Quickstart | Venice API Docs

在几分钟内启动并运行 Venice API。生成 API 密钥、发出您的第一个请求，并开始构建。

快速开始

获取您的 API 密钥

前往您的 Venice API 设置并生成新的 API 密钥。要获取带有截图的详细演练，请查看 API 密钥指南。

设置您的 API 密钥

将您的 API 密钥添加到您的环境中。您可以在 shell 中导出它：

export VENICE_API_KEY='your-api-key-here'

或将其添加到项目中的 .env 文件：

VENICE_API_KEY=your-api-key-here

安装 SDK

Venice 与 OpenAI 兼容，因此您可以使用 OpenAI SDK。如果您更喜欢使用 cURL 或原始 HTTP 请求，可以跳过此步骤。

pip install openai

发送您的第一个请求

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)

消息角色：

system - 模型应如何表现的指令
user - 您的 prompt 或问题
assistant - 之前的模型响应（用于多轮对话）
tool - 函数调用结果（使用工具时）

通过更改模型 ID 切换模型

每个请求都包含一个 model ID。要使用不同的模型，请更改请求中的 model 值。热门选择：

zai-org-glm-5 - 大多数用例的默认模型
kimi-k2-6 - 适用于更复杂任务的强大推理
claude-opus-4-8 - 适用于复杂任务的高智能模型
venice-uncensored-1-2 - Venice 的无审查模型

查看所有模型

浏览包含定价、能力和上下文限制的完整模型列表

使用 Venice 参数

您可以选择使用 venice_parameters 启用 Venice 特有的功能，如网页搜索：

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)

查看所有可用参数。

启用流式传输（可选）

使用 stream=True 实时流式传输响应：

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="")

自定义响应行为（可选）

使用 temperature、max tokens 等参数控制模型的响应方式：

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)

有关所有支持参数的更多信息，请查看 Chat Completions 文档。

查看所有图像模型

查看所有可用图像模型及其定价和能力

要了解更高级的参数选项，如 cfg_scale、negative_prompt、style_preset、seed、variants 等，请查看图像 API 参考。

图像编辑

使用 Qwen-Image 模型通过 AI 驱动的修复修改现有图像：

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)

注意： 图像编辑器使用 Qwen-Image 模型，是一个实验性端点。将输入图像作为 base64 编码字符串发送，API 以二进制数据返回编辑后的图像。有关所有参数，请参阅 Image Edit API。

图像放大

将图像增强并放大到更高分辨率：

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)

注意： 将输入图像作为 base64 编码字符串发送，API 以二进制数据返回放大的图像。有关所有参数，请参阅 Image Upscale API。

文本转语音

使用 50+ 种多语言声音将文本转换为音频：

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)

tts-kokoro 模型支持 50+ 种多语言声音，包括 af_sky、af_nova、am_liam、bf_emma、zf_xiaobei 和 jm_kumo。有关所有声音选项，请参阅 TTS API。

语音转文本

将音频文件转录为文本：

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())

支持的格式：WAV、FLAC、MP3、M4A、AAC、MP4。启用 timestamps=true 以获取字级时间数据。有关所有选项，请参阅 Transcriptions API。

Embeddings

为语义搜索、RAG 和推荐生成向量嵌入：

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())

有关批处理和高级选项，请参阅 Embeddings API。

Vision（多模态）

使用支持视觉的模型如 qwen3-vl-235b-a22b 与文本一起分析图像：

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)

函数调用

定义模型可以调用以与外部工具和 API 交互的函数：

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)

下一步

既然您已经发出了第一个请求，请进一步探索 Venice API 提供的更多内容：

浏览模型

比较所有可用模型及其能力、定价和上下文限制

API 参考

探索包含所有端点和参数的详细 API 文档

结构化响应

了解如何获取具有保证 schema 的 JSON 响应

AI Agents 指南

使用 agent 应用、编码 agent、MCP 工具、skill 和加密货币工作流进行构建

其他资源

速率限制

了解速率限制和生产使用的最佳实践

错误代码

处理 API 错误和故障排查的参考

Postman Collection

导入我们的完整 Postman collection 以方便测试

隐私与安全

了解 Venice 的隐私优先架构和数据处理

需要帮助？

Discord 社区：加入我们的 Discord 服务器获取支持和讨论
文档：浏览我们的完整 API 参考
状态页：在 veniceai-status.com 检查服务状态
Twitter：关注 @AskVenice 获取更新

开始使用

快速开始

查看所有模型

更多能力

图像生成

查看所有图像模型

图像编辑

图像放大

文本转语音

语音转文本

Embeddings

Vision（多模态）

函数调用

下一步

浏览模型

API 参考

结构化响应

AI Agents 指南

其他资源

速率限制

错误代码

Postman Collection

隐私与安全

需要帮助？

​快速开始

查看所有模型

​更多能力

​图像生成

查看所有图像模型

​图像编辑

​图像放大

​文本转语音

​语音转文本

​Embeddings

​Vision（多模态）

​函数调用

​下一步

浏览模型

API 参考

结构化响应

AI Agents 指南

​其他资源

速率限制

错误代码

Postman Collection

隐私与安全

​需要帮助？

快速开始

更多能力

图像生成

图像编辑

图像放大

文本转语音

语音转文本

Embeddings

Vision（多模态）

函数调用

下一步

其他资源

需要帮助？