Qwen3-Omni-30B-A3B-Instruct on Qwen3-Omnin ohjeita noudattava, puhetta generoiva jäsen. Se ymmärtää tekstiä, kuvia, ääntä ja videota, myös yhdistelmäsyötteitä, ja voi palauttaa sekä tekstiä että luonnollista puhetta. Qwen kuvaa perheen arkkitehtuurin tukevan suoratoistettuja teksti- ja puhevastauksia. Täsmällinen Instruct-malliversio sisältää Thinker- ja Talker-komponentit: ymmärtäminen ja tekstivastauksen muodostus yhdistyvät puheengenerointipolkuun. Thinking- ja Captioner-malliversioiden komponentti- ja tulosteroolit ovat erilaiset, joten ne pysyvät erillisinä mallivalintoina.
Perheen julkaistu monikielinen käyttöala sisältää 119 tekstikieltä, 19 puhesyötteen kieltä ja 10 puhetulosteen kieltä. Venäjä on molemmissa puhekieliluetteloissa. Valmistaja kuvaa asiantuntijasekoitukseen perustuvan Thinker–Talker-rakenteen, jossa äänen ja näön käsittely palvelee multimodaalista ymmärrystä ja puheen generointi käyttää useita koodikirjoja. Järjestelmäkehotteet voivat muokata avustajan roolia ja vastaustyyliä. Sopiva tehtävä on puhuttu selitys, joka riippuu näkyvästä kohteesta ja käyttäjän puhutusta kysymyksestä, eikä asiaan liittymätön tekstistä puheeksi -muunnos.
Käyttöoppaat kattavat puheentunnistuksen, puheen kääntämisen, musiikin ja äänten analyysin, sekoitetun äänen, kuvakysymykset, OCR:n, kohteiden paikannuksen, videokuvaukset ja audiovisuaalisen vuoropuhelun. Anna koulutusavustajalle esittelyleike ja pyydä sitä selittämään näkyvä menettely aloittelijalle. Yhdistä tuotekysymykseen kuva ja puhuttu pyyntö ja yksilöi käsiteltävä yksityiskohta. Ilmoita kohdekuulija ja haluttu tulos: lyhyt puhuttu vastaus, tekstiyhteenveto tai molemmat. Säilytä ennallaan pysyttävät lähdenimet ja mitat.
Valmistajan syötemenettely käyttää vastaavaa prosessoria, keskustelumallipohjaa ja median käsittelyapuohjelmia. Mediaa voi lomittaa tekstin kanssa, ja dekoodaus on nimenomainen osa pyynnön valmistelua. Kun käytät videon mukana tulevaa ääntä, pidä use_audio_in_video johdonmukaisena esikäsittelyssä, generoinnissa ja peräkkäisillä keskustelukierroksilla. Audiovisuaalinen kysymys edellyttää ääniraidan sisällyttämistä; pelkästään visuaalisen tehtävän tulee ilmoittaa rajauksensa selkeästi. Valitse olennainen leike ja käytä luettavia kuvia, jotta avustaja saa kysymykseen tarvittavat yksityiskohdat.
Puhetulostetta voi ohjata. Julkaistu generointirajapinta voi pyytää vain tekstiä asetuksella return_audio=False, ja Talkerin poistaminen käytöstä poistaa tämän komponentin ladatun mallin puhetulostepolusta. Valmistajan eräesimerkki palauttaa tekstiä äänen sijaan. Instruct-malliversio dokumentoi kolme puheäänivaihtoehtoa—Ethan, Chelsie ja Aiden—joista Ethan on oletus. Esimerkki tallentaa aaltomuodon 24,000 Hz:n näytteenottotaajuudella. Äänen valinta ja esimerkin tulostemuoto kuvaavat julkaistua mallityönkulkua, eivät jokaista mahdollista ympäröivän palvelun rajapintaa.
