Qwen3.5-Omni-Plus 2026-03-15 est l’instantané multimodal du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte avec de la parole. Cette édition datée est distincte de l’alias non daté Qwen3.5-Omni-Plus et des éditions temps réel. Conservez son nom complet lorsqu’un parcours doit enregistrer la version nommée sélectionnée.
Son entrée peut associer une image à une question orale, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé uniquement textuel ferait perdre le lien entre ce qui est vu et ce qui est entendu. Pour une consigne média, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, et sollicitez des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres sons qui ne relèvent pas de la parole peuvent contribuer à l’analyse avec celle-ci.
Pour une réponse vocale, précisez la langue, le public et la manière de parler. Le guide de Qwen documente des instructions de volume, de débit et d’émotion. Il répertorie 113 langues et dialectes d’entrée audio et 36 langues et dialectes de sortie vocale, dont l’anglais, le français, l’allemand et le russe. Le catalogue de voix identifie Tina comme voix par défaut et comprend des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de compter sur la voix d’entrée pour déterminer le style de sortie.
Le parcours vocal HTTP documenté renvoie du texte en streaming et des fragments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits mono à 24 kHz ; une application peut rassembler les fragments dans un fichier audio ou les décoder pour les lire à mesure de leur arrivée. Il s’agit d’une génération en streaming à partir d’une requête soumise. La détection des tours de parole en direct, la gestion des interruptions et la conversation au microphone appartiennent à des modèles temps réel nommés séparément. Le tableau de famille Qwen3.5-Omni ne propose pas de mode de réflexion approfondie.
Le tableau de capacités de l’instantané répertorie la recherche web et Function Calling, ce dernier étant limité à Beijing Chat Completions et à la sortie textuelle. Il mentionne la sortie structurée JSON Object ; les tableaux régionaux de la famille distinguent la prise en charge à Beijing de l’entrée non prise en charge à Singapour. Le modèle propose un appel d’outil ; l’application exécute l’action demandée et renvoie son résultat pour que le modèle poursuive. Cet instantané indique la complétion de préfixe, le cache de contexte, l’inférence par lots et l’ajustement fin comme non pris en charge.
La fenêtre de contexte publiée est de 262,144 tokens, avec une entrée maximale de 196,608 tokens et une sortie maximale de 65,536 tokens. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba autorise jusqu’à trois heures d’audio ou une heure de vidéo pour cette série ; il répertorie les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites du parcours de fichiers du fabricant, distinctes de la description introductive du modèle évoquant la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.
Les images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide autorise jusqu’à 2,048 images ou fichiers audio par URL et 512 fichiers vidéo par URL ; l’entrée Base64 autorise jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget commun de tokens d’entrée. La série peut combiner plusieurs types de médias dans une requête. Choisissez l’extrait pertinent, rendez les petits libellés lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés du nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget commun de tokens.
L’instantané nommé du 15 mars ne prend pas en charge le clonage de voix personnalisé dans le guide Qwen3.5-Omni du fabricant. Utilisez une voix documentée du catalogue pour sa sortie vocale plutôt que de supposer que le parcours de clonage création-puis-utilisation de l’alias non daté s’applique à cette édition. La sélection de voix et la manière de parler sont des choix distincts : le paramètre de voix identifie une voix du catalogue, tandis que les instructions écrites décrivent le rythme, le volume et l’émotion.
Pour une leçon enregistrée, combinez l’extrait vidéo pertinent avec un schéma et une question écrite. Voici un exemple de consigne : « Expliquez le mécanisme présenté ici, reliez l’explication orale aux parties étiquetées et donnez à la fois une réponse textuelle en anglais et une réponse vocale calme. » Pour un rapport textuel, demandez séparément les événements chronologiques, le texte visible et la parole, avec des horodatages renvoyant à la source. Préservez le nom de l’instantané, l’extrait d’entrée et les instructions de sortie afin qu’une autre revue parte de la même tâche documentée.
