Qwen3.5-Omni-Plus je multimodální model Qwen od Alibaba pro tvorbu textu, hlasové asistenty a multimediální analýzu. Přijímá text, obrázky, zvuk a video včetně smíšených vstupů a vytváří text nebo text s řečí. Nedatovaný název Plus je alias rodiny; výrobce jej nyní popisuje jako funkčně ekvivalentní Qwen3.5-Omni-Plus 2026-03-15. Alias a pojmenovaný snapshot zůstávají odlišnými volbami modelu.
Jeho vstup může spojit obrázek s mluvenou otázkou nebo kombinovat obraz a zvuk videa s písemnými pokyny. Hodí se tak tam, kde by čistě textové shrnutí ztratilo spojení mezi viděným a slyšeným. U zadání práce s médii požadujte odděleně viditelnou posloupnost, znění na obrazovce a mluvený obsah a v případech, kdy záleží na pořadí událostí, žádejte časové značky vztažené ke zdroji. Zvukové efekty a další neřečové zvuky mohou do analýzy přispět vedle řeči.
Pro hlasovou odpověď určete jazyk, publikum a způsob přednesu. Průvodce Qwen dokumentuje pokyny pro hlasitost, rychlost řeči a emoce. Uvádí 113 jazyků a dialektů zvukového vstupu a 36 jazyků a dialektů řečového výstupu včetně angličtiny, francouzštiny, němčiny a ruštiny. Katalog hlasů označuje hlas Tina za výchozí a zahrnuje možnosti jako Serena a Ethan. Zvolte hlas a požadujte stručné vysvětlení v rozvážném tempu místo spoléhání na to, že vstupní hlas určí styl výstupu.
Zdokumentovaný postup řeči přes HTTP vrací streamovaný text a zvukové bloky kódované Base64. Jeho příklad WAV používá 24 kHz, mono, 16bitový PCM; aplikace může bloky shromáždit do zvukového souboru nebo je průběžně dekódovat pro přehrávání. Jde o streamované generování z odeslaného požadavku. Detekce promluv v reálném čase, zpracování přerušení a konverzace přes mikrofon patří samostatně pojmenovaným realtime modelům. Tabulka rodiny Qwen3.5-Omni nenabízí režim hlubokého uvažování.
Karta modelu uvádí webové vyhledávání. Function Calling je zdokumentováno pro nasazení Beijing Chat Completions od Alibaba s textovým výstupem, zatímco tabulka pro Singapur jej označuje jako nepodporované. Výstup JSON Object je uveden pro Peking a nepodporován pro Singapur. Model může navrhnout volání nástroje, zatímco aplikace provede akci a vrátí její výsledek. Tabulky Plus označují doplňování textu podle prefixu, ukládání kontextu do cache a dolaďování jako nepodporované; dávková inference je podporována v tabulce aliasu pro Peking a nepodporována v tabulce pro Singapur.
Publikované kontextové okno má 262 144 tokenů s maximálním vstupem 196 608 tokenů a maximálním výstupem 65 536 tokenů. Smíšená média a text sdílejí rozpočet kontextu. Průvodce HTTP od Alibaba pro tuto řadu dovoluje až tři hodiny zvuku nebo jednu hodinu videa; uvádí zvukové formáty AMR, WAV, 3GP, 3GPP, AAC a MP3 a videoformáty MP4, AVI, MKV, MOV, FLV a WMV. Zvukové nebo videosoubory předané přes URL mohou mít až 2 GB, zatímco média kódovaná Base64 musí být menší než 10 MB. Jde o limity postupu práce se soubory výrobce, odlišné od popisu v úvodu modelu o porozumění více než deseti hodinám zvuku nebo více než 400 sekundám videa 720p vzorkovaného při 1 FPS.
Obrázky mají v tomto průvodci vlastní limity přípravy: až 20 MB na obrázek předaný přes URL, rozměry větší než 10 pixelů na každé straně a poměr stran nejvýše 200:1. Průvodce dovoluje až 2 048 obrázků nebo zvukových souborů přes URL a 512 videosouborů přes URL; vstup Base64 dovoluje až 250 souborů. Tyto přenosové limity nadále podléhají sdílenému rozpočtu vstupních tokenů. Řada může kombinovat několik typů médií v jednom požadavku. Zvolte relevantní úryvek, zajistěte čitelnost malých popisků a vysvětlete vztah samostatných vstupů. Zdokumentované limity počtu souborů se liší podle modality a způsobu přenosu, ale každý vstup se stále musí vejít do sdíleného rozpočtu tokenů.