Valmistaja suosittelee puhuttuihin vastauksiin helposti ääneen lausuttavaa keskustelutyyliä monimutkaisen muotoilun sijaan. Pyyntö voi pyytää tiiviin selityksen kuulijan kielellä ja samalla säilyttää erillisen luettavan tekstituloksen arviointia varten. Jos lähde sisältää nimen, kaavan tai vieraan lyhenteen, anna sen merkitys ja toivottu sanamuoto. Pyydä vastausta erottamaan havaittu sisältö oletuksista, jotta sujuva puheääni ei peitä epävarmuutta.
Thinkerin ja Talkerin tekstikokoonpanot asettavat max_position_embeddings-arvoksi 65,536. Yhteisen mallikortin vLLM-esimerkit valitsevat erikseen 32,768 tokenin mallipituusasetuksen ja 16,384 tokenin generointiasetuksen; nämä pysyvät esimerkkeinä eivätkä itsenäisinä yleispätevinä rajoina. Kuvan ja äänen käsittely vaikuttaa pyynnön todelliseen kokoon. Myös rajapintatuki vaihtelee: kortin Transformers-esimerkki voi palauttaa puhetta, kun taas palvelua koskeva käsittely kuvaa Thinkeriin painottuvan polun ja erillisen video- ja äänikäsittelyn. Pidä mallin puhekyvyt erillään tietyn suoritusympäristön tukemasta tulostepolusta.
Hyödyllinen tulos yhdistää vastauksen sen arviointiin tarvittavaan lähdeaineistoon. Tarkista esittelyssä kuvattu toiminta leikkeestä; vertaa äänikysymyksen vastausta kuultaviin sanoihin tai ääniin; tarkista visuaalisen laskelman yksiköt ja merkinnät. Perheeseen kuuluu äänifunktiokutsujen käyttöopas, mutta sovellus määrittää ja suorittaa silti kaikki ulkoiset työkalutoimet. Generoitu toimintapyyntö on eri asia kuin vahvistettu tulos. Tämän version vahvuus on multimodaalinen vuorovaikutus valinnaisella puhutulla vastauksella, kun taas tosiasioiden tarkistus, jatkotoimet ja median muokkaus vaativat oman näyttönsä sekä työnkulkunsa.
", "aboutText": "Qwen3-Omni-30B-A3B-Instruct on Qwen3-Omnin ohjeita noudattava, puhetta generoiva jäsen. Se ymmärtää tekstiä, kuvia, ääntä ja videota, myös yhdistelmäsyötteitä, ja voi palauttaa sekä tekstiä että luonnollista puhetta. Qwen kuvaa perheen arkkitehtuurin tukevan suoratoistettuja teksti- ja puhevastauksia. Täsmällinen Instruct-malliversio sisältää Thinker- ja Talker-komponentit: ymmärtäminen ja tekstivastauksen muodostus yhdistyvät puheengenerointipolkuun. Thinking- ja Captioner-malliversioiden komponentti- ja tulosteroolit ovat erilaiset, joten ne pysyvät erillisinä mallivalintoina.\n\nPerheen julkaistu monikielinen käyttöala sisältää 119 tekstikieltä, 19 puhesyötteen kieltä ja 10 puhetulosteen kieltä. Venäjä on molemmissa puhekieliluetteloissa. Valmistaja kuvaa asiantuntijasekoitukseen perustuvan Thinker–Talker-rakenteen, jossa äänen ja näön käsittely palvelee multimodaalista ymmärrystä ja puheen generointi käyttää useita koodikirjoja. Järjestelmäkehotteet voivat muokata avustajan roolia ja vastaustyyliä. Sopiva tehtävä on puhuttu selitys, joka riippuu näkyvästä kohteesta ja käyttäjän puhutusta kysymyksestä, eikä asiaan liittymätön tekstistä puheeksi -muunnos.