Qwen3.5-Omni-Flash adalah alias keluarga Qwen multimodal Alibaba untuk pembuatan teks, asisten suara, dan analisis multimedia. Model ini menerima teks, gambar, audio, dan video dalam masukan gabungan serta mengembalikan teks atau teks dengan ucapan. Produsen saat ini menjelaskan alias tersebut setara secara fungsional dengan Qwen3.5-Omni-Flash 2026-03-15. Nama Flash saja tidak menetapkan jaminan waktu respons atau snapshot permanen tertentu.
Masukannya dapat menggabungkan gambar dengan pertanyaan yang diucapkan, atau menggabungkan visual dan suara video dengan instruksi tertulis. Hal ini berguna ketika ringkasan yang hanya berupa teks akan kehilangan hubungan antara apa yang terlihat dan apa yang terdengar. Untuk brief media, minta urutan yang terlihat, tulisan di layar, dan konten yang diucapkan secara terpisah, serta minta stempel waktu relatif terhadap sumber ketika urutan peristiwa penting. Efek suara dan audio non-ucapan lainnya dapat berkontribusi pada analisis bersama ucapan.
Untuk respons suara, tentukan bahasa, audiens, dan cara penyampaian jawaban. Panduan Qwen mendokumentasikan instruksi untuk volume, laju bicara, dan emosi. Panduan itu mencantumkan 113 bahasa dan dialek masukan audio serta 36 bahasa dan dialek keluaran ucapan, termasuk bahasa Inggris, Prancis, Jerman, dan Rusia. Katalog suara menetapkan Tina sebagai bawaan dan mencakup pilihan seperti Serena dan Ethan. Pilih suara dan minta penjelasan ringkas dengan tempo terukur, alih-alih mengandalkan suara masukan untuk menentukan gaya keluaran.
Alur ucapan HTTP yang didokumentasikan mengembalikan teks streaming dan potongan audio yang dienkode Base64. Contoh WAV-nya menggunakan 24 kHz, mono, PCM 16-bit; aplikasi dapat mengumpulkan potongan tersebut menjadi berkas audio atau mendekodenya untuk diputar saat tiba. Ini adalah generasi streaming dari permintaan yang dikirimkan. Deteksi giliran langsung, penanganan interupsi, dan percakapan mikrofon merupakan bagian dari model realtime yang dinamai secara terpisah. Tabel keluarga Qwen3.5-Omni tidak menawarkan mode deep-thinking.
Kartu model Flash mencantumkan pencarian web dan menandai Structured Outputs tidak didukung dalam kedua tabel regional. Anda dapat meminta bagian bernama dalam teks biasa, tetapi instruksi itu berbeda dari mode JSON dengan batasan yang dipaksakan. Function Calling didokumentasikan untuk deployment Beijing Chat Completions Alibaba dengan keluaran teks dan tidak didukung dalam tabel Singapura; aplikasi melaksanakan tindakan alat yang dipilih. Prefix completion, context caching, dan fine-tuning tidak didukung. Tabel Beijing untuk alias mendukung inferensi batch, sedangkan tabel Singapura tidak.
Jendela konteks yang dipublikasikan adalah 262,144 token, dengan masukan maksimum 196,608 token dan keluaran maksimum 65,536 token. Media campuran dan teks berbagi anggaran konteks. Panduan HTTP Alibaba mengizinkan audio hingga tiga jam atau video hingga satu jam untuk seri ini; panduan itu mencantumkan audio AMR, WAV, 3GP, 3GPP, AAC, dan MP3 serta video MP4, AVI, MKV, MOV, FLV, dan WMV. Berkas audio atau video berbasis URL dapat berukuran hingga 2 GB, sedangkan media yang dienkode Base64 harus lebih kecil dari 10 MB. Ini adalah batas alur berkas produsen, yang berbeda dari deskripsi dalam pengenalan model tentang pemahaman audio lebih dari sepuluh jam atau video 720p lebih dari 400 detik yang disampel pada 1 FPS.
Gambar memiliki batas persiapannya sendiri dalam panduan tersebut: hingga 20 MB per gambar berbasis URL, dimensi lebih besar dari 10 piksel pada setiap sisi, dan rasio aspek yang tidak lebih ekstrem dari 200:1. Panduan mengizinkan hingga 2,048 gambar atau berkas audio berbasis URL dan 512 berkas video berbasis URL; masukan Base64 mengizinkan hingga 250 berkas. Batas transfer ini tetap tunduk pada anggaran token masukan bersama. Seri ini dapat menggabungkan beberapa jenis media dalam satu permintaan. Pilih kutipan yang relevan, pastikan label kecil dapat dibaca, dan jelaskan hubungan antara masukan yang terpisah. Batas jumlah berkas yang didokumentasikan berbeda menurut modalitas dan metode transfer, sementara setiap masukan tetap harus sesuai dengan anggaran token bersama.