", "aboutText": "Qwen3.5-Omni-Plus 2026-03-15 est l’instantané multimodal du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte avec de la parole. Cette édition datée est distincte de l’alias non daté Qwen3.5-Omni-Plus et des éditions temps réel. Conservez son nom complet lorsqu’un parcours doit enregistrer la version nommée sélectionnée.\n\nSon entrée peut associer une image à une question orale, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé uniquement textuel ferait perdre le lien entre ce qui est vu et ce qui est entendu. Pour une consigne média, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, et sollicitez des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres sons qui ne relèvent pas de la parole peuvent contribuer à l’analyse avec celle-ci.\n\nPour une réponse vocale, précisez la langue, le public et la manière de parler. Le guide de Qwen documente des instructions de volume, de débit et d’émotion. Il répertorie 113 langues et dialectes d’entrée audio et 36 langues et dialectes de sortie vocale, dont l’anglais, le français, l’allemand et le russe. Le catalogue de voix identifie Tina comme voix par défaut et comprend des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de compter sur la voix d’entrée pour déterminer le style de sortie.\n\nLe parcours vocal HTTP documenté renvoie du texte en streaming et des fragments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits mono à 24 kHz ; une application peut rassembler les fragments dans un fichier audio ou les décoder pour les lire à mesure de leur arrivée. Il s’agit d’une génération en streaming à partir d’une requête soumise. La détection des tours de parole en direct, la gestion des interruptions et la conversation au microphone appartiennent à des modèles temps réel nommés séparément. Le tableau de famille Qwen3.5-Omni ne propose pas de mode de réflexion approfondie.\n\nLe tableau de capacités de l’instantané répertorie la recherche web et Function Calling, ce dernier étant limité à Beijing Chat Completions et à la sortie textuelle. Il mentionne la sortie structurée JSON Object ; les tableaux régionaux de la famille distinguent la prise en charge à Beijing de l’entrée non prise en charge à Singapour. Le modèle propose un appel d’outil ; l’application exécute l’action demandée et renvoie son résultat pour que le modèle poursuive. Cet instantané indique la complétion de préfixe, le cache de contexte, l’inférence par lots et l’ajustement fin comme non pris en charge.\n\nLa fenêtre de contexte publiée est de 262,144 tokens, avec une entrée maximale de 196,608 tokens et une sortie maximale de 65,536 tokens. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba autorise jusqu’à trois heures d’audio ou une heure de vidéo pour cette série ; il répertorie les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites du parcours de fichiers du fabricant, distinctes de la description introductive du modèle évoquant la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.\n\nLes images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide autorise jusqu’à 2,048 images ou fichiers audio par URL et 512 fichiers vidéo par URL ; l’entrée Base64 autorise jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget commun de tokens d’entrée. La série peut combiner plusieurs types de médias dans une requête. Choisissez l’extrait pertinent, rendez les petits libellés lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés du nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget commun de tokens.\n\nL’instantané nommé du 15 mars ne prend pas en charge le clonage de voix personnalisé dans le guide Qwen3.5-Omni du fabricant. Utilisez une voix documentée du catalogue pour sa sortie vocale plutôt que de supposer que le parcours de clonage création-puis-utilisation de l’alias non daté s’applique à cette édition. La sélection de voix et la manière de parler sont des choix distincts : le paramètre de voix identifie une voix du catalogue, tandis que les instructions écrites décrivent le rythme, le volume et l’émotion.\n\nPour une leçon enregistrée, combinez l’extrait vidéo pertinent avec un schéma et une question écrite. Voici un exemple de consigne : « Expliquez le mécanisme présenté ici, reliez l’explication orale aux parties étiquetées et donnez à la fois une réponse textuelle en anglais et une réponse vocale calme. » Pour un rapport textuel, demandez séparément les événements chronologiques, le texte visible et la parole, avec des horodatages renvoyant à la source. Préservez le nom de l’instantané, l’extrait d’entrée et les instructions de sortie afin qu’une autre revue parte de la même tâche documentée.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est un instantané multimodal nommé pour le texte, les images, l’audio et la vidéo. Il produit des réponses textuelles ou vocales et associe les éléments visuels au son, en conservant ses propres limites documentées et les distinctions de son parcours vocal.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3.5-Omni-Plus 2026-03-15 est l’instantané multimodal du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte avec de la parole. Cette édition datée est distincte de l’alias non daté Qwen3.5-Omni-Plus et des éditions temps réel. Conservez son nom complet lorsqu’un parcours doit enregistrer la version nommée sélectionnée.