\n\nKäyttöoppaat kattavat puheentunnistuksen, puheen kääntämisen, musiikin ja äänten analyysin, sekoitetun äänen, kuvakysymykset, OCR:n, kohteiden paikannuksen, videokuvaukset ja audiovisuaalisen vuoropuhelun. Anna koulutusavustajalle esittelyleike ja pyydä sitä selittämään näkyvä menettely aloittelijalle. Yhdistä tuotekysymykseen kuva ja puhuttu pyyntö ja yksilöi käsiteltävä yksityiskohta. Ilmoita kohdekuulija ja haluttu tulos: lyhyt puhuttu vastaus, tekstiyhteenveto tai molemmat. Säilytä ennallaan pysyttävät lähdenimet ja mitat.\n\nValmistajan syötemenettely käyttää vastaavaa prosessoria, keskustelumallipohjaa ja median käsittelyapuohjelmia. Mediaa voi lomittaa tekstin kanssa, ja dekoodaus on nimenomainen osa pyynnön valmistelua. Kun käytät videon mukana tulevaa ääntä, pidä use_audio_in_video johdonmukaisena esikäsittelyssä, generoinnissa ja peräkkäisillä keskustelukierroksilla. Audiovisuaalinen kysymys edellyttää ääniraidan sisällyttämistä; pelkästään visuaalisen tehtävän tulee ilmoittaa rajauksensa selkeästi. Valitse olennainen leike ja käytä luettavia kuvia, jotta avustaja saa kysymykseen tarvittavat yksityiskohdat.\n\nPuhetulostetta voi ohjata. Julkaistu generointirajapinta voi pyytää vain tekstiä asetuksella return_audio=False, ja Talkerin poistaminen käytöstä poistaa tämän komponentin ladatun mallin puhetulostepolusta. Valmistajan eräesimerkki palauttaa tekstiä äänen sijaan. Instruct-malliversio dokumentoi kolme puheäänivaihtoehtoa—Ethan, Chelsie ja Aiden—joista Ethan on oletus. Esimerkki tallentaa aaltomuodon 24,000 Hz:n näytteenottotaajuudella. Äänen valinta ja esimerkin tulostemuoto kuvaavat julkaistua mallityönkulkua, eivät jokaista mahdollista ympäröivän palvelun rajapintaa.\n\nValmistaja suosittelee puhuttuihin vastauksiin helposti ääneen lausuttavaa keskustelutyyliä monimutkaisen muotoilun sijaan. Pyyntö voi pyytää tiiviin selityksen kuulijan kielellä ja samalla säilyttää erillisen luettavan tekstituloksen arviointia varten. Jos lähde sisältää nimen, kaavan tai vieraan lyhenteen, anna sen merkitys ja toivottu sanamuoto. Pyydä vastausta erottamaan havaittu sisältö oletuksista, jotta sujuva puheääni ei peitä epävarmuutta.\n\nThinkerin ja Talkerin tekstikokoonpanot asettavat max_position_embeddings-arvoksi 65,536. Yhteisen mallikortin vLLM-esimerkit valitsevat erikseen 32,768 tokenin mallipituusasetuksen ja 16,384 tokenin generointiasetuksen; nämä pysyvät esimerkkeinä eivätkä itsenäisinä yleispätevinä rajoina. Kuvan ja äänen käsittely vaikuttaa pyynnön todelliseen kokoon. Myös rajapintatuki vaihtelee: kortin Transformers-esimerkki voi palauttaa puhetta, kun taas palvelua koskeva käsittely kuvaa Thinkeriin painottuvan polun ja erillisen video- ja äänikäsittelyn. Pidä mallin puhekyvyt erillään tietyn suoritusympäristön tukemasta tulostepolusta.