Vlastní klonování hlasu je pro nedatovaný model Plus zdokumentováno prostřednictvím samostatného postupu „vytvořit a poté použít“ hlas. Reference musí obsahovat alespoň tři sekundy nepřerušené čisté řeči s pauzami nejvýše dvě sekundy; použijte běžnou řeč bez hudby, zpěvu, hluku nebo dalšího mluvčího. U WAV použijte 16bitový zvuk. Referenční klip slouží k vytvoření hlasu pro pojmenovaný cílový model a tento cíl musí odpovídat modelu používanému pro řeč. Výrobce doporučuje 10–20 sekund čisté mono řeči, alespoň 24 kHz, s maximem 60 sekund a souborem menším než 10 MB. Zdokumentované referenční formáty jsou WAV, MP3 a M4A. Snapshot z 15. března klonování nepodporuje, takže datovaná volba modelu mění tuto část postupu.
Pro praktického výukového asistenta poskytněte diagram, nahranou otázku studenta a krátké písemné zadání: „Vysvětlete propojení označených částí, odpovězte na mluvenou otázku anglicky a použijte klidný, pomalejší přednes. Poskytněte textovou odpověď i řeč.“ U mediální zprávy definujte samostatné oddíly pro události, viditelný text a řeč a pro každý požadujte časové značky. Názvy nebo terminologii připravte v písemném kontextu a uveďte, zda má být výsledkem doslovný přepis, vysvětlení nebo shrnutí připravené pro publikum.
", "aboutText": "Qwen3.5-Omni-Plus je multimodální model Qwen od Alibaba pro tvorbu textu, hlasové asistenty a multimediální analýzu. Přijímá text, obrázky, zvuk a video včetně smíšených vstupů a vytváří text nebo text s řečí. Nedatovaný název Plus je alias rodiny; výrobce jej nyní popisuje jako funkčně ekvivalentní Qwen3.5-Omni-Plus 2026-03-15. Alias a pojmenovaný snapshot zůstávají odlišnými volbami modelu.\n\nJeho vstup může spojit obrázek s mluvenou otázkou nebo kombinovat obraz a zvuk videa s písemnými pokyny. Hodí se tak tam, kde by čistě textové shrnutí ztratilo spojení mezi viděným a slyšeným. U zadání práce s médii požadujte odděleně viditelnou posloupnost, znění na obrazovce a mluvený obsah a v případech, kdy záleží na pořadí událostí, žádejte časové značky vztažené ke zdroji. Zvukové efekty a další neřečové zvuky mohou do analýzy přispět vedle řeči.\n\nPro hlasovou odpověď určete jazyk, publikum a způsob přednesu. Průvodce Qwen dokumentuje pokyny pro hlasitost, rychlost řeči a emoce. Uvádí 113 jazyků a dialektů zvukového vstupu a 36 jazyků a dialektů řečového výstupu včetně angličtiny, francouzštiny, němčiny a ruštiny. Katalog hlasů označuje hlas Tina za výchozí a zahrnuje možnosti jako Serena a Ethan. Zvolte hlas a požadujte stručné vysvětlení v rozvážném tempu místo spoléhání na to, že vstupní hlas určí styl výstupu.\n\nZdokumentovaný postup řeči přes HTTP vrací streamovaný text a zvukové bloky kódované Base64. Jeho příklad WAV používá 24 kHz, mono, 16bitový PCM; aplikace může bloky shromáždit do zvukového souboru nebo je průběžně dekódovat pro přehrávání. Jde o streamované generování z odeslaného požadavku. Detekce promluv v reálném čase, zpracování přerušení a konverzace přes mikrofon patří samostatně pojmenovaným realtime modelům. Tabulka rodiny Qwen3.5-Omni nenabízí režim hlubokého uvažování.\n\nKarta modelu uvádí webové vyhledávání. Function Calling je zdokumentováno pro nasazení Beijing Chat Completions od Alibaba s textovým výstupem, zatímco tabulka pro Singapur jej označuje jako nepodporované. Výstup JSON Object je uveden pro Peking a nepodporován pro Singapur. Model může navrhnout volání nástroje, zatímco aplikace provede akci a vrátí její výsledek. Tabulky Plus označují doplňování textu podle prefixu, ukládání kontextu do cache a dolaďování jako nepodporované; dávková inference je podporována v tabulce aliasu pro Peking a nepodporována v tabulce pro Singapur.