Model Flash tanpa tanggal mendukung kloning suara khusus melalui alur pembuatan suara terpisah. Referensi harus berisi setidaknya tiga detik ucapan jelas tanpa interupsi, dengan jeda tidak lebih dari dua detik; gunakan ucapan biasa tanpa musik, nyanyian, kebisingan, atau pembicara lain. Untuk WAV, gunakan audio 16-bit. Referensi menghasilkan suara yang terkait dengan model sasaran bernama, dan sasaran tersebut harus sesuai dengan model yang kemudian digunakan untuk ucapan. Alibaba merekomendasikan 10–20 detik ucapan mono bersih setidaknya 24 kHz, dengan maksimum 60 detik dan berkas lebih kecil dari 10 MB. Format referensinya adalah WAV, MP3, dan M4A. Snapshot Flash 15 Maret tidak mendukung alur kloning ini.
Untuk penjelasan dukungan media campuran, berikan tangkapan layar, rekaman pertanyaan, dan istilah produk apa pun sebagai teks. Contoh brief: “Gunakan label pada tangkapan layar, jawab pertanyaan audio dalam bahasa Prancis, dan berikan penjelasan singkat dengan penyampaian lisan yang lebih lambat serta menenangkan.” Untuk analisis alih-alih dialog, minta pengamatan kronologis, teks terlihat yang persis, dan ucapan dalam bagian yang terpisah. Nyatakan audiens sasaran dan apakah Anda menginginkan transkripsi, interpretasi, atau ringkasan ringkas.
", "aboutText": "Qwen3.5-Omni-Flash adalah alias keluarga Qwen multimodal Alibaba untuk pembuatan teks, asisten suara, dan analisis multimedia. Model ini menerima teks, gambar, audio, dan video dalam masukan gabungan serta mengembalikan teks atau teks dengan ucapan. Produsen saat ini menjelaskan alias tersebut setara secara fungsional dengan Qwen3.5-Omni-Flash 2026-03-15. Nama Flash saja tidak menetapkan jaminan waktu respons atau snapshot permanen tertentu.\n\nMasukannya dapat menggabungkan gambar dengan pertanyaan yang diucapkan, atau menggabungkan visual dan suara video dengan instruksi tertulis. Hal ini berguna ketika ringkasan yang hanya berupa teks akan kehilangan hubungan antara apa yang terlihat dan apa yang terdengar. Untuk brief media, minta urutan yang terlihat, tulisan di layar, dan konten yang diucapkan secara terpisah, serta minta stempel waktu relatif terhadap sumber ketika urutan peristiwa penting. Efek suara dan audio non-ucapan lainnya dapat berkontribusi pada analisis bersama ucapan.\n\nUntuk respons suara, tentukan bahasa, audiens, dan cara penyampaian jawaban. Panduan Qwen mendokumentasikan instruksi untuk volume, laju bicara, dan emosi. Panduan itu mencantumkan 113 bahasa dan dialek masukan audio serta 36 bahasa dan dialek keluaran ucapan, termasuk bahasa Inggris, Prancis, Jerman, dan Rusia. Katalog suara menetapkan Tina sebagai bawaan dan mencakup pilihan seperti Serena dan Ethan. Pilih suara dan minta penjelasan ringkas dengan tempo terukur, alih-alih mengandalkan suara masukan untuk menentukan gaya keluaran.\n\nAlur ucapan HTTP yang didokumentasikan mengembalikan teks streaming dan potongan audio yang dienkode Base64. Contoh WAV-nya menggunakan 24 kHz, mono, PCM 16-bit; aplikasi dapat mengumpulkan potongan tersebut menjadi berkas audio atau mendekodenya untuk diputar saat tiba. Ini adalah generasi streaming dari permintaan yang dikirimkan. Deteksi giliran langsung, penanganan interupsi, dan percakapan mikrofon merupakan bagian dari model realtime yang dinamai secara terpisah. Tabel keluarga Qwen3.5-Omni tidak menawarkan mode deep-thinking.\n\nKartu model Flash mencantumkan pencarian web dan menandai Structured Outputs tidak didukung dalam kedua tabel regional. Anda dapat meminta bagian bernama dalam teks biasa, tetapi instruksi itu berbeda dari mode JSON dengan batasan yang dipaksakan. Function Calling didokumentasikan untuk deployment Beijing Chat Completions Alibaba dengan keluaran teks dan tidak didukung dalam tabel Singapura; aplikasi melaksanakan tindakan alat yang dipilih. Prefix completion, context caching, dan fine-tuning tidak didukung. Tabel Beijing untuk alias mendukung inferensi batch, sedangkan tabel Singapura tidak.