheben

401 oder ein Authentifizierungsfehler

Der Schlüssel wurde mit einem Leerzeichen oder dem falschen Wert eingefügt. Füge ihn erneut ein und klicke auf Speichern, bevor du dich verbindest.

404 oder ein Modellfehler

Prüfe, ob die Basis-URL auf /v1 endet und die Modell-ID genau uncensored lautet, kleingeschrieben.

429 mit dem Code rate_limited oder concurrency

Ein voller Schlüssel erlaubt 300 Anfragen pro Minute und 8 gleichzeitig; ein Trial-Schlüssel erlaubt 60 pro Minute und 2 gleichzeitig. Wenn du mehrere Tabs oder einen Gruppenchat hast, der gemeinsam generiert, kannst du das Concurrency-Limit erreichen. Warte einen Moment und versuche es erneut. Ein 429 mit einem Retry-After: 5-Header bedeutet temporäre Überlastung, daher ist fünf Sekunden warten die richtige Maßnahme.

Antwort mitten im Satz abgeschnitten

Erhöhe die Antwortlänge in SillyTavern. Die API selbst erlaubt einer Completion, den Rest des Fensters zu nutzen.

Guthaben ist aufgebraucht

Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet, erfolgreiche schon. Prüfe die Preisgestaltung für Aufladebeträge und Boni.

Prompts, Presets und Gruppenchats

Der Chat-Completion-Modus erstellt jede Anfrage aus einer Liste von Prompt-Blöcken: Haupt-Prompt, Charakterbeschreibung, Szenario, Beispiel-Dialog, World Info und Chat-Verlauf. Du kannst sie im Prompt-Manager neu anordnen oder ausschalten. Zwei Gewohnheiten lohnen sich.

• Halte den Haupt-Prompt kurz. Ein paar Zeilen zu Stimme, Länge und der Regel, dass das Modell niemals die Zeilen des Benutzers schreibt. Lange, wiederholte Anweisungen verbrauchen bei jedem Schritt Eingabe-Token.
• Kürze Beispiel-Dialoge. Das Modell kopiert die Länge und den Stil, den es sieht. Zwei kurze Beispiele schlagen sechs lange.

Group-Chats senden eine Anfrage pro sprechendem Charakter. Mit einem Trial-Key, der auf 2 parallele Anfragen begrenzt ist, kann eine Gruppe von vier, die parallel generiert, einen concurrency-429-Fehler auslösen. Stelle die Gruppe so ein, dass sie nacheinander antwortet, oder wechsle zu einem Voll-Key mit 8 parallelen Slots.

Wenn du die Charaktere wechselst, denke daran, dass der Chat-Verlauf jedes Mal erneut gesendet wird. Ein neuer Chat beginnt mit einem kleinen Kontext und einer kleinen Rechnung, also öffne einen neuen Chat für eine neue Szene, anstatt einen 60.000-Token-Verlauf mitzuschleppen.

Was eine Session kostet

Nimm einen Abend mit 100 Nachrichten. Nehmen wir an, die durchschnittliche Anfrage enthält 12.000 Token Eingabe und liefert 350 Token. Eingabe: 100 x 12.000 = 1.200.000 Token, das sind 1,2 x $0,15 = $0,18. Ausgabe: 100 x 350 = 35.000 Token, das sind 0,035 x $0,50 = $0,0175. Die Summe beträgt etwa $0,20 für den ganzen Abend.

Das Guthaben verfällt nie und es gibt kein Abonnement, daher deckt eine $20-Aufladung bei dieser Rate etwa 100 Abende ab. Boni gelten für größere Aufladungen: +5 % ab $50, +10 % ab $100, +15 % ab $200. Die Zahlen ändern sich mit deiner Kontextgröße, dem Hauptregler, den du steuern kannst.

Weitere Anleitungen

• NSFW LLM System Prompt: Struktur und Beispiele
• Bestes lokales LLM für Roleplaying oder eine gehostete API?