\n\nHyödyllinen tulos yhdistää vastauksen sen arviointiin tarvittavaan lähdeaineistoon. Tarkista esittelyssä kuvattu toiminta leikkeestä; vertaa äänikysymyksen vastausta kuultaviin sanoihin tai ääniin; tarkista visuaalisen laskelman yksiköt ja merkinnät. Perheeseen kuuluu äänifunktiokutsujen käyttöopas, mutta sovellus määrittää ja suorittaa silti kaikki ulkoiset työkalutoimet. Generoitu toimintapyyntö on eri asia kuin vahvistettu tulos. Tämän version vahvuus on multimodaalinen vuorovaikutus valinnaisella puhutulla vastauksella, kun taas tosiasioiden tarkistus, jatkotoimet ja median muokkaus vaativat oman näyttönsä sekä työnkulkunsa.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct ymmärtää tekstiä, kuvia, ääntä ja videota ja voi vastata tekstillä sekä luonnollisella puheella. Sen Thinker–Talker-arkkitehtuuri tukee multimodaalista vuoropuhelua, ja puheen palauttamista sekä käytettävää dokumentoitua puheääntä voidaan ohjata erikseen.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen3-Omni-30B-A3B-Instruct on Qwen3-Omnin ohjeita noudattava, puhetta generoiva jäsen. Se ymmärtää tekstiä, kuvia, ääntä ja videota, myös yhdistelmäsyötteitä, ja voi palauttaa sekä tekstiä että luonnollista puhetta. Qwen kuvaa perheen arkkitehtuurin tukevan suoratoistettuja teksti- ja puhevastauksia. Täsmällinen Instruct-malliversio sisältää Thinker- ja Talker-komponentit: ymmärtäminen ja tekstivastauksen muodostus yhdistyvät puheengenerointipolkuun. Thinking- ja Captioner-malliversioiden komponentti- ja tulosteroolit ovat erilaiset, joten ne pysyvät erillisinä mallivalintoina.
Perheen julkaistu monikielinen käyttöala sisältää 119 tekstikieltä, 19 puhesyötteen kieltä ja 10 puhetulosteen kieltä. Venäjä on molemmissa puhekieliluetteloissa. Valmistaja kuvaa asiantuntijasekoitukseen perustuvan Thinker–Talker-rakenteen, jossa äänen ja näön käsittely palvelee multimodaalista ymmärrystä ja puheen generointi käyttää useita koodikirjoja. Järjestelmäkehotteet voivat muokata avustajan roolia ja vastaustyyliä. Sopiva tehtävä on puhuttu selitys, joka riippuu näkyvästä kohteesta ja käyttäjän puhutusta kysymyksestä, eikä asiaan liittymätön tekstistä puheeksi -muunnos.
Käyttöoppaat kattavat puheentunnistuksen, puheen kääntämisen, musiikin ja äänten analyysin, sekoitetun äänen, kuvakysymykset, OCR:n, kohteiden paikannuksen, videokuvaukset ja audiovisuaalisen vuoropuhelun. Anna koulutusavustajalle esittelyleike ja pyydä sitä selittämään näkyvä menettely aloittelijalle. Yhdistä tuotekysymykseen kuva ja puhuttu pyyntö ja yksilöi käsiteltävä yksityiskohta. Ilmoita kohdekuulija ja haluttu tulos: lyhyt puhuttu vastaus, tekstiyhteenveto tai molemmat. Säilytä ennallaan pysyttävät lähdenimet ja mitat.
Valmistajan syötemenettely käyttää vastaavaa prosessoria, keskustelumallipohjaa ja median käsittelyapuohjelmia. Mediaa voi lomittaa tekstin kanssa, ja dekoodaus on nimenomainen osa pyynnön valmistelua. Kun käytät videon mukana tulevaa ääntä, pidä use_audio_in_video johdonmukaisena esikäsittelyssä, generoinnissa ja peräkkäisillä keskustelukierroksilla. Audiovisuaalinen kysymys edellyttää ääniraidan sisällyttämistä; pelkästään visuaalisen tehtävän tulee ilmoittaa rajauksensa selkeästi. Valitse olennainen leike ja käytä luettavia kuvia, jotta avustaja saa kysymykseen tarvittavat yksityiskohdat.
