Qwen3.5-Omni-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Textproduktion, Sprachassistenten und Multimediaanalyse. Er nimmt Text, Bilder, Audio und Video einschließlich gemischter Eingaben entgegen und erzeugt Text oder Text mit Sprache. Diese datierte Edition ist vom undatierten Alias Qwen3.5-Omni-Plus und den Realtime-Editionen getrennt. Bewahren Sie ihren vollständigen Namen auf, wenn ein Workflow aufzeichnen muss, welche benannte Version ausgewählt ist.
Die Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Fragen Sie bei einem Medienbriefing die sichtbare Abfolge, den Wortlaut im Bild und die gesprochenen Inhalte getrennt ab und fordern Sie quellenbezogene Zeitstempel an, wenn die Ereignisreihenfolge relevant ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.
Legen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Leitfaden dokumentiert Anweisungen zu Lautstärke, Sprechgeschwindigkeit und Emotion. Er führt 113 Sprachen und Dialekte für Audioeingaben und 36 Sprachen und Dialekte für Sprachausgaben an, darunter Englisch, Französisch, Deutsch und Russisch. Der Stimmenkatalog nennt Tina als Standard und enthält Optionen wie Serena und Ethan. Wählen Sie die Stimme und fordern Sie eine knappe Erklärung in bedachtem Tempo an, statt sich zur Bestimmung des Ausgabestils auf die Eingabestimme zu verlassen.
Der dokumentierte HTTP-Sprach-Workflow liefert gestreamten Text und Base64-kodierte Audioblöcke zurück. Sein WAV-Beispiel verwendet 24 kHz, mono, 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammenfügen oder sie bei ihrem Eintreffen für die Wiedergabe dekodieren. Dies ist gestreamte Generierung aus einer eingereichten Anfrage. Live-Erkennung von Gesprächswechseln, Unterbrechungsbehandlung und Gespräche über das Mikrofon gehören zu gesondert benannten Realtime-Modellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für tiefgehendes Denken.
Die Fähigkeitentabelle des Snapshots führt Websuche und Function Calling an, wobei Function Calling auf Beijing Chat Completions und Textausgabe begrenzt ist. Sie nennt strukturierte Ausgabe als JSON Object; die regionalen Familientabellen unterscheiden die Unterstützung in Beijing vom nicht unterstützten Eintrag für Singapore. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und liefert das Werkzeugergebnis zurück, damit das Modell fortsetzen kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.
Das veröffentlichte Kontextfenster beträgt 262.144 Tokens, mit maximal 196.608 Eingabetokens und maximal 65.536 Ausgabetokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Leitfaden erlaubt für diese Reihe bis zu drei Stunden Audio oder eine Stunde Video; er führt AMR, WAV, 3GP, 3GPP, AAC und MP3 für Audio sowie MP4, AVI, MKV, MOV, FLV und WMV für Video an. Audio- oder Videodateien per URL dürfen bis zu 2 GB groß sein; Base64-kodierte Medien müssen kleiner als 10 MB sein. Dies sind die Datei-Workflow-Grenzen des Herstellers und unterscheiden sich von der Beschreibung in der Modelleinführung, die das Verständnis von über zehn Stunden Audio oder über 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS nennt.
Bilder haben in diesem Leitfaden eigene Vorbereitungsgrenzen: bis zu 20 MB pro Bild per URL, Abmessungen von mehr als 10 Pixeln auf jeder Seite und ein Seitenverhältnis nicht extremer als 200:1. Der Leitfaden erlaubt bis zu 2.048 Bilder oder Audiodateien per URL und 512 Videodateien per URL; Base64-Eingaben erlauben bis zu 250 Dateien. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Eingabetokenbudget. Die Reihe kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, machen Sie kleine Beschriftungen lesbar und erklären Sie die Beziehung zwischen separaten Eingaben. Die dokumentierten Dateianzahlgrenzen unterscheiden sich nach Modalität und Übertragungsmethode; jede Eingabe muss weiterhin in das gemeinsame Tokenbudget passen.
Der benannte Snapshot vom 15. März unterstützt laut Qwen3.5-Omni-Leitfaden des Herstellers kein individuelles Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der Klon-Workflow des undatierten Alias mit Erstellung und anschließender Nutzung für diese Edition gilt. Stimmenwahl und gesprochener Vortrag sind getrennte Entscheidungen: Der Parameter voice bezeichnet eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.
