Roleplay com IA: Configuração de teste grátis e custos reais

O que significa gratuito aqui

Não há chat gratuito ilimitado neste serviço, e é melhor deixar isso claro desde o início. O que você recebe é um saldo de teste: após se registrar com Google, ou com e-mail e senha, você pode resgatar $0,50 de crédito de teste com um clique na página da chave de API. É um por pessoa, válido por 7 dias e não precisa de pagamento. A chave de teste roda com 2 requisições simultâneas e 60 requisições por minuto, o que é mais do que suficiente para uma pessoa conversando.

Isso parece pouco, mas tokens são baratos. Entrada custa $0,15 por 1M de tokens e saída custa $0,50 por 1M. Um turno típico de roleplay com um prompt de 8.000 tokens e uma resposta de 300 tokens custa $0,00135, então $0,50 cobre cerca de 370 turnos. Para muitas pessoas, isso é uma noite inteira ou várias histórias curtas, suficiente para decidir se a configuração serve antes de qualquer dinheiro ser envolvido.

Quando o crédito de teste acabar, você recarrega a partir de $20 em qualquer valor inteiro até $500. O crédito nunca expira, requisições falhas ou recusadas não são cobradas e não há assinatura para cancelar. Este site aceita apenas cripto: USDT na rede TRC20 ou USDC na rede Base.

Escolha um front-end

A API só fala texto via HTTP. Você ainda precisa de algo para guardar seus personagens, seu histórico de chat e seu template de prompt. Três escolhas comuns:

• SillyTavern. Um aplicativo web local feito para chats de personagens, com livros de lore, personas e presets. Ele permite adicionar um endpoint compatível com OpenAI, que é exatamente o que esta API é.
• Outro cliente de chat que expõe campos para uma URL compatível com OpenAI personalizada. Procure por configurações chamadas endpoint personalizado, proxy ou compatível com OpenAI.
• Seu próprio script. Cinquenta linhas de Python dão controle total sobre memória, prompts e custo. Também é a maneira mais fácil de ver o que você está enviando realmente.

Se você está criando um aplicativo e não apenas conversando, as mesmas chamadas funcionam com qualquer SDK da OpenAI. O início rápido na documentação lista os endpoints, cabeçalhos e limites em um só lugar.

Conecte o SillyTavern em cinco passos

1. Crie uma conta, abra a página da chave de API, resgate o crédito de teste e copie sua chave.
2. No SillyTavern, abra o ícone de plug (Conexões de API) e defina o tipo de API como Chat Completion.
3. Escolha a origem nomeada Custom (OpenAI-compatible).
4. Cole https://api.uncensoredvideo.cc/v1 no campo de endpoint personalizado, sua chave no campo de chave e digite uncensored como o ID do modelo.
5. Clique em Conectar. Um status verde significa que a requisição para GET /v1/models ou uma mensagem de teste foi bem-sucedida.

Os rótulos do menu mudam entre versões do SillyTavern, então guie-se pela ideia e não pela palavra exata. Antes de culpar o app, teste a chave de um 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."}]}'

Se o curl funcionar e o app não, o problema está nos campos do app: falta de /v1, um espaço estranho na chave ou o nome do modelo errado.

Ou escreva um loop de chat pequeno

Um script é uma boa maneira de aprender o custo do roleplay, porque você pode imprimir o uso de tokens a cada turno. Este mantém um prompt de persona, limita o histórico aos últimas 20 mensagens e faz streaming da resposta.

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})

Observe a linha de uso. Após algumas dezenas de turnos, você verá a contagem de entrada subir enquanto a saída permanece plana. Esse é o número a gerenciar.

Escreva um prompt de personagem que resista

A maioria dos problemas de roleplay começa no primeiro prompt, não no modelo. Um bom prompt de personagem é curto e específico. Nomeie o personagem, dê uma voz em uma ou duas frases, descreva o cenário e diga qual deve ser o tamanho das respostas. Depois, pare. Cada regra extra é um token que você paga a cada turno, e uma longa lista de faça e não faça tende a ser seguida menos do que um exemplo claro.

Compare duas maneiras de descrever o mesmo piloto. A primeira diz que ela é corajosa, engraçada, leal e inteligente. Isso não dá ao modelo nada em que se basear. A segunda diz que ela responde perguntas com uma piada primeiro e a verdade segundo, nunca explica seu passado a menos que perguntado duas vezes, e xinga levemente quando uma peça da nave quebra. A segunda dá ao modelo hábitos para repetir, e hábitos são o que os leitores experimentam como personalidade.

Adicione um breve exemplo de troca de três ou quatro linhas. Modelos copiam ritmo muito bem, então um exemplo corrige comprimento, tempo verbal e ponto de vista sem uma regra separada. Se você escreve em segunda pessoa, mostre isso. Se quer narração em itálico, mostre isso também. Coloque o exemplo no prompt do sistema ou como as primeiras mensagens do histórico.