\n\nJendela konteks yang dipublikasikan adalah 262,144 token, dengan masukan maksimum 196,608 token dan keluaran maksimum 65,536 token. Media campuran dan teks berbagi anggaran konteks. Panduan HTTP Alibaba mengizinkan audio hingga tiga jam atau video hingga satu jam untuk seri ini; panduan itu mencantumkan audio AMR, WAV, 3GP, 3GPP, AAC, dan MP3 serta video MP4, AVI, MKV, MOV, FLV, dan WMV. Berkas audio atau video berbasis URL dapat berukuran hingga 2 GB, sedangkan media yang dienkode Base64 harus lebih kecil dari 10 MB. Ini adalah batas alur berkas produsen, yang berbeda dari deskripsi dalam pengenalan model tentang pemahaman audio lebih dari sepuluh jam atau video 720p lebih dari 400 detik yang disampel pada 1 FPS.\n\nGambar memiliki batas persiapannya sendiri dalam panduan tersebut: hingga 20 MB per gambar berbasis URL, dimensi lebih besar dari 10 piksel pada setiap sisi, dan rasio aspek yang tidak lebih ekstrem dari 200:1. Panduan mengizinkan hingga 2,048 gambar atau berkas audio berbasis URL dan 512 berkas video berbasis URL; masukan Base64 mengizinkan hingga 250 berkas. Batas transfer ini tetap tunduk pada anggaran token masukan bersama. Seri ini dapat menggabungkan beberapa jenis media dalam satu permintaan. Pilih kutipan yang relevan, pastikan label kecil dapat dibaca, dan jelaskan hubungan antara masukan yang terpisah. Batas jumlah berkas yang didokumentasikan berbeda menurut modalitas dan metode transfer, sementara setiap masukan tetap harus sesuai dengan anggaran token bersama.\n\nModel Flash tanpa tanggal mendukung kloning suara khusus melalui alur pembuatan suara terpisah. Referensi harus berisi setidaknya tiga detik ucapan jelas tanpa interupsi, dengan jeda tidak lebih dari dua detik; gunakan ucapan biasa tanpa musik, nyanyian, kebisingan, atau pembicara lain. Untuk WAV, gunakan audio 16-bit. Referensi menghasilkan suara yang terkait dengan model sasaran bernama, dan sasaran tersebut harus sesuai dengan model yang kemudian digunakan untuk ucapan. Alibaba merekomendasikan 10–20 detik ucapan mono bersih setidaknya 24 kHz, dengan maksimum 60 detik dan berkas lebih kecil dari 10 MB. Format referensinya adalah WAV, MP3, dan M4A. Snapshot Flash 15 Maret tidak mendukung alur kloning ini.\n\nUntuk penjelasan dukungan media campuran, berikan tangkapan layar, rekaman pertanyaan, dan istilah produk apa pun sebagai teks. Contoh brief: “Gunakan label pada tangkapan layar, jawab pertanyaan audio dalam bahasa Prancis, dan berikan penjelasan singkat dengan penyampaian lisan yang lebih lambat serta menenangkan.” Untuk analisis alih-alih dialog, minta pengamatan kronologis, teks terlihat yang persis, dan ucapan dalam bagian yang terpisah. Nyatakan audiens sasaran dan apakah Anda menginginkan transkripsi, interpretasi, atau ringkasan ringkas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.qwen3.5-omni-flashQwen3.5-Omni-Flash menggabungkan teks, gambar, audio, dan video serta merespons dengan teks atau ucapan. Model ini mendukung penjelasan media campuran dan respons suara dengan cara penyampaian sesuai instruksi, dengan konteks 262,144 token serta profil alat dan format keluarannya sendiri.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3.5-Omni-Flash adalah alias keluarga Qwen multimodal Alibaba untuk pembuatan teks, asisten suara, dan analisis multimedia. Model ini menerima teks, gambar, audio, dan video dalam masukan gabungan serta mengembalikan teks atau teks dengan ucapan. Produsen saat ini menjelaskan alias tersebut setara secara fungsional dengan Qwen3.5-Omni-Flash 2026-03-15. Nama Flash saja tidak menetapkan jaminan waktu respons atau snapshot permanen tertentu.