Verbinden Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielbriefing lautet: „Erklären Sie den hier gezeigten Mechanismus, verbinden Sie die gesprochene Erklärung mit den beschrifteten Teilen und geben Sie sowohl eine englische Textantwort als auch eine ruhige Sprachantwort aus.“ Fordern Sie für einen Textbericht getrennt chronologische Ereignisse, sichtbaren Wortlaut und Sprache mit auf die Quelle bezogenen Zeitstempeln an. Bewahren Sie Snapshot-Namen, Eingabeausschnitt und Ausgabeanweisungen auf, damit eine weitere Prüfung von demselben dokumentierten Auftrag ausgeht.
", "aboutText": "Qwen3.5-Omni-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Textproduktion, Sprachassistenten und Multimediaanalyse. Er nimmt Text, Bilder, Audio und Video einschließlich gemischter Eingaben entgegen und erzeugt Text oder Text mit Sprache. Diese datierte Edition ist vom undatierten Alias Qwen3.5-Omni-Plus und den Realtime-Editionen getrennt. Bewahren Sie ihren vollständigen Namen auf, wenn ein Workflow aufzeichnen muss, welche benannte Version ausgewählt ist.\n\nDie Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Fragen Sie bei einem Medienbriefing die sichtbare Abfolge, den Wortlaut im Bild und die gesprochenen Inhalte getrennt ab und fordern Sie quellenbezogene Zeitstempel an, wenn die Ereignisreihenfolge relevant ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.\n\nLegen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Leitfaden dokumentiert Anweisungen zu Lautstärke, Sprechgeschwindigkeit und Emotion. Er führt 113 Sprachen und Dialekte für Audioeingaben und 36 Sprachen und Dialekte für Sprachausgaben an, darunter Englisch, Französisch, Deutsch und Russisch. Der Stimmenkatalog nennt Tina als Standard und enthält Optionen wie Serena und Ethan. Wählen Sie die Stimme und fordern Sie eine knappe Erklärung in bedachtem Tempo an, statt sich zur Bestimmung des Ausgabestils auf die Eingabestimme zu verlassen.\n\nDer dokumentierte HTTP-Sprach-Workflow liefert gestreamten Text und Base64-kodierte Audioblöcke zurück. Sein WAV-Beispiel verwendet 24 kHz, mono, 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammenfügen oder sie bei ihrem Eintreffen für die Wiedergabe dekodieren. Dies ist gestreamte Generierung aus einer eingereichten Anfrage. Live-Erkennung von Gesprächswechseln, Unterbrechungsbehandlung und Gespräche über das Mikrofon gehören zu gesondert benannten Realtime-Modellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für tiefgehendes Denken.\n\nDie Fähigkeitentabelle des Snapshots führt Websuche und Function Calling an, wobei Function Calling auf Beijing Chat Completions und Textausgabe begrenzt ist. Sie nennt strukturierte Ausgabe als JSON Object; die regionalen Familientabellen unterscheiden die Unterstützung in Beijing vom nicht unterstützten Eintrag für Singapore. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und liefert das Werkzeugergebnis zurück, damit das Modell fortsetzen kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.\n\nDas veröffentlichte Kontextfenster beträgt 262.144 Tokens, mit maximal 196.608 Eingabetokens und maximal 65.536 Ausgabetokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Leitfaden erlaubt für diese Reihe bis zu drei Stunden Audio oder eine Stunde Video; er führt AMR, WAV, 3GP, 3GPP, AAC und MP3 für Audio sowie MP4, AVI, MKV, MOV, FLV und WMV für Video an. Audio- oder Videodateien per URL dürfen bis zu 2 GB groß sein; Base64-kodierte Medien müssen kleiner als 10 MB sein. Dies sind die Datei-Workflow-Grenzen des Herstellers und unterscheiden sich von der Beschreibung in der Modelleinführung, die das Verständnis von über zehn Stunden Audio oder über 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS nennt.\n\nBilder haben in diesem Leitfaden eigene Vorbereitungsgrenzen: bis zu 20 MB pro Bild per URL, Abmessungen von mehr als 10 Pixeln auf jeder Seite und ein Seitenverhältnis nicht extremer als 200:1. Der Leitfaden erlaubt bis zu 2.048 Bilder oder Audiodateien per URL und 512 Videodateien per URL; Base64-Eingaben erlauben bis zu 250 Dateien. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Eingabetokenbudget. Die Reihe kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, machen Sie kleine Beschriftungen lesbar und erklären Sie die Beziehung zwischen separaten Eingaben. Die dokumentierten Dateianzahlgrenzen unterscheiden sich nach Modalität und Übertragungsmethode; jede Eingabe muss weiterhin in das gemeinsame Tokenbudget passen.