\n\nPublikované kontextové okno má 262 144 tokenů s maximálním vstupem 196 608 tokenů a maximálním výstupem 65 536 tokenů. Smíšená média a text sdílejí rozpočet kontextu. Průvodce HTTP od Alibaba pro tuto řadu dovoluje až tři hodiny zvuku nebo jednu hodinu videa; uvádí zvukové formáty AMR, WAV, 3GP, 3GPP, AAC a MP3 a videoformáty MP4, AVI, MKV, MOV, FLV a WMV. Zvukové nebo videosoubory předané přes URL mohou mít až 2 GB, zatímco média kódovaná Base64 musí být menší než 10 MB. Jde o limity postupu práce se soubory výrobce, odlišné od popisu v úvodu modelu o porozumění více než deseti hodinám zvuku nebo více než 400 sekundám videa 720p vzorkovaného při 1 FPS.\n\nObrázky mají v tomto průvodci vlastní limity přípravy: až 20 MB na obrázek předaný přes URL, rozměry větší než 10 pixelů na každé straně a poměr stran nejvýše 200:1. Průvodce dovoluje až 2 048 obrázků nebo zvukových souborů přes URL a 512 videosouborů přes URL; vstup Base64 dovoluje až 250 souborů. Tyto přenosové limity nadále podléhají sdílenému rozpočtu vstupních tokenů. Řada může kombinovat několik typů médií v jednom požadavku. Zvolte relevantní úryvek, zajistěte čitelnost malých popisků a vysvětlete vztah samostatných vstupů. Zdokumentované limity počtu souborů se liší podle modality a způsobu přenosu, ale každý vstup se stále musí vejít do sdíleného rozpočtu tokenů.\n\nVlastní klonování hlasu je pro nedatovaný model Plus zdokumentováno prostřednictvím samostatného postupu „vytvořit a poté použít“ hlas. Reference musí obsahovat alespoň tři sekundy nepřerušené čisté řeči s pauzami nejvýše dvě sekundy; použijte běžnou řeč bez hudby, zpěvu, hluku nebo dalšího mluvčího. U WAV použijte 16bitový zvuk. Referenční klip slouží k vytvoření hlasu pro pojmenovaný cílový model a tento cíl musí odpovídat modelu používanému pro řeč. Výrobce doporučuje 10–20 sekund čisté mono řeči, alespoň 24 kHz, s maximem 60 sekund a souborem menším než 10 MB. Zdokumentované referenční formáty jsou WAV, MP3 a M4A. Snapshot z 15. března klonování nepodporuje, takže datovaná volba modelu mění tuto část postupu.\n\nPro praktického výukového asistenta poskytněte diagram, nahranou otázku studenta a krátké písemné zadání: „Vysvětlete propojení označených částí, odpovězte na mluvenou otázku anglicky a použijte klidný, pomalejší přednes. Poskytněte textovou odpověď i řeč.“ U mediální zprávy definujte samostatné oddíly pro události, viditelný text a řeč a pro každý požadujte časové značky. Názvy nebo terminologii připravte v písemném kontextu a uveďte, zda má být výsledkem doslovný přepis, vysvětlení nebo shrnutí připravené pro publikum.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.qwen3.5-omni-plusQwen3.5-Omni-Plus rozumí společně textu, obrázkům, zvuku a videu a vrací textové nebo mluvené odpovědi. Jeho multimodální postup se hodí pro hlasové asistenty a podrobnou analýzu médií, s instrukcemi pro styl řeči a kontextem 262 144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen3.5-Omni-Plus je multimodální model Qwen od Alibaba pro tvorbu textu, hlasové asistenty a multimediální analýzu. Přijímá text, obrázky, zvuk a video včetně smíšených vstupů a vytváří text nebo text s řečí. Nedatovaný název Plus je alias rodiny; výrobce jej nyní popisuje jako funkčně ekvivalentní Qwen3.5-Omni-Plus 2026-03-15. Alias a pojmenovaný snapshot zůstávají odlišnými volbami modelu.