Masukannya dapat menggabungkan gambar dengan pertanyaan yang diucapkan, atau menggabungkan visual dan suara video dengan instruksi tertulis. Hal ini berguna ketika ringkasan yang hanya berupa teks akan kehilangan hubungan antara apa yang terlihat dan apa yang terdengar. Untuk brief media, minta urutan yang terlihat, tulisan di layar, dan konten yang diucapkan secara terpisah, serta minta stempel waktu relatif terhadap sumber ketika urutan peristiwa penting. Efek suara dan audio non-ucapan lainnya dapat berkontribusi pada analisis bersama ucapan.
Untuk respons suara, tentukan bahasa, audiens, dan cara penyampaian jawaban. Panduan Qwen mendokumentasikan instruksi untuk volume, laju bicara, dan emosi. Panduan itu mencantumkan 113 bahasa dan dialek masukan audio serta 36 bahasa dan dialek keluaran ucapan, termasuk bahasa Inggris, Prancis, Jerman, dan Rusia. Katalog suara menetapkan Tina sebagai bawaan dan mencakup pilihan seperti Serena dan Ethan. Pilih suara dan minta penjelasan ringkas dengan tempo terukur, alih-alih mengandalkan suara masukan untuk menentukan gaya keluaran.
Alur ucapan HTTP yang didokumentasikan mengembalikan teks streaming dan potongan audio yang dienkode Base64. Contoh WAV-nya menggunakan 24 kHz, mono, PCM 16-bit; aplikasi dapat mengumpulkan potongan tersebut menjadi berkas audio atau mendekodenya untuk diputar saat tiba. Ini adalah generasi streaming dari permintaan yang dikirimkan. Deteksi giliran langsung, penanganan interupsi, dan percakapan mikrofon merupakan bagian dari model realtime yang dinamai secara terpisah. Tabel keluarga Qwen3.5-Omni tidak menawarkan mode deep-thinking.
Kartu model Flash mencantumkan pencarian web dan menandai Structured Outputs tidak didukung dalam kedua tabel regional. Anda dapat meminta bagian bernama dalam teks biasa, tetapi instruksi itu berbeda dari mode JSON dengan batasan yang dipaksakan. Function Calling didokumentasikan untuk deployment Beijing Chat Completions Alibaba dengan keluaran teks dan tidak didukung dalam tabel Singapura; aplikasi melaksanakan tindakan alat yang dipilih. Prefix completion, context caching, dan fine-tuning tidak didukung. Tabel Beijing untuk alias mendukung inferensi batch, sedangkan tabel Singapura tidak.
Jendela konteks yang dipublikasikan adalah 262,144 token, dengan masukan maksimum 196,608 token dan keluaran maksimum 65,536 token. Media campuran dan teks berbagi anggaran konteks. Panduan HTTP Alibaba mengizinkan audio hingga tiga jam atau video hingga satu jam untuk seri ini; panduan itu mencantumkan audio AMR, WAV, 3GP, 3GPP, AAC, dan MP3 serta video MP4, AVI, MKV, MOV, FLV, dan WMV. Berkas audio atau video berbasis URL dapat berukuran hingga 2 GB, sedangkan media yang dienkode Base64 harus lebih kecil dari 10 MB. Ini adalah batas alur berkas produsen, yang berbeda dari deskripsi dalam pengenalan model tentang pemahaman audio lebih dari sepuluh jam atau video 720p lebih dari 400 detik yang disampel pada 1 FPS.
Gambar memiliki batas persiapannya sendiri dalam panduan tersebut: hingga 20 MB per gambar berbasis URL, dimensi lebih besar dari 10 piksel pada setiap sisi, dan rasio aspek yang tidak lebih ekstrem dari 200:1. Panduan mengizinkan hingga 2,048 gambar atau berkas audio berbasis URL dan 512 berkas video berbasis URL; masukan Base64 mengizinkan hingga 250 berkas. Batas transfer ini tetap tunduk pada anggaran token masukan bersama. Seri ini dapat menggabungkan beberapa jenis media dalam satu permintaan. Pilih kutipan yang relevan, pastikan label kecil dapat dibaca, dan jelaskan hubungan antara masukan yang terpisah. Batas jumlah berkas yang didokumentasikan berbeda menurut modalitas dan metode transfer, sementara setiap masukan tetap harus sesuai dengan anggaran token bersama.