Son entrée peut associer une image à une question orale, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé uniquement textuel ferait perdre le lien entre ce qui est vu et ce qui est entendu. Pour une consigne média, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, et sollicitez des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres sons qui ne relèvent pas de la parole peuvent contribuer à l’analyse avec celle-ci.
Pour une réponse vocale, précisez la langue, le public et la manière de parler. Le guide de Qwen documente des instructions de volume, de débit et d’émotion. Il répertorie 113 langues et dialectes d’entrée audio et 36 langues et dialectes de sortie vocale, dont l’anglais, le français, l’allemand et le russe. Le catalogue de voix identifie Tina comme voix par défaut et comprend des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de compter sur la voix d’entrée pour déterminer le style de sortie.
Le parcours vocal HTTP documenté renvoie du texte en streaming et des fragments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits mono à 24 kHz ; une application peut rassembler les fragments dans un fichier audio ou les décoder pour les lire à mesure de leur arrivée. Il s’agit d’une génération en streaming à partir d’une requête soumise. La détection des tours de parole en direct, la gestion des interruptions et la conversation au microphone appartiennent à des modèles temps réel nommés séparément. Le tableau de famille Qwen3.5-Omni ne propose pas de mode de réflexion approfondie.
Le tableau de capacités de l’instantané répertorie la recherche web et Function Calling, ce dernier étant limité à Beijing Chat Completions et à la sortie textuelle. Il mentionne la sortie structurée JSON Object ; les tableaux régionaux de la famille distinguent la prise en charge à Beijing de l’entrée non prise en charge à Singapour. Le modèle propose un appel d’outil ; l’application exécute l’action demandée et renvoie son résultat pour que le modèle poursuive. Cet instantané indique la complétion de préfixe, le cache de contexte, l’inférence par lots et l’ajustement fin comme non pris en charge.
La fenêtre de contexte publiée est de 262,144 tokens, avec une entrée maximale de 196,608 tokens et une sortie maximale de 65,536 tokens. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba autorise jusqu’à trois heures d’audio ou une heure de vidéo pour cette série ; il répertorie les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites du parcours de fichiers du fabricant, distinctes de la description introductive du modèle évoquant la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.
Les images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide autorise jusqu’à 2,048 images ou fichiers audio par URL et 512 fichiers vidéo par URL ; l’entrée Base64 autorise jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget commun de tokens d’entrée. La série peut combiner plusieurs types de médias dans une requête. Choisissez l’extrait pertinent, rendez les petits libellés lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés du nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget commun de tokens.
L’instantané nommé du 15 mars ne prend pas en charge le clonage de voix personnalisé dans le guide Qwen3.5-Omni du fabricant. Utilisez une voix documentée du catalogue pour sa sortie vocale plutôt que de supposer que le parcours de clonage création-puis-utilisation de l’alias non daté s’applique à cette édition. La sélection de voix et la manière de parler sont des choix distincts : le paramètre de voix identifie une voix du catalogue, tandis que les instructions écrites décrivent le rythme, le volume et l’émotion.
Pour une leçon enregistrée, combinez l’extrait vidéo pertinent avec un schéma et une question écrite. Voici un exemple de consigne : « Expliquez le mécanisme présenté ici, reliez l’explication orale aux parties étiquetées et donnez à la fois une réponse textuelle en anglais et une réponse vocale calme. » Pour un rapport textuel, demandez séparément les événements chronologiques, le texte visible et la parole, avec des horodatages renvoyant à la source. Préservez le nom de l’instantané, l’extrait d’entrée et les instructions de sortie afin qu’une autre revue parte de la même tâche documentée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-plus-2026-03-15 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0022 / 1K tokens Sortie · Tokens en sortie $0.012584 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen3.5-omni-plus-2026-03-15
Utilisez les chemins de méthode indiqués ci-dessus.
qwen3.5-omni-plus-2026-03-15Qwen3.5-Omni-Plus 2026-03-15 est un instantané multimodal nommé pour le texte, les images, l’audio et la vidéo. Il produit des réponses textuelles ou vocales et associe les éléments visuels au son, en conservant ses propres limites documentées et les distinctions de son parcours vocal.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3.5-Omni-Plus 2026-03-15 est l’instantané multimodal du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte avec de la parole. Cette édition datée est distincte de l’alias non daté Qwen3.5-Omni-Plus et des éditions temps réel. Conservez son nom complet lorsqu’un parcours doit enregistrer la version nommée sélectionnée.