Jeho vstup může spojit obrázek s mluvenou otázkou nebo kombinovat obraz a zvuk videa s písemnými pokyny. Hodí se tak tam, kde by čistě textové shrnutí ztratilo spojení mezi viděným a slyšeným. U zadání práce s médii požadujte odděleně viditelnou posloupnost, znění na obrazovce a mluvený obsah a v případech, kdy záleží na pořadí událostí, žádejte časové značky vztažené ke zdroji. Zvukové efekty a další neřečové zvuky mohou do analýzy přispět vedle řeči.
Pro hlasovou odpověď určete jazyk, publikum a způsob přednesu. Průvodce Qwen dokumentuje pokyny pro hlasitost, rychlost řeči a emoce. Uvádí 113 jazyků a dialektů zvukového vstupu a 36 jazyků a dialektů řečového výstupu včetně angličtiny, francouzštiny, němčiny a ruštiny. Katalog hlasů označuje hlas Tina za výchozí a zahrnuje možnosti jako Serena a Ethan. Zvolte hlas a požadujte stručné vysvětlení v rozvážném tempu místo spoléhání na to, že vstupní hlas určí styl výstupu.
Zdokumentovaný postup řeči přes HTTP vrací streamovaný text a zvukové bloky kódované Base64. Jeho příklad WAV používá 24 kHz, mono, 16bitový PCM; aplikace může bloky shromáždit do zvukového souboru nebo je průběžně dekódovat pro přehrávání. Jde o streamované generování z odeslaného požadavku. Detekce promluv v reálném čase, zpracování přerušení a konverzace přes mikrofon patří samostatně pojmenovaným realtime modelům. Tabulka rodiny Qwen3.5-Omni nenabízí režim hlubokého uvažování.
Karta modelu uvádí webové vyhledávání. Function Calling je zdokumentováno pro nasazení Beijing Chat Completions od Alibaba s textovým výstupem, zatímco tabulka pro Singapur jej označuje jako nepodporované. Výstup JSON Object je uveden pro Peking a nepodporován pro Singapur. Model může navrhnout volání nástroje, zatímco aplikace provede akci a vrátí její výsledek. Tabulky Plus označují doplňování textu podle prefixu, ukládání kontextu do cache a dolaďování jako nepodporované; dávková inference je podporována v tabulce aliasu pro Peking a nepodporována v tabulce pro Singapur.
Publikované kontextové okno má 262 144 tokenů s maximálním vstupem 196 608 tokenů a maximálním výstupem 65 536 tokenů. Smíšená média a text sdílejí rozpočet kontextu. Průvodce HTTP od Alibaba pro tuto řadu dovoluje až tři hodiny zvuku nebo jednu hodinu videa; uvádí zvukové formáty AMR, WAV, 3GP, 3GPP, AAC a MP3 a videoformáty MP4, AVI, MKV, MOV, FLV a WMV. Zvukové nebo videosoubory předané přes URL mohou mít až 2 GB, zatímco média kódovaná Base64 musí být menší než 10 MB. Jde o limity postupu práce se soubory výrobce, odlišné od popisu v úvodu modelu o porozumění více než deseti hodinám zvuku nebo více než 400 sekundám videa 720p vzorkovaného při 1 FPS.
Obrázky mají v tomto průvodci vlastní limity přípravy: až 20 MB na obrázek předaný přes URL, rozměry větší než 10 pixelů na každé straně a poměr stran nejvýše 200:1. Průvodce dovoluje až 2 048 obrázků nebo zvukových souborů přes URL a 512 videosouborů přes URL; vstup Base64 dovoluje až 250 souborů. Tyto přenosové limity nadále podléhají sdílenému rozpočtu vstupních tokenů. Řada může kombinovat několik typů médií v jednom požadavku. Zvolte relevantní úryvek, zajistěte čitelnost malých popisků a vysvětlete vztah samostatných vstupů. Zdokumentované limity počtu souborů se liší podle modality a způsobu přenosu, ale každý vstup se stále musí vejít do sdíleného rozpočtu tokenů.