Puhetulostetta voi ohjata. Julkaistu generointirajapinta voi pyytää vain tekstiä asetuksella return_audio=False, ja Talkerin poistaminen käytöstä poistaa tämän komponentin ladatun mallin puhetulostepolusta. Valmistajan eräesimerkki palauttaa tekstiä äänen sijaan. Instruct-malliversio dokumentoi kolme puheäänivaihtoehtoa—Ethan, Chelsie ja Aiden—joista Ethan on oletus. Esimerkki tallentaa aaltomuodon 24,000 Hz:n näytteenottotaajuudella. Äänen valinta ja esimerkin tulostemuoto kuvaavat julkaistua mallityönkulkua, eivät jokaista mahdollista ympäröivän palvelun rajapintaa.
Valmistaja suosittelee puhuttuihin vastauksiin helposti ääneen lausuttavaa keskustelutyyliä monimutkaisen muotoilun sijaan. Pyyntö voi pyytää tiiviin selityksen kuulijan kielellä ja samalla säilyttää erillisen luettavan tekstituloksen arviointia varten. Jos lähde sisältää nimen, kaavan tai vieraan lyhenteen, anna sen merkitys ja toivottu sanamuoto. Pyydä vastausta erottamaan havaittu sisältö oletuksista, jotta sujuva puheääni ei peitä epävarmuutta.
Thinkerin ja Talkerin tekstikokoonpanot asettavat max_position_embeddings-arvoksi 65,536. Yhteisen mallikortin vLLM-esimerkit valitsevat erikseen 32,768 tokenin mallipituusasetuksen ja 16,384 tokenin generointiasetuksen; nämä pysyvät esimerkkeinä eivätkä itsenäisinä yleispätevinä rajoina. Kuvan ja äänen käsittely vaikuttaa pyynnön todelliseen kokoon. Myös rajapintatuki vaihtelee: kortin Transformers-esimerkki voi palauttaa puhetta, kun taas palvelua koskeva käsittely kuvaa Thinkeriin painottuvan polun ja erillisen video- ja äänikäsittelyn. Pidä mallin puhekyvyt erillään tietyn suoritusympäristön tukemasta tulostepolusta.
Hyödyllinen tulos yhdistää vastauksen sen arviointiin tarvittavaan lähdeaineistoon. Tarkista esittelyssä kuvattu toiminta leikkeestä; vertaa äänikysymyksen vastausta kuultaviin sanoihin tai ääniin; tarkista visuaalisen laskelman yksiköt ja merkinnät. Perheeseen kuuluu äänifunktiokutsujen käyttöopas, mutta sovellus määrittää ja suorittaa silti kaikki ulkoiset työkalutoimet. Generoitu toimintapyyntö on eri asia kuin vahvistettu tulos. Tämän version vahvuus on multimodaalinen vuorovaikutus valinnaisella puhutulla vastauksella, kun taas tosiasioiden tarkistus, jatkotoimet ja median muokkaus vaativat oman näyttönsä sekä työnkulkunsa.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat Qwen/Qwen3-Omni-30B-A3B-Instruct | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: system, user, assistant, tool, function Ehdot: Nämä roolit esitetään nimenomaisesti lähdekoodin yhteensopivuustyypeissä; mallin täsmällinen roolijoukko pysyy mallikohtaisena. Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring|content_part[]|null | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_calls | Tyyppitool_call[] | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_call_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: role=tool; käytä todella palautettua ID:tä | Oletus— |
Kenttämessages[].name | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].reasoning_content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Palauta todella saatu päättely takaisin mallille, kun kyseinen malli käyttää sitä | Oletus— |
Kenttämessages[].reasoning_details | Tyyppiobject|array | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttämax_completion_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttästream_options.include_usage | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätop_p | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttästop | Tyyppistring|string[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools | Tyyppifunction_tool[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools[].type | Tyyppistring | VaatimusValinnainen | Arvot & rajat function Riippuu mallista | Oletus— |
Kenttätools[].function.name | Tyyppistring | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: funktiotyökalu annettu | Oletus— |
