Qwen3.5-Omni-Plus est le modèle Qwen multimodal 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. Le nom Plus non daté est un alias de famille ; le fabricant le décrit actuellement comme fonctionnellement équivalent à Qwen3.5-Omni-Plus 2026-03-15. L’alias et l’instantané nommé restent des choix de modèle distincts.
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.
La fiche du modèle répertorie la recherche web. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle, tandis que son tableau de Singapour l’indique comme non pris en charge. La sortie JSON Object est répertoriée pour Beijing et non prise en charge pour Singapour. Un modèle peut proposer un appel d’outil, tandis que l’application exécute l’action et renvoie son résultat. Les tableaux Plus indiquent la complétion de préfixe, le cache de contexte et l’ajustement fin comme non pris en charge ; l’inférence par lots est prise en charge dans le tableau de l’alias de Beijing et non prise en charge dans celui de Singapour.
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.
Le clonage de voix personnalisé est documenté pour le modèle Plus non daté au moyen d’un parcours vocal distinct de création puis d’utilisation. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses ne dépassant pas deux secondes ; utilisez de la parole ordinaire sans musique, chant, bruit ni autre locuteur. Pour WAV, utilisez de l’audio 16 bits. Un extrait de référence sert à créer une voix pour un modèle cible nommé, et cette cible doit correspondre au modèle utilisé pour la parole. Le fabricant recommande 10–20 secondes de parole mono propre, à au moins 24 kHz, avec un maximum de 60 secondes et un fichier inférieur à 10 MB. WAV, MP3 et M4A sont les formats de référence documentés. Le clonage n’est pas pris en charge par l’instantané du 15 mars ; un choix de modèle daté modifie donc cette partie du parcours.
Pour un assistant d’apprentissage pratique, fournissez un schéma, la question enregistrée de l’apprenant et une courte consigne écrite : « Expliquez comment les parties étiquetées sont liées, répondez à la question orale en anglais et parlez de manière calme et plus lente. Donnez la réponse textuelle ainsi que la parole. » Pour un rapport média, définissez des sections séparées pour les événements, le texte visible et la parole, et demandez des horodatages pour chacune. Préparez les noms ou la terminologie dans le contexte écrit et indiquez si le résultat doit être une transcription littérale, une explication ou un résumé prêt pour son public.
", "aboutText": "Qwen3.5-Omni-Plus est le modèle Qwen multimodal 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. Le nom Plus non daté est un alias de famille ; le fabricant le décrit actuellement comme fonctionnellement équivalent à Qwen3.5-Omni-Plus 2026-03-15. L’alias et l’instantané nommé restent des choix de modèle distincts.\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\nLa fiche du modèle répertorie la recherche web. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle, tandis que son tableau de Singapour l’indique comme non pris en charge. La sortie JSON Object est répertoriée pour Beijing et non prise en charge pour Singapour. Un modèle peut proposer un appel d’outil, tandis que l’application exécute l’action et renvoie son résultat. Les tableaux Plus indiquent la complétion de préfixe, le cache de contexte et l’ajustement fin comme non pris en charge ; l’inférence par lots est prise en charge dans le tableau de l’alias de Beijing et non prise en charge dans celui de Singapour.\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\nLe clonage de voix personnalisé est documenté pour le modèle Plus non daté au moyen d’un parcours vocal distinct de création puis d’utilisation. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses ne dépassant pas deux secondes ; utilisez de la parole ordinaire sans musique, chant, bruit ni autre locuteur. Pour WAV, utilisez de l’audio 16 bits. Un extrait de référence sert à créer une voix pour un modèle cible nommé, et cette cible doit correspondre au modèle utilisé pour la parole. Le fabricant recommande 10–20 secondes de parole mono propre, à au moins 24 kHz, avec un maximum de 60 secondes et un fichier inférieur à 10 MB. WAV, MP3 et M4A sont les formats de référence documentés. Le clonage n’est pas pris en charge par l’instantané du 15 mars ; un choix de modèle daté modifie donc cette partie du parcours.\n\nPour un assistant d’apprentissage pratique, fournissez un schéma, la question enregistrée de l’apprenant et une courte consigne écrite : « Expliquez comment les parties étiquetées sont liées, répondez à la question orale en anglais et parlez de manière calme et plus lente. Donnez la réponse textuelle ainsi que la parole. » Pour un rapport média, définissez des sections séparées pour les événements, le texte visible et la parole, et demandez des horodatages pour chacune. Préparez les noms ou la terminologie dans le contexte écrit et indiquez si le résultat doit être une transcription littérale, une explication ou un résumé prêt pour son public.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.qwen3.5-omni-plusQwen3.5-Omni-Plus comprend ensemble le texte, les images, l’audio et la vidéo et renvoie des réponses textuelles ou vocales. Son parcours multimodal convient aux assistants vocaux et à l’analyse détaillée de médias, avec des instructions de style vocal et un contexte de 262,144 tokens.