Vlastní klonování hlasu je pro nedatovaný model Plus zdokumentováno prostřednictvím samostatného postupu „vytvořit a poté použít“ hlas. Reference musí obsahovat alespoň tři sekundy nepřerušené čisté řeči s pauzami nejvýše dvě sekundy; použijte běžnou řeč bez hudby, zpěvu, hluku nebo dalšího mluvčího. U WAV použijte 16bitový zvuk. Referenční klip slouží k vytvoření hlasu pro pojmenovaný cílový model a tento cíl musí odpovídat modelu používanému pro řeč. Výrobce doporučuje 10–20 sekund čisté mono řeči, alespoň 24 kHz, s maximem 60 sekund a souborem menším než 10 MB. Zdokumentované referenční formáty jsou WAV, MP3 a M4A. Snapshot z 15. března klonování nepodporuje, takže datovaná volba modelu mění tuto část postupu.
Pro praktického výukového asistenta poskytněte diagram, nahranou otázku studenta a krátké písemné zadání: „Vysvětlete propojení označených částí, odpovězte na mluvenou otázku anglicky a použijte klidný, pomalejší přednes. Poskytněte textovou odpověď i řeč.“ U mediální zprávy definujte samostatné oddíly pro události, viditelný text a řeč a pro každý požadujte časové značky. Názvy nebo terminologii připravte v písemném kontextu a uveďte, zda má být výsledkem doslovný přepis, vysvětlení nebo shrnutí připravené pro publikum.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen3.5-omni-plus | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.0022 / 1K tokenů Výstup · Výstupní tokeny $0.012584 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-omni-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3.5-omni-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3.5-omni-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen3.5-omni-plus
Použijte cesty metod uvedené výše.
qwen3.5-omni-plusQwen3.5-Omni-Plus rozumí společně textu, obrázkům, zvuku a videu a vrací textové nebo mluvené odpovědi. Jeho multimodální postup se hodí pro hlasové asistenty a podrobnou analýzu médií, s instrukcemi pro styl řeči a kontextem 262 144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen3.5-Omni-Plus je multimodální model Qwen od Alibaba pro tvorbu textu, hlasové asistenty a multimediální analýzu. Přijímá text, obrázky, zvuk a video včetně smíšených vstupů a vytváří text nebo text s řečí. Nedatovaný název Plus je alias rodiny; výrobce jej nyní popisuje jako funkčně ekvivalentní Qwen3.5-Omni-Plus 2026-03-15. Alias a pojmenovaný snapshot zůstávají odlišnými volbami modelu.
Jeho vstup může spojit obrázek s mluvenou otázkou nebo kombinovat obraz a zvuk videa s písemnými pokyny. Hodí se tak tam, kde by čistě textové shrnutí ztratilo spojení mezi viděným a slyšeným. U zadání práce s médii požadujte odděleně viditelnou posloupnost, znění na obrazovce a mluvený obsah a v případech, kdy záleží na pořadí událostí, žádejte časové značky vztažené ke zdroji. Zvukové efekty a další neřečové zvuky mohou do analýzy přispět vedle řeči.
Pro hlasovou odpověď určete jazyk, publikum a způsob přednesu. Průvodce Qwen dokumentuje pokyny pro hlasitost, rychlost řeči a emoce. Uvádí 113 jazyků a dialektů zvukového vstupu a 36 jazyků a dialektů řečového výstupu včetně angličtiny, francouzštiny, němčiny a ruštiny. Katalog hlasů označuje hlas Tina za výchozí a zahrnuje možnosti jako Serena a Ethan. Zvolte hlas a požadujte stručné vysvětlení v rozvážném tempu místo spoléhání na to, že vstupní hlas určí styl výstupu.
Zdokumentovaný postup řeči přes HTTP vrací streamovaný text a zvukové bloky kódované Base64. Jeho příklad WAV používá 24 kHz, mono, 16bitový PCM; aplikace může bloky shromáždit do zvukového souboru nebo je průběžně dekódovat pro přehrávání. Jde o streamované generování z odeslaného požadavku. Detekce promluv v reálném čase, zpracování přerušení a konverzace přes mikrofon patří samostatně pojmenovaným realtime modelům. Tabulka rodiny Qwen3.5-Omni nenabízí režim hlubokého uvažování.
