Qwen3-Omni-30B-A3B-Instruct는 Qwen3-Omni의 지시 수행 및 음성 생성 모델입니다. 혼합 입력을 포함해 텍스트, 이미지, 오디오, 동영상을 이해하며, 텍스트와 자연스러운 음성을 모두 반환할 수 있습니다. Qwen은 제품군의 아키텍처가 텍스트와 음성의 스트리밍 응답을 지원한다고 설명합니다. 정확한 Instruct 체크포인트에는 Thinker와 Talker 구성 요소가 포함되어 있어 이해 및 텍스트 응답 형성이 음성 생성 경로와 연결됩니다. Thinking 및 Captioner 체크포인트는 구성 요소와 출력 역할이 다르므로 별도의 모델 선택지로 유지됩니다.
공개된 제품군의 다국어 지원 범위는 텍스트 언어 119개, 음성 입력 언어 19개, 음성 출력 언어 10개입니다. 러시아어는 두 음성 언어 목록에 모두 포함됩니다. 제조사는 멀티모달 이해를 위한 오디오 및 시각 처리와 다중 코드북 음성 생성을 갖춘 전문가 혼합 Thinker–Talker 설계를 설명합니다. 시스템 프롬프트는 어시스턴트의 역할과 응답 스타일을 조정할 수 있습니다. 적합한 작업은 무관한 텍스트를 음성으로 변환하는 것이 아니라, 눈에 보이는 객체와 사용자가 말로 한 질문에 기반하는 음성 설명입니다.
쿡북은 음성 인식, 음성 번역, 음악 및 소리 분석, 혼합 오디오, 이미지 질문, OCR, 객체 그라운딩, 동영상 설명, 시청각 대화를 다룹니다. 교육용 어시스턴트의 경우 시연 클립을 제공하고 초보자에게 화면에 보이는 절차를 설명하도록 요청하세요. 제품 질문에서는 사진과 음성 요청을 결합하고, 설명할 세부 사항을 명시하세요. 듣는 대상과 원하는 결과가 짧은 음성 답변인지, 텍스트 요약인지, 둘 다인지 명시하세요. 바뀌면 안 되는 원본 명칭과 측정값을 유지하세요.
제작사의 입력 흐름은 모델에 맞는 프로세서, 채팅 템플릿, 미디어 처리 유틸리티를 사용합니다. 미디어를 텍스트와 교차 배치할 수 있으며, 디코딩은 요청 준비의 명시적인 단계입니다. 동영상에 수반되는 오디오를 사용할 때는 전처리, 생성, 이어지는 대화 차례에서 use_audio_in_video를 일관되게 유지하세요. 시청각 질문에는 사운드트랙을 포함해야 하며, 시각 자료만 다루는 작업은 그 범위를 명확히 밝혀야 합니다. 질문에 필요한 세부 내용을 어시스턴트가 받을 수 있도록 관련 클립을 선택하고 읽을 수 있는 이미지를 사용하세요.
음성 출력은 제어할 수 있습니다. 공개된 생성 인터페이스에서는 return_audio=False로 텍스트만 요청할 수 있으며, Talker를 비활성화하면 로드된 모델의 음성 출력 경로에서 해당 구성 요소가 제거됩니다. 제작사의 배치 예제는 오디오가 아닌 텍스트를 반환합니다. Instruct 체크포인트에는 Ethan, Chelsie, Aiden이라는 세 가지 음성이 문서화되어 있으며, 기본값은 Ethan입니다. 예제는 파형을 24,000 Hz로 저장합니다. 음성 선택과 이 예제의 출력 형식은 공개된 모델 작업 흐름을 설명하며, 모델을 둘러싼 모든 서비스 인터페이스에 그대로 적용된다는 뜻은 아닙니다.
제조사는 음성 응답에 복잡한 서식보다는 말로 표현하기 쉬운 대화체를 권장합니다. 듣는 사람의 언어로 간결하게 설명하도록 요청하면서, 검토를 위한 읽기 쉬운 텍스트 결과를 별도로 유지할 수 있습니다. 원본에 이름, 수식, 익숙하지 않은 약어가 포함되어 있다면 그 의미와 선호하는 표현을 제공하세요. 유창한 음성이 불확실성을 가리지 않도록 답변에서 관찰된 내용과 가정을 구분하도록 요청하세요.
Thinker와 Talker의 텍스트 설정은 max_position_embeddings를 65,536으로 설정합니다. 공유 카드의 vLLM 예제는 별도로 모델 길이 설정 32,768토큰과 생성 설정 16,384토큰을 선택합니다. 이는 예제이며, 독립적인 보편적 상한이 아닙니다. 시각 및 오디오 처리는 실질적인 요청 크기에 영향을 줍니다. 인터페이스 지원도 다릅니다. 카드의 Transformers 예제는 음성을 반환할 수 있지만, 서빙 설명은 Thinker 중심 경로와 동영상 및 오디오의 별도 처리를 다룹니다. 모델 수준의 음성 기능과 특정 런타임에서 지원하는 출력 경로를 구분하세요.
유용한 결과는 답변과 이를 검토하는 데 필요한 원본 자료를 함께 제공합니다. 시연에서는 설명된 동작을 클립과 대조하고, 오디오 질문에서는 답변을 실제로 들리는 말이나 소리와 비교하며, 시각적 계산에서는 단위와 레이블을 검증하세요. 제품군에는 오디오 함수 호출 쿡북이 포함되어 있지만, 외부 도구 동작을 정의하고 실행하는 주체는 여전히 애플리케이션입니다. 동작을 요청하는 생성 결과는 확인된 실행 결과와 다릅니다. 이 에디션의 강점은 선택적인 음성 응답을 포함하는 멀티모달 상호작용이며, 사실 검증, 후속 동작, 미디어 편집에는 각각 별도의 근거와 작업 흐름이 필요합니다.