\n\nDer benannte Snapshot vom 15. März unterstützt laut Qwen3.5-Omni-Leitfaden des Herstellers kein individuelles Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der Klon-Workflow des undatierten Alias mit Erstellung und anschließender Nutzung für diese Edition gilt. Stimmenwahl und gesprochener Vortrag sind getrennte Entscheidungen: Der Parameter voice bezeichnet eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.\n\nVerbinden Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielbriefing lautet: „Erklären Sie den hier gezeigten Mechanismus, verbinden Sie die gesprochene Erklärung mit den beschrifteten Teilen und geben Sie sowohl eine englische Textantwort als auch eine ruhige Sprachantwort aus.“ Fordern Sie für einen Textbericht getrennt chronologische Ereignisse, sichtbaren Wortlaut und Sprache mit auf die Quelle bezogenen Zeitstempeln an. Bewahren Sie Snapshot-Namen, Eingabeausschnitt und Ausgabeanweisungen auf, damit eine weitere Prüfung von demselben dokumentierten Auftrag ausgeht.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Align a spoken script with written scene notes\n\nUse these text records only. Scene notes: at 00:05 the presenter opens the lid; at 00:10 they remove the filter. Transcript: 00:05 'First remove the filter'; 00:10 'Then open the lid.' Identify the mismatch and draft corrected narration aligned to the scene notes. Return text only; no audio or video is attached or requested.A timestamped mismatch report and two corrected narration lines matching the supplied scene order.The corrected 00:05 line opens the lid, and the 00:10 line removes the filter, without claiming media analysis or speech generation.qwen3.5-omni-plus-2026-03-15Qwen3.5-Omni-Plus 2026-03-15 ist ein benannter multimodaler Snapshot für Text, Bilder, Audio und Video. Er erzeugt Text- oder Sprachantworten und verbindet visuelle Belege mit Ton; dabei behält er seine eigenen dokumentierten Grenzen und Unterschiede im Sprach-Workflow bei.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3.5-Omni-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Textproduktion, Sprachassistenten und Multimediaanalyse. Er nimmt Text, Bilder, Audio und Video einschließlich gemischter Eingaben entgegen und erzeugt Text oder Text mit Sprache. Diese datierte Edition ist vom undatierten Alias Qwen3.5-Omni-Plus und den Realtime-Editionen getrennt. Bewahren Sie ihren vollständigen Namen auf, wenn ein Workflow aufzeichnen muss, welche benannte Version ausgewählt ist.
Die Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Fragen Sie bei einem Medienbriefing die sichtbare Abfolge, den Wortlaut im Bild und die gesprochenen Inhalte getrennt ab und fordern Sie quellenbezogene Zeitstempel an, wenn die Ereignisreihenfolge relevant ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.
Legen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Leitfaden dokumentiert Anweisungen zu Lautstärke, Sprechgeschwindigkeit und Emotion. Er führt 113 Sprachen und Dialekte für Audioeingaben und 36 Sprachen und Dialekte für Sprachausgaben an, darunter Englisch, Französisch, Deutsch und Russisch. Der Stimmenkatalog nennt Tina als Standard und enthält Optionen wie Serena und Ethan. Wählen Sie die Stimme und fordern Sie eine knappe Erklärung in bedachtem Tempo an, statt sich zur Bestimmung des Ausgabestils auf die Eingabestimme zu verlassen.
Der dokumentierte HTTP-Sprach-Workflow liefert gestreamten Text und Base64-kodierte Audioblöcke zurück. Sein WAV-Beispiel verwendet 24 kHz, mono, 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammenfügen oder sie bei ihrem Eintreffen für die Wiedergabe dekodieren. Dies ist gestreamte Generierung aus einer eingereichten Anfrage. Live-Erkennung von Gesprächswechseln, Unterbrechungsbehandlung und Gespräche über das Mikrofon gehören zu gesondert benannten Realtime-Modellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für tiefgehendes Denken.
Die Fähigkeitentabelle des Snapshots führt Websuche und Function Calling an, wobei Function Calling auf Beijing Chat Completions und Textausgabe begrenzt ist. Sie nennt strukturierte Ausgabe als JSON Object; die regionalen Familientabellen unterscheiden die Unterstützung in Beijing vom nicht unterstützten Eintrag für Singapore. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und liefert das Werkzeugergebnis zurück, damit das Modell fortsetzen kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.
