Rollenspiel mit KI: Kostenlose Testphase und echte Kosten

Was hier „kostenlos“ bedeutet

Es gibt keine unbegrenzte kostenlose Chat-Nutzung bei diesem Dienst, und es ist besser, das direkt zu sagen. Was du erhältst, ist ein Testguthaben: Nach der Anmeldung mit Google oder mit E-Mail und Passwort kannst du mit einem Klick auf der API-Schlüssel-Seite $0,50 Testguthaben beanspruchen. Es gibt es einmal pro Person, es ist 7 Tage gültig und erfordert keine Zahlung. Der Test-Schlüssel läuft mit 2 parallelen Anfragen und 60 Anfragen pro Minute, was für eine Person, die chattet, mehr als ausreichend ist.

Das klingt wenig, aber Token sind günstig. Input kostet $0,15 pro 1M Token und Output kostet $0,50 pro 1M. Eine typische Rollenspiel-Runde mit einem 8.000-Token-Prompt und einer 300-Token-Antwort kostet $0,00135, also deckt $0,50 etwa 370 Runden. Für viele Menschen ist das ein ganzer Abend oder mehrere kurze Geschichten, genug, um zu entscheiden, ob die Einrichtung zu ihnen passt, bevor Geld ins Spiel kommt.

Wenn das Testguthaben aufgebraucht ist, lädst du ab $20 in beliebigen ganzen Beträgen bis zu $500 auf. Guthaben verfällt nie, fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet, und es gibt kein zu kündigendes Abonnement. Diese Seite akzeptiert nur Krypto: USDT auf TRC20 oder USDC auf Base.

Wähle ein Frontend

Die API sendet nur Text über HTTP. Du brauchst immer noch etwas, das deine Charaktere, deinen Chat-Verlauf und deine Prompt-Vorlage hält. Drei gängige Optionen:

• SillyTavern. Eine lokale Web-App, die für Charakter-Chats entwickelt wurde, mit Lorebooks, Personas und Voreinstellungen. Sie ermöglicht das Hinzufügen eines OpenAI-kompatiblen Endpunkts, was genau das ist, was diese API bietet.
• Ein anderer Chat-Client, der Felder für eine benutzerdefinierte OpenAI-kompatible URL bereitstellt. Suche nach Einstellungen namens benutzerdefinierter Endpunkt, Proxy oder OpenAI-kompatibel.
• Dein eigenes Skript. Fünfzig Zeilen Python geben dir volle Kontrolle über Speicher, Prompts und Kosten. Es ist auch der einfachste Weg, um zu sehen, was du tatsächlich sendest.

Wenn du eine App entwickelst und nicht nur chattest, funktionieren dieselben Aufrufe mit jedem OpenAI SDK. Die Schnellstart-Anleitung in der Dokumentation listet Endpunkte, Header und Limits an einem Ort auf.

Verbinde SillyTavern in fünf Schritten

1. Erstelle ein Konto, öffne die API-Schlüssel-Seite, beanspruche das Testguthaben und kopiere deinen Schlüssel.
2. Öffne in SillyTavern das Steckersymbol (API-Verbindungen) und stelle den API-Typ auf Chat Completion ein.
3. Wähle die Quelle namens Custom (OpenAI-compatible).
4. Füge https://api.uncensoredvideo.cc/v1 in das Feld für den benutzerdefinierten Endpunkt ein, deinen Schlüssel in das Schlüsselfeld und gib uncensored als Modell-ID ein.
5. Klicke auf Verbinden. Ein grüner Status bedeutet, dass die Anfrage an GET /v1/models oder eine Testnachricht erfolgreich war.

Menübezeichnungen variieren je nach SillyTavern-Version, also orientiere dich am Sinn und nicht am genauen Wortlaut. Bevor du die App beschuldigst, teste den Schlüssel aus einem Terminal:

Copycurl https://api.uncensoredvideo.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Reply with the word ready."}]}'

Wenn curl funktioniert, die App aber nicht, liegt das Problem in den Feldern der App: ein fehlendes /v1, ein überflüssiges Leerzeichen im Schlüssel oder der falsche Modellname.

Oder schreibe eine kleine Chat-Schleife

Ein Skript ist ein guter Weg, um zu lernen, wie viel ein Rollenspiel kostet, weil du die Token-Nutzung bei jedem Zug ausgeben kannst. Dieses hier hält einen Persona-Prompt, kürzt den Verlauf auf die letzten 20 Nachrichten und streamt die Antwort.