Finalmente, decida quem controla os outros personagens. Se você quer que o modelo interprete um elenco inteiro, diga isso. Se quer que ele interprete apenas um papel, diga que ele nunca deve escrever as palavras ou ações do seu personagem. Uma sequência de parada no nome do seu personagem reforça isso no nível da API.

Quanto custa um turno de roleplay

Cada requisição reenvia o prompt do sistema, a descrição do personagem e o histórico, então tokens de entrada crescem conforme o chat fica mais longo. Aqui está a matemática para uma resposta de 300 tokens, que custa 300 x $0,50 / 1.000.000 = $0,00015 por si só:

A leitura é simples. Um prompt apertado de 8.000 tokens é cerca de 5,7 vezes mais barato que um de 50.000 tokens para o mesmo número de turnos. No nível de 8.000 tokens, uma recarga de $20 paga por cerca de 14.800 turnos. Recargas maiores adicionam um bônus: +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200, então $100 dá $110 de crédito. Veja a página de preços para a tabela completa.

Mantenha histórias longas baratas e coerentes

A janela de contexto é de 100.000 tokens, prompt mais resposta, então você pode carregar muito. Você raramente deve. Prompts longos custam mais e dão ao modelo mais texto para perder o controle. Alguns hábitos ajudam:

• Resuma, depois descarte. A cada 20 turnos, peça ao modelo um resumo de 150 palavras da história até agora, mantenha-o no prompt do sistema e exclua as mensagens antigas.
• Mantenha a ficha do personagem curta. Uma página de regras que o modelo ignora é uma página que você paga em cada turno.
• Limite a resposta. max_tokens é opcional, mas um limite evita que as respostas fujam do controle e mantém o ritmo apertado.
• Ajuste a amostragem. Temperatura em torno de 0,8 a 1,0 é adequada para ficção. Se o modelo repetir frases, aumente um pouco a penalidade de frequência ou presença. Elas são transmitidas.
• Use sequências de stop para que o modelo não escreva suas falas, por exemplo, uma parada no nome do seu personagem seguida por dois pontos.

Sementes fixas também são passadas, o que ajuda quando você quer reproduzir uma cena e comparar duas versões de prompt.

Problemas comuns e soluções rápidas

Estes são os problemas que as pessoas encontram com mais frequência em conversas longas, com a configuração que geralmente ajuda.

• O modelo fala por você. Adicione uma linha ao prompt do sistema, além de uma sequência de parada no nome do seu personagem.
• As respostas ficam mais longas a cada turno. O modelo copia o comprimento das respostas anteriores. Reduza max_tokens, edite manualmente uma resposta longa e o padrão será redefinido.
• Frases repetidas. Aumente levemente a temperatura, adicione uma penalidade pequena de presença ou frequência e varie suas próprias mensagens. O modelo espelha o que vê.
• Detalhes esquecidos. Coloque fatos que devem ser preservados, como nomes, ferimentos e promessas, em uma nota fixa curta perto do início do prompt e atualize-a quando a história mudar.
• Tom monótono. Forneça um exemplo de voz mais forte. O tom vem de exemplos muito mais do que de adjetivos.

Quando algo estranho acontece, imprima a lista completa de mensagens que seu script envia. Nove em cada dez vezes, a causa é visível no próprio prompt: uma instrução restante, um resumo duplicado ou um histórico que não foi reduzido.

Limites e erros que você pode encontrar

Uma chave completa permite 8 requisições simultâneas e 300 requisições por minuto; a chave de teste permite 2 e 60. Se você ultrapassar, a API retorna HTTP 429. O código de erro rate_limited significa muitas requisições por minuto, e concurrency significa muitas ao mesmo tempo. Um 429 com o cabeçalho Retry-After: 5 sinaliza sobrecarga temporária, então aguarde cinco segundos e tente novamente.

Um detalhe pega muita gente: uma requisição em streaming mantém seu slot de concorrência até que o streaming termine. Se você clicar em regenerar três vezes rápido em uma chave de teste, a terceira tentativa pode falhar com concurrency. Aguarde o streaming terminar ou deixe o cliente tentar novamente após uma breve pausa. Cada resposta também carrega X-Balance-USD, para que seu script possa imprimir o saldo restante após cada turno.

Uma regra que não muda: o modelo é ajustado para responder sem recusas de conteúdo para uso adulto legal, e ele não escreverá conteúdo sexual envolvendo menores de idade. Mantenha suas histórias dentro desse limite. Os prompts não são usados para treinamento.

Mais guias

• Tutorial de IA Agênica LangChain com uma API Compatível com OpenAI
• Construa um Mecanismo de Busca de IA Sem Censura com Chamada de Funções
• API Sora 2: Gerador de Scripts de IA de Texto para Vídeo Sem Censura