Das veröffentlichte Kontextfenster beträgt 262.144 Tokens, mit maximal 196.608 Eingabetokens und maximal 65.536 Ausgabetokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Leitfaden erlaubt für diese Reihe bis zu drei Stunden Audio oder eine Stunde Video; er führt AMR, WAV, 3GP, 3GPP, AAC und MP3 für Audio sowie MP4, AVI, MKV, MOV, FLV und WMV für Video an. Audio- oder Videodateien per URL dürfen bis zu 2 GB groß sein; Base64-kodierte Medien müssen kleiner als 10 MB sein. Dies sind die Datei-Workflow-Grenzen des Herstellers und unterscheiden sich von der Beschreibung in der Modelleinführung, die das Verständnis von über zehn Stunden Audio oder über 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS nennt.
Bilder haben in diesem Leitfaden eigene Vorbereitungsgrenzen: bis zu 20 MB pro Bild per URL, Abmessungen von mehr als 10 Pixeln auf jeder Seite und ein Seitenverhältnis nicht extremer als 200:1. Der Leitfaden erlaubt bis zu 2.048 Bilder oder Audiodateien per URL und 512 Videodateien per URL; Base64-Eingaben erlauben bis zu 250 Dateien. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Eingabetokenbudget. Die Reihe kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, machen Sie kleine Beschriftungen lesbar und erklären Sie die Beziehung zwischen separaten Eingaben. Die dokumentierten Dateianzahlgrenzen unterscheiden sich nach Modalität und Übertragungsmethode; jede Eingabe muss weiterhin in das gemeinsame Tokenbudget passen.
Der benannte Snapshot vom 15. März unterstützt laut Qwen3.5-Omni-Leitfaden des Herstellers kein individuelles Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der Klon-Workflow des undatierten Alias mit Erstellung und anschließender Nutzung für diese Edition gilt. Stimmenwahl und gesprochener Vortrag sind getrennte Entscheidungen: Der Parameter voice bezeichnet eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.
Verbinden Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielbriefing lautet: „Erklären Sie den hier gezeigten Mechanismus, verbinden Sie die gesprochene Erklärung mit den beschrifteten Teilen und geben Sie sowohl eine englische Textantwort als auch eine ruhige Sprachantwort aus.“ Fordern Sie für einen Textbericht getrennt chronologische Ereignisse, sichtbaren Wortlaut und Sprache mit auf die Quelle bezogenen Zeitstempeln an. Bewahren Sie Snapshot-Namen, Eingabeausschnitt und Ausgabeanweisungen auf, damit eine weitere Prüfung von demselben dokumentierten Auftrag ausgeht.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-omni-plus-2026-03-15 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Tokens Ausgabe · Ausgabetoken $0.012584 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-2026-03-15", "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-2026-03-15',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-2026-03-15',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen3.5-omni-plus-2026-03-15
Verwenden Sie die oben angezeigten Methodenpfade.
qwen3.5-omni-plus-2026-03-15Qwen3.5-Omni-Plus 2026-03-15 ist ein benannter multimodaler Snapshot für Text, Bilder, Audio und Video. Er erzeugt Text- oder Sprachantworten und verbindet visuelle Belege mit Ton; dabei behält er seine eigenen dokumentierten Grenzen und Unterschiede im Sprach-Workflow bei.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3.5-Omni-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Textproduktion, Sprachassistenten und Multimediaanalyse. Er nimmt Text, Bilder, Audio und Video einschließlich gemischter Eingaben entgegen und erzeugt Text oder Text mit Sprache. Diese datierte Edition ist vom undatierten Alias Qwen3.5-Omni-Plus und den Realtime-Editionen getrennt. Bewahren Sie ihren vollständigen Namen auf, wenn ein Workflow aufzeichnen muss, welche benannte Version ausgewählt ist.
Die Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Fragen Sie bei einem Medienbriefing die sichtbare Abfolge, den Wortlaut im Bild und die gesprochenen Inhalte getrennt ab und fordern Sie quellenbezogene Zeitstempel an, wenn die Ereignisreihenfolge relevant ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.
Legen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Leitfaden dokumentiert Anweisungen zu Lautstärke, Sprechgeschwindigkeit und Emotion. Er führt 113 Sprachen und Dialekte für Audioeingaben und 36 Sprachen und Dialekte für Sprachausgaben an, darunter Englisch, Französisch, Deutsch und Russisch. Der Stimmenkatalog nennt Tina als Standard und enthält Optionen wie Serena und Ethan. Wählen Sie die Stimme und fordern Sie eine knappe Erklärung in bedachtem Tempo an, statt sich zur Bestimmung des Ausgabestils auf die Eingabestimme zu verlassen.