Karta modelu uvádí webové vyhledávání. Function Calling je zdokumentováno pro nasazení Beijing Chat Completions od Alibaba s textovým výstupem, zatímco tabulka pro Singapur jej označuje jako nepodporované. Výstup JSON Object je uveden pro Peking a nepodporován pro Singapur. Model může navrhnout volání nástroje, zatímco aplikace provede akci a vrátí její výsledek. Tabulky Plus označují doplňování textu podle prefixu, ukládání kontextu do cache a dolaďování jako nepodporované; dávková inference je podporována v tabulce aliasu pro Peking a nepodporována v tabulce pro Singapur.
Publikované kontextové okno má 262 144 tokenů s maximálním vstupem 196 608 tokenů a maximálním výstupem 65 536 tokenů. Smíšená média a text sdílejí rozpočet kontextu. Průvodce HTTP od Alibaba pro tuto řadu dovoluje až tři hodiny zvuku nebo jednu hodinu videa; uvádí zvukové formáty AMR, WAV, 3GP, 3GPP, AAC a MP3 a videoformáty MP4, AVI, MKV, MOV, FLV a WMV. Zvukové nebo videosoubory předané přes URL mohou mít až 2 GB, zatímco média kódovaná Base64 musí být menší než 10 MB. Jde o limity postupu práce se soubory výrobce, odlišné od popisu v úvodu modelu o porozumění více než deseti hodinám zvuku nebo více než 400 sekundám videa 720p vzorkovaného při 1 FPS.
Obrázky mají v tomto průvodci vlastní limity přípravy: až 20 MB na obrázek předaný přes URL, rozměry větší než 10 pixelů na každé straně a poměr stran nejvýše 200:1. Průvodce dovoluje až 2 048 obrázků nebo zvukových souborů přes URL a 512 videosouborů přes URL; vstup Base64 dovoluje až 250 souborů. Tyto přenosové limity nadále podléhají sdílenému rozpočtu vstupních tokenů. Řada může kombinovat několik typů médií v jednom požadavku. Zvolte relevantní úryvek, zajistěte čitelnost malých popisků a vysvětlete vztah samostatných vstupů. Zdokumentované limity počtu souborů se liší podle modality a způsobu přenosu, ale každý vstup se stále musí vejít do sdíleného rozpočtu tokenů.
Vlastní klonování hlasu je pro nedatovaný model Plus zdokumentováno prostřednictvím samostatného postupu „vytvořit a poté použít“ hlas. Reference musí obsahovat alespoň tři sekundy nepřerušené čisté řeči s pauzami nejvýše dvě sekundy; použijte běžnou řeč bez hudby, zpěvu, hluku nebo dalšího mluvčího. U WAV použijte 16bitový zvuk. Referenční klip slouží k vytvoření hlasu pro pojmenovaný cílový model a tento cíl musí odpovídat modelu používanému pro řeč. Výrobce doporučuje 10–20 sekund čisté mono řeči, alespoň 24 kHz, s maximem 60 sekund a souborem menším než 10 MB. Zdokumentované referenční formáty jsou WAV, MP3 a M4A. Snapshot z 15. března klonování nepodporuje, takže datovaná volba modelu mění tuto část postupu.
Pro praktického výukového asistenta poskytněte diagram, nahranou otázku studenta a krátké písemné zadání: „Vysvětlete propojení označených částí, odpovězte na mluvenou otázku anglicky a použijte klidný, pomalejší přednes. Poskytněte textovou odpověď i řeč.“ U mediální zprávy definujte samostatné oddíly pro události, viditelný text a řeč a pro každý požadujte časové značky. Názvy nebo terminologii připravte v písemném kontextu a uveďte, zda má být výsledkem doslovný přepis, vysvětlení nebo shrnutí připravené pro publikum.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen3.5-omni-plus | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.0022 / 1K tokenů Výstup · Výstupní tokeny $0.012584 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen3.5-omni-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen3.5-omni-plus
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.