Silly Tavern 免费API保姆级教学

简介: 本指南详解Windows下安装SillyTavern全流程:先安装Node.js与Git,再克隆仓库(推荐Gitee镜像),双击Start.bat启动;接着配置OpenAI兼容API(如Canopy Wave),填入Key与端点;最后下载导入角色卡,即可开启AI角色对话体验。(239字)

1.在 Windows 系统上安装 SillyTavern

在安装前,请确保您的系统满足基本要求:Node.js 和 Git。
安装过程主要包括通过 Git 克隆资源库,然后运行启动脚本。不同平台之间存在一些细微的差异。

1.1安装Node.js
https://nodejs.org/en/download
image.png

1.2 安装适用于 Windows 系统的 Git
https://gitforwindows.org/
image.png

1.3安装“Silly Tavern”
打开终端后,输入以下命令并按回车键。此时,sillytavern将会自动下载完成。对于国内用户,建议使用国内镜像进行下载,而有技术能力的用户可以直接从 GitHub 下载发布分支。
(国内镜像)git clone:https://gitee.com/mirrors/sillytavern.git
(Github) git clone:https://github.com/SillyTavern/SillyTavern
image.png

2.克隆过程完成后,找到并双击这个“Start.bat”文件,SillyTavern 将会自动在浏览器中打开。image.png

3. 配置自定义 API

点击带有插头符号的主页图标。
在“API 连接”部分,应将“API”选项设置为“聊天完成”。
聊天生成源选择:根据您的 API 类型,您自己选择相应的类别。
这里我用到的是Canopy Wave的免费API,他们的API是OpenAI兼容接口,所以我们会选择“与 OpenAI 兼容”这一选项。对于 OpenAI 的 API,只需填写“OpenAI”即可,其他情况也是如此。
image.png
进入 Canopy Wave 的官网:https://canopywave.com/
获取专属 API Key,并将其输入到“自定义 API 密钥”这一栏中。
获取该公司的联系地址,并将其输入到“自定义端点”中。
image.png
image.png
image.png
当连接成功后,此区域将会显示我们可用的所有模型选项,并且请务必点击“连接”按钮将其与我们的角色进行关联。image.png

4.下载并导入角色卡

目前,网上仍有众多此类网站。您可以进行搜索。如果某些网站没有您所需的内容,那就切换到另一个网站。如果这样也无济于事,我可以帮您使用人工智能创建一个角色卡。现在,我来给您展示一个。
首先,下载角色卡,然后将其上传至“Silly Tavern”image.png
image.png
最后,开启您精彩的游戏之旅吧

image.png

相关文章
|
1月前
|
机器学习/深度学习 人工智能 边缘计算
转行AI需谨慎:那些半途而废的人,都忽略了这几点。
2025年AI岗位需求暴增543%,但超六成转行者半年内放弃。本文揭示五大陷阱:盲目跟风忽视赛道适配、混淆工具使用与真实能力、碎片化学习缺实战闭环、急功近利轻视伦理、为高薪而非兴趣出发,并指出科学路径才是破局关键。(239字)
583 12
|
2月前
|
人工智能 JSON JavaScript
手把手教你用 OpenClaw + 飞书,打造专属 AI 机器人
手把手教你用 OpenClaw(v2026.2.22-2)+ 飞书,10分钟零代码搭建专属AI机器人!内置飞书插件,无需额外安装;支持Claude等主流模型,命令行一键配置。告别复杂开发,像聊同事一样自然对话。
15274 20
手把手教你用 OpenClaw + 飞书,打造专属 AI 机器人
|
2月前
双 Transformer + 双神经符号 + 突触耦合 + DeepSeek 插件 极简验证
双 Transformer + 双神经符号做核心,用类脑突触耦合中间层做动态配对,嵌入 DeepSeek 的 Engram 和 MHC 补长程和记忆短板,也不知道行不行。
|
2月前
|
人工智能 API 调度
别再只依赖 ChatGPT 了:多模型协同,才是 AI 项目走向生产的关键一步
本文剖析AI项目落地困局:ChatGPT Agent类应用用户流失率超70%,根源不在模型不够强,而在于单模型架构难以支撑生产环境——稳定性差、成本高、难治理。文章从数据冲击、痛点直击等五维度论证,提出“多模型协同”是破局关键:按场景选模、统一调度、动态兜底,构建可控、可替换、可长期运行的AI系统架构。
|
1月前
|
数据采集 人工智能 数据可视化
《基于 DeepSeek 百万token上下文的实证研究:全窗口真实工程压力测试与统计分析》
本项目基于 DeepSeek 于 2026 年 2 月推出的 “新长文本模型”(上下文窗口扩展至1,000,000 tokens,API 端仍保持 V3.2 版本),通过构建非AI/IT领域的完整项目流程,进行了全程、全负载实证工程测试。在单一连续上下文中实现了端到端的闭环。
|
1月前
|
网络协议 编译器 C语言
C语言深度解析:内存对齐与结构体填充的底层逻辑
C语言中,内存对齐是CPU硬件强制要求的底层规则,直接影响结构体大小、访问性能与硬件兼容性。合理排列成员可减少填充、节省内存;滥用`#pragma pack`则易致崩溃或性能暴跌。嵌入式、网络协议与跨平台开发必备核心知识。(239字)
313 14
|
2月前
|
人工智能 自然语言处理 JavaScript
Deepseek百万 Token 窗口的极限实践:一位非专业人员使用实录
摘要:此文非技术评测,而是一份关于Deepseek最新百万token窗口的真实工程“长程思考”实录。本人非AI与计算机专业,从事生物医学与心理学工作,人文爱好者。利用十天时间,通过浏览器deepseek云端模型百万token对话窗口,实现了一套从本地环境设置、工具流搭建、数据建库与向量化的整个工程。本文记录了主要的过程与指标。 时间:2026 年 2 月
|
2月前
|
机器学习/深度学习 数据采集 人工智能
给AI模型“加外挂”:LoRA技术详解,让小白也能定制自己的大模型
LoRA是一种高效轻量的大模型微调技术,如同为万能咖啡机加装“智能香料盒”——不改动原模型(冻结参数),仅训练少量低秩矩阵(参数量降千倍),显著降低成本、保留通用能力,并支持插件式灵活部署。现已成为AI定制化普惠落地的核心方案。(239字)
1064 8
|
1月前
|
人工智能 自然语言处理 数据可视化
别再用 LangChain 搭 RAG 了:Dify 和 n8n 哪个才是你真正需要的
本文对比LangChain、Dify与n8n在AI工作流构建中的定位差异:LangChain是高自由度但调试成本高的代码框架;Dify专注RAG与对话,开箱即用;n8n擅长跨系统AI自动化。附七牛云模型接入指南与避坑提示。

热门文章

最新文章