Model Flash tanpa tanggal mendukung kloning suara khusus melalui alur pembuatan suara terpisah. Referensi harus berisi setidaknya tiga detik ucapan jelas tanpa interupsi, dengan jeda tidak lebih dari dua detik; gunakan ucapan biasa tanpa musik, nyanyian, kebisingan, atau pembicara lain. Untuk WAV, gunakan audio 16-bit. Referensi menghasilkan suara yang terkait dengan model sasaran bernama, dan sasaran tersebut harus sesuai dengan model yang kemudian digunakan untuk ucapan. Alibaba merekomendasikan 10–20 detik ucapan mono bersih setidaknya 24 kHz, dengan maksimum 60 detik dan berkas lebih kecil dari 10 MB. Format referensinya adalah WAV, MP3, dan M4A. Snapshot Flash 15 Maret tidak mendukung alur kloning ini.
Untuk penjelasan dukungan media campuran, berikan tangkapan layar, rekaman pertanyaan, dan istilah produk apa pun sebagai teks. Contoh brief: “Gunakan label pada tangkapan layar, jawab pertanyaan audio dalam bahasa Prancis, dan berikan penjelasan singkat dengan penyampaian lisan yang lebih lambat serta menenangkan.” Untuk analisis alih-alih dialog, minta pengamatan kronologis, teks terlihat yang persis, dan ucapan dalam bagian yang terpisah. Nyatakan audiens sasaran dan apakah Anda menginginkan transkripsi, interpretasi, atau ringkasan ringkas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen3.5-omni-flash | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00069 / 1K token Keluaran · Token keluaran $0.00418 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-flash", "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-flash',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-flash',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen3.5-omni-flash
Gunakan jalur metode yang ditampilkan di atas.
qwen3.5-omni-flashQwen3.5-Omni-Flash menggabungkan teks, gambar, audio, dan video serta merespons dengan teks atau ucapan. Model ini mendukung penjelasan media campuran dan respons suara dengan cara penyampaian sesuai instruksi, dengan konteks 262,144 token serta profil alat dan format keluarannya sendiri.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3.5-Omni-Flash adalah alias keluarga Qwen multimodal Alibaba untuk pembuatan teks, asisten suara, dan analisis multimedia. Model ini menerima teks, gambar, audio, dan video dalam masukan gabungan serta mengembalikan teks atau teks dengan ucapan. Produsen saat ini menjelaskan alias tersebut setara secara fungsional dengan Qwen3.5-Omni-Flash 2026-03-15. Nama Flash saja tidak menetapkan jaminan waktu respons atau snapshot permanen tertentu.
Masukannya dapat menggabungkan gambar dengan pertanyaan yang diucapkan, atau menggabungkan visual dan suara video dengan instruksi tertulis. Hal ini berguna ketika ringkasan yang hanya berupa teks akan kehilangan hubungan antara apa yang terlihat dan apa yang terdengar. Untuk brief media, minta urutan yang terlihat, tulisan di layar, dan konten yang diucapkan secara terpisah, serta minta stempel waktu relatif terhadap sumber ketika urutan peristiwa penting. Efek suara dan audio non-ucapan lainnya dapat berkontribusi pada analisis bersama ucapan.
Untuk respons suara, tentukan bahasa, audiens, dan cara penyampaian jawaban. Panduan Qwen mendokumentasikan instruksi untuk volume, laju bicara, dan emosi. Panduan itu mencantumkan 113 bahasa dan dialek masukan audio serta 36 bahasa dan dialek keluaran ucapan, termasuk bahasa Inggris, Prancis, Jerman, dan Rusia. Katalog suara menetapkan Tina sebagai bawaan dan mencakup pilihan seperti Serena dan Ethan. Pilih suara dan minta penjelasan ringkas dengan tempo terukur, alih-alih mengandalkan suara masukan untuk menentukan gaya keluaran.