Kenttätools[].function.description | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätools[].function.parameters | TyyppiJSON_schema | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätool_choice | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäparallel_tool_calls | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäresponse_format | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning_effort | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäservice_tier | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäinstructions | Tyyppistring | VaatimusValinnainen | Arvot & rajat Yhteensopivuuskenttä | Oletus— |
Kenttäfunctions | Tyyppifunction[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäfunction_call | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäprompt_cache_options | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämodalities | Tyyppistring[] | VaatimusValinnainen | Arvot & rajat text | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätään tällä Ultran tekstireitillä | Oletus— |
Kenttäcache_control.ttl | Tyyppistring | VaatimusValinnainen | Arvot & rajat Ehdot: 1h hylätään varsinaisissa kehotevälimuistin kohdissa | Oletus— |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametricontrol_scope | Sopimusmallikohtainen; käyttäjän funktiotyökalut eroavat palvelun isännöimistä työkaluista |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.0002 / 1K tokenia Tuloste · Tulostokenit $0.0008 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Instruct", "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='Qwen/Qwen3-Omni-30B-A3B-Instruct',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='Qwen/Qwen3-Omni-30B-A3B-Instruct',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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Käytä yllä näytettyjä menetelmäpolkuja.
Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct ymmärtää tekstiä, kuvia, ääntä ja videota ja voi vastata tekstillä sekä luonnollisella puheella. Sen Thinker–Talker-arkkitehtuuri tukee multimodaalista vuoropuhelua, ja puheen palauttamista sekä käytettävää dokumentoitua puheääntä voidaan ohjata erikseen.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen3-Omni-30B-A3B-Instruct on Qwen3-Omnin ohjeita noudattava, puhetta generoiva jäsen. Se ymmärtää tekstiä, kuvia, ääntä ja videota, myös yhdistelmäsyötteitä, ja voi palauttaa sekä tekstiä että luonnollista puhetta. Qwen kuvaa perheen arkkitehtuurin tukevan suoratoistettuja teksti- ja puhevastauksia. Täsmällinen Instruct-malliversio sisältää Thinker- ja Talker-komponentit: ymmärtäminen ja tekstivastauksen muodostus yhdistyvät puheengenerointipolkuun. Thinking- ja Captioner-malliversioiden komponentti- ja tulosteroolit ovat erilaiset, joten ne pysyvät erillisinä mallivalintoina.
Perheen julkaistu monikielinen käyttöala sisältää 119 tekstikieltä, 19 puhesyötteen kieltä ja 10 puhetulosteen kieltä. Venäjä on molemmissa puhekieliluetteloissa. Valmistaja kuvaa asiantuntijasekoitukseen perustuvan Thinker–Talker-rakenteen, jossa äänen ja näön käsittely palvelee multimodaalista ymmärrystä ja puheen generointi käyttää useita koodikirjoja. Järjestelmäkehotteet voivat muokata avustajan roolia ja vastaustyyliä. Sopiva tehtävä on puhuttu selitys, joka riippuu näkyvästä kohteesta ja käyttäjän puhutusta kysymyksestä, eikä asiaan liittymätön tekstistä puheeksi -muunnos.
Käyttöoppaat kattavat puheentunnistuksen, puheen kääntämisen, musiikin ja äänten analyysin, sekoitetun äänen, kuvakysymykset, OCR:n, kohteiden paikannuksen, videokuvaukset ja audiovisuaalisen vuoropuhelun. Anna koulutusavustajalle esittelyleike ja pyydä sitä selittämään näkyvä menettely aloittelijalle. Yhdistä tuotekysymykseen kuva ja puhuttu pyyntö ja yksilöi käsiteltävä yksityiskohta. Ilmoita kohdekuulija ja haluttu tulos: lyhyt puhuttu vastaus, tekstiyhteenveto tai molemmat. Säilytä ennallaan pysyttävät lähdenimet ja mitat.