Copyimport os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.uncensoredvideo.cc/v1",
    api_key=os.environ["API_KEY"],
)

system = (
    "You are Mara, a dry-witted smuggler pilot in a space-opera story. "
    "Stay in character, write in third person, keep replies under 150 words."
)
history = []

while True:
    user = input("> ")
    history.append({"role": "user", "content": user})
    messages = [{"role": "system", "content": system}] + history[-20:]
    stream = client.chat.completions.create(
        model="uncensored",
        messages=messages,
        temperature=0.9,
        top_p=0.95,
        max_tokens=300,
        stream=True,
        stream_options={"include_usage": True},
    )
    reply = ""
    for chunk in stream:
        if chunk.choices and chunk.choices[0].delta.content:
            piece = chunk.choices[0].delta.content
            reply += piece
            print(piece, end="", flush=True)
        if chunk.usage:
            print("\n[tokens in/out: %d/%d]" % (chunk.usage.prompt_tokens, chunk.usage.completion_tokens))
    history.append({"role": "assistant", "content": reply})

Beobachte die Nutzungszeile. Nach einigen Dutzend Runden wirst du sehen, wie die Input-Anzahl steigt, während der Output gleich bleibt. Das ist die Zahl, die du verwalten solltest.

Schreibe einen Charakter-Prompt, der hält

Die meisten Rollenspiel-Probleme beginnen im ersten Prompt, nicht im Modell. Ein guter Charakter-Prompt ist kurz und spezifisch. Nenne den Charakter, gib eine Stimme in ein oder zwei Sätzen vor, beschreibe das Setting und sage, wie lang die Antworten sein sollen. Dann höre auf. Jede zusätzliche Regel ist ein Token, den du bei jedem Zug bezahlst, und eine lange Liste von Soll-und-Nicht-Soll-Regeln wird tendenziell weniger gut befolgt als ein klares Beispiel.

Vergleiche zwei Möglichkeiten, denselben Piloten zu beschreiben. Der erste sagt, sie sei mutig, witzig, loyal und clever. Das sagt dem Modell nichts, wonach es handeln könnte. Der zweite sagt, sie beantworte Fragen zuerst mit einem Witz und zweitens mit der Wahrheit, erkläre ihre Vergangenheit nie, es sei denn, man fragt zweimal, und fluche leicht, wenn ein Schiffsteil kaputtgeht. Der zweite gibt dem Modell Gewohnheiten zur Wiederholung, und Gewohnheiten sind es, was Leser als Persönlichkeit erleben.

Füge einen kurzen Beispiel-Austausch von drei oder vier Zeilen hinzu. Modelle kopieren Rhythmus sehr gut, also fixiert ein Beispiel Länge, Zeitform und Erzählperspektive ohne separate Regel. Wenn du in der zweiten Person schreibst, zeige es. Wenn du Erzählungen in Kursivschrift willst, zeige das auch. Setze das Beispiel in den System-Prompt oder als erste Nachrichten der Historie.

Entscheide abschließend, wer die anderen Charaktere steuert. Wenn du möchtest, dass das Modell eine ganze Besetzung spielt, sag das. Wenn du möchtest, dass es nur eine Rolle spielt, sag, dass es niemals die Wörter oder Handlungen deines Charakters schreiben darf. Eine Stop-Sequenz auf den Namen deines Charakters unterstützt das auf API-Ebene.

Was eine Rollenspiel-Runde kostet

Jede Anfrage sendet den System-Prompt, die Charakterbeschreibung und die Historie erneut, also wachsen Input-Token, je länger der Chat wird. Hier ist die Rechnung für eine 300-Token-Antwort, die allein 300 x $0,50 / 1.000.000 = $0,00015 kostet:

Die Berechnung ist einfach. Ein knappes 8.000-Token-Prompt ist etwa 5,7-mal günstiger als ein 50.000-Token-Prompt bei gleicher Anzahl von Gesprächszügen. Im Bereich von 8.000 Token bezahlt eine Aufladung über $20 etwa 14.800 Züge. Größere Aufladungen bieten einen Bonus: +5 % ab $50, +10 % ab $100 und +15 % ab $200, sodass $100 $110 Guthaben ergeben. Siehe die Preisseite für die vollständige Tabelle.

