Zum Hauptinhalt springen
In wenigen Minuten mit der Venice API einsatzbereit. Generieren Sie einen API-Schlüssel, stellen Sie Ihre erste Anfrage und starten Sie mit dem Bauen.

​
Quickstart

1

API-Schlüssel erhalten

Gehen Sie zu Ihren Venice-API-Einstellungen und generieren Sie einen neuen API-Schlüssel.Für eine ausführliche Anleitung mit Screenshots siehe den API-Schlüssel-Leitfaden.
2

API-Schlüssel einrichten

Fügen Sie Ihren API-Schlüssel Ihrer Umgebung hinzu. Sie können ihn in Ihrer Shell exportieren:
export VENICE_API_KEY='your-api-key-here'
Oder fügen Sie ihn zu einer .env-Datei in Ihrem Projekt hinzu:
VENICE_API_KEY=your-api-key-here
3

SDK installieren

Venice ist OpenAI-kompatibel, sodass Sie das OpenAI-SDK verwenden können. Wenn Sie lieber cURL oder rohe HTTP-Anfragen verwenden, können Sie diesen Schritt überspringen.
pip install openai
4

Ihre erste Anfrage senden

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

completion = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[
        {"role": "system", "content": "You are a helpful AI assistant"},
        {"role": "user", "content": "Why is privacy important?"}
    ]
)

print(completion.choices[0].message.content)
Nachrichtenrollen:
  • system - Anweisungen für das Verhalten des Modells
  • user - Ihre Prompts oder Fragen
  • assistant - Frühere Modellantworten (für mehrstufige Konversationen)
  • tool - Function-Calling-Ergebnisse (bei Verwendung von Tools)
5

Modelle wechseln durch Ändern der Modell-ID

Jede Anfrage enthält eine model-ID. Um ein anderes Modell zu verwenden, ändern Sie den Wert model in Ihrer Anfrage. Beliebte Optionen:
  • zai-org-glm-5 - Standardmodell für die meisten Use Cases
  • kimi-k2-6 - Starkes Reasoning für komplexere Aufgaben
  • claude-opus-4-8 - High-Intelligence-Modell für komplexe Aufgaben
  • venice-uncensored-1-2 - Venice’s unzensiertes Modell

Alle Modelle ansehen

Durchsuchen Sie die vollständige Liste der Modelle mit Preisen, Capabilities und Kontextlimits
6

Venice-Parameter verwenden

Sie können Venice-spezifische Funktionen wie Web Search über venice_parameters aktivieren:
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

completion = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[
        {"role": "user", "content": "What are the latest developments in AI?"}
    ],
    extra_body={
        "venice_parameters": {
            "enable_web_search": "auto",
            "include_venice_system_prompt": True
        }
    }
)

print(completion.choices[0].message.content)
Siehe alle verfügbaren Parameter.
7

Streaming aktivieren (optional)

Streamen Sie Antworten in Echtzeit mit stream=True:
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

stream = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[{"role": "user", "content": "Write a short story about AI"}],
    stream=True
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="")
8

Antwortverhalten anpassen (optional)

Steuern Sie das Antwortverhalten des Modells mit Parametern wie temperature, max tokens und mehr:
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

completion = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[
        {"role": "system", "content": "You are a creative storyteller"},
        {"role": "user", "content": "Tell me a creative story"}
    ],
    temperature=0.8,
    max_tokens=500,
    top_p=0.9,
    frequency_penalty=0.5,
    presence_penalty=0.5,
    extra_body={
        "venice_parameters": {
            "include_venice_system_prompt": False
        }
    }
)

print(completion.choices[0].message.content)
Weitere Informationen zu allen unterstützten Parametern finden Sie in der Chat-Completions-Dokumentation.

​
Weitere Funktionen

​
Bildgenerierung

Erstellen Sie Bilder aus Text-Prompts mit Diffusion-Modellen: 
import os
import requests

url = "https://api.venice.ai/api/v1/image/generate"

payload = {
    "model": "venice-sd35",
    "prompt": "A cyberpunk city with neon lights and rain",
    "width": 1024,
    "height": 1024,
    "format": "webp"
}

headers = {
    "Authorization": f"Bearer {os.getenv('VENICE_API_KEY')}",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

print(response.json())
Hinweis: Die Antwort enthält base64-kodierte Bilder im images-Array. Dekodieren Sie den base64-String, um das Bild zu speichern oder anzuzeigen. Beliebte Bildmodelle:
  • qwen-image - Höchste Qualität bei der Bildgenerierung
  • venice-sd35 - Standardwahl, funktioniert mit allen Funktionen
  • hidream - Schnelle Generierung für den Produktiveinsatz

Alle Bildmodelle ansehen

Sehen Sie alle verfügbaren Bildmodelle mit Preisen und Capabilities
Für erweiterte Parameter-Optionen wie cfg_scale, negative_prompt, style_preset, seed, variants und mehr siehe die Images-API-Referenz.