Valmistajan syötemenettely käyttää vastaavaa prosessoria, keskustelumallipohjaa ja median käsittelyapuohjelmia. Mediaa voi lomittaa tekstin kanssa, ja dekoodaus on nimenomainen osa pyynnön valmistelua. Kun käytät videon mukana tulevaa ääntä, pidä use_audio_in_video johdonmukaisena esikäsittelyssä, generoinnissa ja peräkkäisillä keskustelukierroksilla. Audiovisuaalinen kysymys edellyttää ääniraidan sisällyttämistä; pelkästään visuaalisen tehtävän tulee ilmoittaa rajauksensa selkeästi. Valitse olennainen leike ja käytä luettavia kuvia, jotta avustaja saa kysymykseen tarvittavat yksityiskohdat.
Puhetulostetta voi ohjata. Julkaistu generointirajapinta voi pyytää vain tekstiä asetuksella return_audio=False, ja Talkerin poistaminen käytöstä poistaa tämän komponentin ladatun mallin puhetulostepolusta. Valmistajan eräesimerkki palauttaa tekstiä äänen sijaan. Instruct-malliversio dokumentoi kolme puheäänivaihtoehtoa—Ethan, Chelsie ja Aiden—joista Ethan on oletus. Esimerkki tallentaa aaltomuodon 24,000 Hz:n näytteenottotaajuudella. Äänen valinta ja esimerkin tulostemuoto kuvaavat julkaistua mallityönkulkua, eivät jokaista mahdollista ympäröivän palvelun rajapintaa.
Valmistaja suosittelee puhuttuihin vastauksiin helposti ääneen lausuttavaa keskustelutyyliä monimutkaisen muotoilun sijaan. Pyyntö voi pyytää tiiviin selityksen kuulijan kielellä ja samalla säilyttää erillisen luettavan tekstituloksen arviointia varten. Jos lähde sisältää nimen, kaavan tai vieraan lyhenteen, anna sen merkitys ja toivottu sanamuoto. Pyydä vastausta erottamaan havaittu sisältö oletuksista, jotta sujuva puheääni ei peitä epävarmuutta.
Thinkerin ja Talkerin tekstikokoonpanot asettavat max_position_embeddings-arvoksi 65,536. Yhteisen mallikortin vLLM-esimerkit valitsevat erikseen 32,768 tokenin mallipituusasetuksen ja 16,384 tokenin generointiasetuksen; nämä pysyvät esimerkkeinä eivätkä itsenäisinä yleispätevinä rajoina. Kuvan ja äänen käsittely vaikuttaa pyynnön todelliseen kokoon. Myös rajapintatuki vaihtelee: kortin Transformers-esimerkki voi palauttaa puhetta, kun taas palvelua koskeva käsittely kuvaa Thinkeriin painottuvan polun ja erillisen video- ja äänikäsittelyn. Pidä mallin puhekyvyt erillään tietyn suoritusympäristön tukemasta tulostepolusta.
Hyödyllinen tulos yhdistää vastauksen sen arviointiin tarvittavaan lähdeaineistoon. Tarkista esittelyssä kuvattu toiminta leikkeestä; vertaa äänikysymyksen vastausta kuultaviin sanoihin tai ääniin; tarkista visuaalisen laskelman yksiköt ja merkinnät. Perheeseen kuuluu äänifunktiokutsujen käyttöopas, mutta sovellus määrittää ja suorittaa silti kaikki ulkoiset työkalutoimet. Generoitu toimintapyyntö on eri asia kuin vahvistettu tulos. Tämän version vahvuus on multimodaalinen vuorovaikutus valinnaisella puhutulla vastauksella, kun taas tosiasioiden tarkistus, jatkotoimet ja median muokkaus vaativat oman näyttönsä sekä työnkulkunsa.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat Qwen/Qwen3-Omni-30B-A3B-Instruct | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.0002 / 1K tokenia Tuloste · Tulostokenit $0.0008 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', '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': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', '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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.