Halte lange Geschichten günstig und kohärent

Das Kontextfenster umfasst 100.000 Token, Prompt plus Antwort, also kannst du viel laden. Du solltest es aber selten tun. Lange Prompts kosten mehr und geben dem Modell mehr Text, in dem es den Faden verlieren kann. Ein paar Gewohnheiten helfen:

• Zusammenfassen, dann löschen. Frage das Modell alle 20 Züge nach einer 150-Wörter-Zusammenfassung der bisherigen Geschichte, behalte sie im System-Prompt und lösche die alten Nachrichten.
• Halte das Charakterblatt kurz. Eine Seite Regeln, die das Modell ignoriert, ist eine Seite, für die du bei jedem Zug zahlst.
• Begrenze die Antwort. max_tokens ist optional, aber ein Limit stoppt unkontrollierte Antworten und hält das Tempo eng.
• Passe das Sampling an. Eine Temperatur von etwa 0,8 bis 1,0 eignet sich für fiktionale Texte. Wenn das Modell Phrasen wiederholt, erhöhe die Häufigkeits- oder Präsenzstrafe etwas. Sie werden durchgereicht.
• Verwende stop-Sequenzen, damit das Modell nicht deine Zeilen für dich schreibt, zum Beispiel einen Stopp bei deinem Charakternamen gefolgt von einem Doppelpunkt.

Feste Seeds werden ebenfalls durchgereicht, was hilfreich ist, wenn du eine Szene wiederholen und zwei Prompt-Versionen vergleichen möchtest.

Häufige Probleme und schnelle Lösungen

Dies sind die Probleme, die bei langen Chats am häufigsten auftreten, zusammen mit der Einstellung, die meist hilft.

• Das Modell spricht für dich. Füge eine Zeile zum System-Prompt hinzu und definiere eine Stop-Sequenz für den Namen deines Charakters.
• Die Antworten werden mit jeder Runde länger. Das Modell kopiert die Länge früherer Antworten. Verringere max_tokens, kürze eine lange Antwort manuell und das Muster setzt sich zurück.
• Wiederholte Phrasen. Erhöhe die Temperatur leicht, füge einen kleinen Präsenz- oder Häufigkeits-Penalty hinzu und variiere deine eigenen Nachrichten. Das Modell spiegelt wider, was es sieht.
• Vergessene Details. Schreibe Fakten, die erhalten bleiben müssen, wie Namen, Verletzungen und Versprechen, in eine kurze, oben im Prompt angeheftete Notiz und aktualisiere sie, wenn sich die Geschichte ändert.
• Flacher Ton. Gib ein markanteres Beispiel für die Stimme des Charakters. Der Ton kommt viel mehr von Beispielen als von Adjektiven.

Wenn etwas Seltsames passiert, gib die vollständige Nachrichtenliste aus, die dein Skript sendet. Neun von zehn Mal ist die Ursache im Prompt selbst sichtbar: eine verbliebene Anweisung, eine doppelte Zusammenfassung oder ein nicht gekürzter Verlauf.

Grenzen und Fehler, die auftreten können

Ein vollständiger Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute, der Test-Schlüssel 2 und 60. Wenn du das Limit überschreitest, gibt die API HTTP 429 zurück. Der Fehlercode rate_limited bedeutet zu viele Anfragen pro Minute, und concurrency bedeutet zu viele gleichzeitig. Ein 429 mit dem Header Retry-After: 5 signalisiert eine temporäre Überlastung, also warte fünf Sekunden und versuche es erneut.

Ein Detail überrascht viele: Eine gestreamte Anfrage belegt den Concurrency-Slot, bis der Stream endet. Wenn du bei einem Test-Schlüssel dreimal schnell auf „Regenerieren“ klickst, kann der dritte Versuch mit concurrency fehlschlagen. Warte, bis der Stream endet, oder lass den Client nach einer kurzen Pause neu versuchen. Jede Antwort enthält auch X-Balance-USD, damit dein Skript den verbleibenden Kontostand nach jedem Zug ausgeben kann.

Eine Regel ändert sich nicht: Das Modell ist darauf abgestimmt, bei rechtmäßiger Nutzung durch Erwachsene ohne inhaltliche Ablehnungen zu antworten, und es wird keine sexuellen Inhalte mit Minderjährigen erzeugen. Halte deine Geschichten innerhalb dieser Grenze. Prompts werden nicht zum Training verwendet.

Weitere Anleitungen

• LangChain Agentic AI Tutorial mit einer OpenAI-kompatiblen API
• Erstelle eine unzensierte KI-Suchmaschine mit Tool Calling
• Sora 2 API: Unzensierter Text-zu-Video-KI-Skriptgenerator