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 est le modèle Qwen multimodal 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. Le nom Plus non daté est un alias de famille ; le fabricant le décrit actuellement comme fonctionnellement équivalent à Qwen3.5-Omni-Plus 2026-03-15. L’alias et l’instantané nommé restent des choix de modèle distincts.
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.
La fiche du modèle répertorie la recherche web. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle, tandis que son tableau de Singapour l’indique comme non pris en charge. La sortie JSON Object est répertoriée pour Beijing et non prise en charge pour Singapour. Un modèle peut proposer un appel d’outil, tandis que l’application exécute l’action et renvoie son résultat. Les tableaux Plus indiquent la complétion de préfixe, le cache de contexte et l’ajustement fin comme non pris en charge ; l’inférence par lots est prise en charge dans le tableau de l’alias de Beijing et non prise en charge dans celui de Singapour.
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.
Le clonage de voix personnalisé est documenté pour le modèle Plus non daté au moyen d’un parcours vocal distinct de création puis d’utilisation. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses ne dépassant pas deux secondes ; utilisez de la parole ordinaire sans musique, chant, bruit ni autre locuteur. Pour WAV, utilisez de l’audio 16 bits. Un extrait de référence sert à créer une voix pour un modèle cible nommé, et cette cible doit correspondre au modèle utilisé pour la parole. Le fabricant recommande 10–20 secondes de parole mono propre, à au moins 24 kHz, avec un maximum de 60 secondes et un fichier inférieur à 10 MB. WAV, MP3 et M4A sont les formats de référence documentés. Le clonage n’est pas pris en charge par l’instantané du 15 mars ; un choix de modèle daté modifie donc cette partie du parcours.
Pour un assistant d’apprentissage pratique, fournissez un schéma, la question enregistrée de l’apprenant et une courte consigne écrite : « Expliquez comment les parties étiquetées sont liées, répondez à la question orale en anglais et parlez de manière calme et plus lente. Donnez la réponse textuelle ainsi que la parole. » Pour un rapport média, définissez des sections séparées pour les événements, le texte visible et la parole, et demandez des horodatages pour chacune. Préparez les noms ou la terminologie dans le contexte écrit et indiquez si le résultat doit être une transcription littérale, une explication ou un résumé prêt pour son public.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-plus | 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", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3.5-omni-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3.5-omni-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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
Utilisez les chemins de méthode indiqués ci-dessus.
qwen3.5-omni-plusQwen3.5-Omni-Plus comprend ensemble le texte, les images, l’audio et la vidéo et renvoie des réponses textuelles ou vocales. Son parcours multimodal convient aux assistants vocaux et à l’analyse détaillée de médias, avec des instructions de style vocal et un contexte de 262,144 tokens.
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 est le modèle Qwen multimodal 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. Le nom Plus non daté est un alias de famille ; le fabricant le décrit actuellement comme fonctionnellement équivalent à Qwen3.5-Omni-Plus 2026-03-15. L’alias et l’instantané nommé restent des choix de modèle distincts.
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.
La fiche du modèle répertorie la recherche web. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle, tandis que son tableau de Singapour l’indique comme non pris en charge. La sortie JSON Object est répertoriée pour Beijing et non prise en charge pour Singapour. Un modèle peut proposer un appel d’outil, tandis que l’application exécute l’action et renvoie son résultat. Les tableaux Plus indiquent la complétion de préfixe, le cache de contexte et l’ajustement fin comme non pris en charge ; l’inférence par lots est prise en charge dans le tableau de l’alias de Beijing et non prise en charge dans celui de Singapour.
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.
Le clonage de voix personnalisé est documenté pour le modèle Plus non daté au moyen d’un parcours vocal distinct de création puis d’utilisation. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses ne dépassant pas deux secondes ; utilisez de la parole ordinaire sans musique, chant, bruit ni autre locuteur. Pour WAV, utilisez de l’audio 16 bits. Un extrait de référence sert à créer une voix pour un modèle cible nommé, et cette cible doit correspondre au modèle utilisé pour la parole. Le fabricant recommande 10–20 secondes de parole mono propre, à au moins 24 kHz, avec un maximum de 60 secondes et un fichier inférieur à 10 MB. WAV, MP3 et M4A sont les formats de référence documentés. Le clonage n’est pas pris en charge par l’instantané du 15 mars ; un choix de modèle daté modifie donc cette partie du parcours.
Pour un assistant d’apprentissage pratique, fournissez un schéma, la question enregistrée de l’apprenant et une courte consigne écrite : « Expliquez comment les parties étiquetées sont liées, répondez à la question orale en anglais et parlez de manière calme et plus lente. Donnez la réponse textuelle ainsi que la parole. » Pour un rapport média, définissez des sections séparées pour les événements, le texte visible et la parole, et demandez des horodatages pour chacune. Préparez les noms ou la terminologie dans le contexte écrit et indiquez si le résultat doit être une transcription littérale, une explication ou un résumé prêt pour son public.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-plus | 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 $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen3.5-omni-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.