​
Bildbearbeitung

Modifizieren Sie vorhandene Bilder mit KI-gestütztem Inpainting unter Verwendung des Qwen-Image-Modells: 
import os
import requests
import base64

url = "https://api.venice.ai/api/v1/image/edit"

with open("image.jpg", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode('utf-8')

payload = {
    "prompt": "Colorize",
    "image": image_base64
}

headers = {
    "Authorization": f"Bearer {os.getenv('VENICE_API_KEY')}",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

with open("edited_image.png", "wb") as f:
    f.write(response.content)
Hinweis: Der Image-Editor verwendet das Qwen-Image-Modell und ist ein experimenteller Endpoint. Senden Sie das Eingabebild als base64-kodierten String, und die API gibt das bearbeitete Bild als Binärdaten zurück. Alle Parameter siehe die Image-Edit-API.

​
Bild-Upscaling

Verbessern und skalieren Sie Bilder auf höhere Auflösungen: 
import os
import requests
import base64

url = "https://api.venice.ai/api/v1/image/upscale"

with open("image.jpg", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode('utf-8')

payload = {
    "image": image_base64,
    "scale": 2
}

headers = {
    "Authorization": f"Bearer {os.getenv('VENICE_API_KEY')}",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

with open("upscaled_image.png", "wb") as f:
    f.write(response.content)
Hinweis: Senden Sie das Eingabebild als base64-kodierten String, und die API gibt das hochskalierte Bild als Binärdaten zurück. Alle Parameter siehe die Image-Upscale-API.

​
Text-to-Speech

Wandeln Sie Text in Audio mit mehr als 50 mehrsprachigen Stimmen um: 
import os
import requests

response = requests.post(
    "https://api.venice.ai/api/v1/audio/speech",
    headers={
        "Authorization": f"Bearer {os.getenv('VENICE_API_KEY')}",
        "Content-Type": "application/json"
    },
    json={
        "input": "Hello, welcome to Venice Voice.",
        "model": "tts-kokoro",
        "voice": "af_sky"
    }
)

with open("speech.mp3", "wb") as f:
    f.write(response.content)
Das tts-kokoro-Modell unterstützt mehr als 50 mehrsprachige Stimmen, einschließlich af_sky, af_nova, am_liam, bf_emma, zf_xiaobei und jm_kumo. Alle Stimm-Optionen siehe die TTS-API.

​
Speech-to-Text

Transkribieren Sie Audiodateien zu Text: 
import os
import requests

url = "https://api.venice.ai/api/v1/audio/transcriptions"

with open("audio.mp3", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {os.getenv('VENICE_API_KEY')}"},
        files={"file": f},
        data={
            "model": "nvidia/parakeet-tdt-0.6b-v3",
            "response_format": "json"
        }
    )

print(response.json())
Unterstützte Formate: WAV, FLAC, MP3, M4A, AAC, MP4. Aktivieren Sie timestamps=true, um Timing-Daten auf Wort-Ebene zu erhalten. Alle Optionen siehe die Transcriptions-API.

​
Embeddings

Generieren Sie Vektor-Embeddings für semantische Suche, RAG und Empfehlungen: 
import os
import requests

url = "https://api.venice.ai/api/v1/embeddings"

payload = {
    "model": "text-embedding-bge-m3",
    "input": "Privacy-first AI infrastructure for semantic search",
    "encoding_format": "float"
}

headers = {
    "Authorization": f"Bearer {os.getenv('VENICE_API_KEY')}",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

print(response.json())
Batch-Verarbeitung und erweiterte Optionen siehe die Embeddings-API.

​
Vision (Multimodal)

Analysieren Sie Bilder gemeinsam mit Text mit vision-fähigen Modellen wie qwen3-vl-235b-a22b: 
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

response = client.chat.completions.create(
    model="qwen3-vl-235b-a22b",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What is in this image?"},
                {
                    "type": "image_url",
                    "image_url": {"url": "https://www.gstatic.com/webp/gallery/1.jpg"}
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

​
Function Calling

Definieren Sie Funktionen, die Modelle aufrufen können, um mit externen Tools und APIs zu interagieren: 
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the current weather in a location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "The city and state"
                    }
                },
                "required": ["location"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[{"role": "user", "content": "What's the weather in San Francisco?"}],
    tools=tools
)

print(response.choices[0].message)

​
Nächste Schritte

Jetzt, da Sie Ihre ersten Anfragen gestellt haben, entdecken Sie mehr von dem, was die Venice API zu bieten hat:

Modelle durchsuchen

Vergleichen Sie alle verfügbaren Modelle mit ihren Capabilities, Preisen und Kontextlimits

API-Referenz

Erkunden Sie die detaillierte API-Dokumentation mit allen Endpoints und Parametern

Strukturierte Antworten

Erfahren Sie, wie Sie JSON-Antworten mit garantierten Schemas erhalten

AI-Agents-Leitfaden

Bauen Sie mit Agent-Apps, Coding-Agenten, MCP-Tools, Skills und Krypto-Workflows

​
Zusätzliche Ressourcen

Rate Limiting

Verstehen Sie Rate-Limits und Best Practices für den Produktiveinsatz

Fehlercodes

Referenz für den Umgang mit API-Fehlern und Troubleshooting

Postman-Collection

Importieren Sie unsere vollständige Postman-Collection zum einfachen Testen

Datenschutz & Sicherheit

Erfahren Sie mehr über die datenschutzorientierte Architektur und Datenverarbeitung von Venice

​
Brauchen Sie Hilfe?