Der dokumentierte HTTP-Sprach-Workflow liefert gestreamten Text und Base64-kodierte Audioblöcke zurück. Sein WAV-Beispiel verwendet 24 kHz, mono, 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammenfügen oder sie bei ihrem Eintreffen für die Wiedergabe dekodieren. Dies ist gestreamte Generierung aus einer eingereichten Anfrage. Live-Erkennung von Gesprächswechseln, Unterbrechungsbehandlung und Gespräche über das Mikrofon gehören zu gesondert benannten Realtime-Modellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für tiefgehendes Denken.
Die Fähigkeitentabelle des Snapshots führt Websuche und Function Calling an, wobei Function Calling auf Beijing Chat Completions und Textausgabe begrenzt ist. Sie nennt strukturierte Ausgabe als JSON Object; die regionalen Familientabellen unterscheiden die Unterstützung in Beijing vom nicht unterstützten Eintrag für Singapore. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und liefert das Werkzeugergebnis zurück, damit das Modell fortsetzen kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.
Das veröffentlichte Kontextfenster beträgt 262.144 Tokens, mit maximal 196.608 Eingabetokens und maximal 65.536 Ausgabetokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Leitfaden erlaubt für diese Reihe bis zu drei Stunden Audio oder eine Stunde Video; er führt AMR, WAV, 3GP, 3GPP, AAC und MP3 für Audio sowie MP4, AVI, MKV, MOV, FLV und WMV für Video an. Audio- oder Videodateien per URL dürfen bis zu 2 GB groß sein; Base64-kodierte Medien müssen kleiner als 10 MB sein. Dies sind die Datei-Workflow-Grenzen des Herstellers und unterscheiden sich von der Beschreibung in der Modelleinführung, die das Verständnis von über zehn Stunden Audio oder über 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS nennt.
Bilder haben in diesem Leitfaden eigene Vorbereitungsgrenzen: bis zu 20 MB pro Bild per URL, Abmessungen von mehr als 10 Pixeln auf jeder Seite und ein Seitenverhältnis nicht extremer als 200:1. Der Leitfaden erlaubt bis zu 2.048 Bilder oder Audiodateien per URL und 512 Videodateien per URL; Base64-Eingaben erlauben bis zu 250 Dateien. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Eingabetokenbudget. Die Reihe kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, machen Sie kleine Beschriftungen lesbar und erklären Sie die Beziehung zwischen separaten Eingaben. Die dokumentierten Dateianzahlgrenzen unterscheiden sich nach Modalität und Übertragungsmethode; jede Eingabe muss weiterhin in das gemeinsame Tokenbudget passen.
Der benannte Snapshot vom 15. März unterstützt laut Qwen3.5-Omni-Leitfaden des Herstellers kein individuelles Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der Klon-Workflow des undatierten Alias mit Erstellung und anschließender Nutzung für diese Edition gilt. Stimmenwahl und gesprochener Vortrag sind getrennte Entscheidungen: Der Parameter voice bezeichnet eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.
Verbinden Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielbriefing lautet: „Erklären Sie den hier gezeigten Mechanismus, verbinden Sie die gesprochene Erklärung mit den beschrifteten Teilen und geben Sie sowohl eine englische Textantwort als auch eine ruhige Sprachantwort aus.“ Fordern Sie für einen Textbericht getrennt chronologische Ereignisse, sichtbaren Wortlaut und Sprache mit auf die Quelle bezogenen Zeitstempeln an. Bewahren Sie Snapshot-Namen, Eingabeausschnitt und Ausgabeanweisungen auf, damit eine weitere Prüfung von demselben dokumentierten Auftrag ausgeht.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-omni-plus-2026-03-15 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Tokens Ausgabe · Ausgabetoken $0.012584 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3.5-omni-plus-2026-03-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2026-03-15', '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-2026-03-15', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen3.5-omni-plus-2026-03-15
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Align a spoken script with written scene notes\n\nUse these text records only. Scene notes: at 00:05 the presenter opens the lid; at 00:10 they remove the filter. Transcript: 00:05 'First remove the filter'; 00:10 'Then open the lid.' Identify the mismatch and draft corrected narration aligned to the scene notes. Return text only; no audio or video is attached or requested.A timestamped mismatch report and two corrected narration lines matching the supplied scene order.The corrected 00:05 line opens the lid, and the 00:10 line removes the filter, without claiming media analysis or speech generation.