Alur ucapan HTTP yang didokumentasikan mengembalikan teks streaming dan potongan audio yang dienkode Base64. Contoh WAV-nya menggunakan 24 kHz, mono, PCM 16-bit; aplikasi dapat mengumpulkan potongan tersebut menjadi berkas audio atau mendekodenya untuk diputar saat tiba. Ini adalah generasi streaming dari permintaan yang dikirimkan. Deteksi giliran langsung, penanganan interupsi, dan percakapan mikrofon merupakan bagian dari model realtime yang dinamai secara terpisah. Tabel keluarga Qwen3.5-Omni tidak menawarkan mode deep-thinking.
Kartu model Flash mencantumkan pencarian web dan menandai Structured Outputs tidak didukung dalam kedua tabel regional. Anda dapat meminta bagian bernama dalam teks biasa, tetapi instruksi itu berbeda dari mode JSON dengan batasan yang dipaksakan. Function Calling didokumentasikan untuk deployment Beijing Chat Completions Alibaba dengan keluaran teks dan tidak didukung dalam tabel Singapura; aplikasi melaksanakan tindakan alat yang dipilih. Prefix completion, context caching, dan fine-tuning tidak didukung. Tabel Beijing untuk alias mendukung inferensi batch, sedangkan tabel Singapura tidak.
Jendela konteks yang dipublikasikan adalah 262,144 token, dengan masukan maksimum 196,608 token dan keluaran maksimum 65,536 token. Media campuran dan teks berbagi anggaran konteks. Panduan HTTP Alibaba mengizinkan audio hingga tiga jam atau video hingga satu jam untuk seri ini; panduan itu mencantumkan audio AMR, WAV, 3GP, 3GPP, AAC, dan MP3 serta video MP4, AVI, MKV, MOV, FLV, dan WMV. Berkas audio atau video berbasis URL dapat berukuran hingga 2 GB, sedangkan media yang dienkode Base64 harus lebih kecil dari 10 MB. Ini adalah batas alur berkas produsen, yang berbeda dari deskripsi dalam pengenalan model tentang pemahaman audio lebih dari sepuluh jam atau video 720p lebih dari 400 detik yang disampel pada 1 FPS.
Gambar memiliki batas persiapannya sendiri dalam panduan tersebut: hingga 20 MB per gambar berbasis URL, dimensi lebih besar dari 10 piksel pada setiap sisi, dan rasio aspek yang tidak lebih ekstrem dari 200:1. Panduan mengizinkan hingga 2,048 gambar atau berkas audio berbasis URL dan 512 berkas video berbasis URL; masukan Base64 mengizinkan hingga 250 berkas. Batas transfer ini tetap tunduk pada anggaran token masukan bersama. Seri ini dapat menggabungkan beberapa jenis media dalam satu permintaan. Pilih kutipan yang relevan, pastikan label kecil dapat dibaca, dan jelaskan hubungan antara masukan yang terpisah. Batas jumlah berkas yang didokumentasikan berbeda menurut modalitas dan metode transfer, sementara setiap masukan tetap harus sesuai dengan anggaran token bersama.
Model Flash tanpa tanggal mendukung kloning suara khusus melalui alur pembuatan suara terpisah. Referensi harus berisi setidaknya tiga detik ucapan jelas tanpa interupsi, dengan jeda tidak lebih dari dua detik; gunakan ucapan biasa tanpa musik, nyanyian, kebisingan, atau pembicara lain. Untuk WAV, gunakan audio 16-bit. Referensi menghasilkan suara yang terkait dengan model sasaran bernama, dan sasaran tersebut harus sesuai dengan model yang kemudian digunakan untuk ucapan. Alibaba merekomendasikan 10–20 detik ucapan mono bersih setidaknya 24 kHz, dengan maksimum 60 detik dan berkas lebih kecil dari 10 MB. Format referensinya adalah WAV, MP3, dan M4A. Snapshot Flash 15 Maret tidak mendukung alur kloning ini.
Untuk penjelasan dukungan media campuran, berikan tangkapan layar, rekaman pertanyaan, dan istilah produk apa pun sebagai teks. Contoh brief: “Gunakan label pada tangkapan layar, jawab pertanyaan audio dalam bahasa Prancis, dan berikan penjelasan singkat dengan penyampaian lisan yang lebih lambat serta menenangkan.” Untuk analisis alih-alih dialog, minta pengamatan kronologis, teks terlihat yang persis, dan ucapan dalam bagian yang terpisah. Nyatakan audiens sasaran dan apakah Anda menginginkan transkripsi, interpretasi, atau ringkasan ringkas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen3.5-omni-flash | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00069 / 1K token Keluaran · Token keluaran $0.00418 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen3.5-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash', '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-flash', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen3.5-omni-flash
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.