Son entrée peut associer une image à une question orale, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé uniquement textuel ferait perdre le lien entre ce qui est vu et ce qui est entendu. Pour une consigne média, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, et sollicitez des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres sons qui ne relèvent pas de la parole peuvent contribuer à l’analyse avec celle-ci.
Pour une réponse vocale, précisez la langue, le public et la manière de parler. Le guide de Qwen documente des instructions de volume, de débit et d’émotion. Il répertorie 113 langues et dialectes d’entrée audio et 36 langues et dialectes de sortie vocale, dont l’anglais, le français, l’allemand et le russe. Le catalogue de voix identifie Tina comme voix par défaut et comprend des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de compter sur la voix d’entrée pour déterminer le style de sortie.
Le parcours vocal HTTP documenté renvoie du texte en streaming et des fragments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits mono à 24 kHz ; une application peut rassembler les fragments dans un fichier audio ou les décoder pour les lire à mesure de leur arrivée. Il s’agit d’une génération en streaming à partir d’une requête soumise. La détection des tours de parole en direct, la gestion des interruptions et la conversation au microphone appartiennent à des modèles temps réel nommés séparément. Le tableau de famille Qwen3.5-Omni ne propose pas de mode de réflexion approfondie.
Le tableau de capacités de l’instantané répertorie la recherche web et Function Calling, ce dernier étant limité à Beijing Chat Completions et à la sortie textuelle. Il mentionne la sortie structurée JSON Object ; les tableaux régionaux de la famille distinguent la prise en charge à Beijing de l’entrée non prise en charge à Singapour. Le modèle propose un appel d’outil ; l’application exécute l’action demandée et renvoie son résultat pour que le modèle poursuive. Cet instantané indique la complétion de préfixe, le cache de contexte, l’inférence par lots et l’ajustement fin comme non pris en charge.
La fenêtre de contexte publiée est de 262,144 tokens, avec une entrée maximale de 196,608 tokens et une sortie maximale de 65,536 tokens. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba autorise jusqu’à trois heures d’audio ou une heure de vidéo pour cette série ; il répertorie les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites du parcours de fichiers du fabricant, distinctes de la description introductive du modèle évoquant la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.
Les images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide autorise jusqu’à 2,048 images ou fichiers audio par URL et 512 fichiers vidéo par URL ; l’entrée Base64 autorise jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget commun de tokens d’entrée. La série peut combiner plusieurs types de médias dans une requête. Choisissez l’extrait pertinent, rendez les petits libellés lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés du nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget commun de tokens.
L’instantané nommé du 15 mars ne prend pas en charge le clonage de voix personnalisé dans le guide Qwen3.5-Omni du fabricant. Utilisez une voix documentée du catalogue pour sa sortie vocale plutôt que de supposer que le parcours de clonage création-puis-utilisation de l’alias non daté s’applique à cette édition. La sélection de voix et la manière de parler sont des choix distincts : le paramètre de voix identifie une voix du catalogue, tandis que les instructions écrites décrivent le rythme, le volume et l’émotion.
Pour une leçon enregistrée, combinez l’extrait vidéo pertinent avec un schéma et une question écrite. Voici un exemple de consigne : « Expliquez le mécanisme présenté ici, reliez l’explication orale aux parties étiquetées et donnez à la fois une réponse textuelle en anglais et une réponse vocale calme. » Pour un rapport textuel, demandez séparément les événements chronologiques, le texte visible et la parole, avec des horodatages renvoyant à la source. Préservez le nom de l’instantané, l’extrait d’entrée et les instructions de sortie afin qu’une autre revue parte de la même tâche documentée.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-plus-2026-03-15 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0022 / 1K tokens Sortie · Tokens en sortie $0.012584 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen3.5-omni-plus-2026-03-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen3.5-omni-plus-2026-03-15
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.