", "aboutText": "Qwen3-Omni-30B-A3B-Instruct는 Qwen3-Omni의 지시 수행 및 음성 생성 모델입니다. 혼합 입력을 포함해 텍스트, 이미지, 오디오, 동영상을 이해하며, 텍스트와 자연스러운 음성을 모두 반환할 수 있습니다. Qwen은 제품군의 아키텍처가 텍스트와 음성의 스트리밍 응답을 지원한다고 설명합니다. 정확한 Instruct 체크포인트에는 Thinker와 Talker 구성 요소가 포함되어 있어 이해 및 텍스트 응답 형성이 음성 생성 경로와 연결됩니다. Thinking 및 Captioner 체크포인트는 구성 요소와 출력 역할이 다르므로 별도의 모델 선택지로 유지됩니다.\n\n공개된 제품군의 다국어 지원 범위는 텍스트 언어 119개, 음성 입력 언어 19개, 음성 출력 언어 10개입니다. 러시아어는 두 음성 언어 목록에 모두 포함됩니다. 제조사는 멀티모달 이해를 위한 오디오 및 시각 처리와 다중 코드북 음성 생성을 갖춘 전문가 혼합 Thinker–Talker 설계를 설명합니다. 시스템 프롬프트는 어시스턴트의 역할과 응답 스타일을 조정할 수 있습니다. 적합한 작업은 무관한 텍스트를 음성으로 변환하는 것이 아니라, 눈에 보이는 객체와 사용자가 말로 한 질문에 기반하는 음성 설명입니다.\n\n쿡북은 음성 인식, 음성 번역, 음악 및 소리 분석, 혼합 오디오, 이미지 질문, OCR, 객체 그라운딩, 동영상 설명, 시청각 대화를 다룹니다. 교육용 어시스턴트의 경우 시연 클립을 제공하고 초보자에게 화면에 보이는 절차를 설명하도록 요청하세요. 제품 질문에서는 사진과 음성 요청을 결합하고, 설명할 세부 사항을 명시하세요. 듣는 대상과 원하는 결과가 짧은 음성 답변인지, 텍스트 요약인지, 둘 다인지 명시하세요. 바뀌면 안 되는 원본 명칭과 측정값을 유지하세요.\n\n제작사의 입력 흐름은 모델에 맞는 프로세서, 채팅 템플릿, 미디어 처리 유틸리티를 사용합니다. 미디어를 텍스트와 교차 배치할 수 있으며, 디코딩은 요청 준비의 명시적인 단계입니다. 동영상에 수반되는 오디오를 사용할 때는 전처리, 생성, 이어지는 대화 차례에서 use_audio_in_video를 일관되게 유지하세요. 시청각 질문에는 사운드트랙을 포함해야 하며, 시각 자료만 다루는 작업은 그 범위를 명확히 밝혀야 합니다. 질문에 필요한 세부 내용을 어시스턴트가 받을 수 있도록 관련 클립을 선택하고 읽을 수 있는 이미지를 사용하세요.\n\n음성 출력은 제어할 수 있습니다. 공개된 생성 인터페이스에서는 return_audio=False로 텍스트만 요청할 수 있으며, Talker를 비활성화하면 로드된 모델의 음성 출력 경로에서 해당 구성 요소가 제거됩니다. 제작사의 배치 예제는 오디오가 아닌 텍스트를 반환합니다. Instruct 체크포인트에는 Ethan, Chelsie, Aiden이라는 세 가지 음성이 문서화되어 있으며, 기본값은 Ethan입니다. 예제는 파형을 24,000 Hz로 저장합니다. 음성 선택과 이 예제의 출력 형식은 공개된 모델 작업 흐름을 설명하며, 모델을 둘러싼 모든 서비스 인터페이스에 그대로 적용된다는 뜻은 아닙니다.\n\n제조사는 음성 응답에 복잡한 서식보다는 말로 표현하기 쉬운 대화체를 권장합니다. 듣는 사람의 언어로 간결하게 설명하도록 요청하면서, 검토를 위한 읽기 쉬운 텍스트 결과를 별도로 유지할 수 있습니다. 원본에 이름, 수식, 익숙하지 않은 약어가 포함되어 있다면 그 의미와 선호하는 표현을 제공하세요. 유창한 음성이 불확실성을 가리지 않도록 답변에서 관찰된 내용과 가정을 구분하도록 요청하세요.\n\nThinker와 Talker의 텍스트 설정은 max_position_embeddings를 65,536으로 설정합니다. 공유 카드의 vLLM 예제는 별도로 모델 길이 설정 32,768토큰과 생성 설정 16,384토큰을 선택합니다. 이는 예제이며, 독립적인 보편적 상한이 아닙니다. 시각 및 오디오 처리는 실질적인 요청 크기에 영향을 줍니다. 인터페이스 지원도 다릅니다. 카드의 Transformers 예제는 음성을 반환할 수 있지만, 서빙 설명은 Thinker 중심 경로와 동영상 및 오디오의 별도 처리를 다룹니다. 모델 수준의 음성 기능과 특정 런타임에서 지원하는 출력 경로를 구분하세요.\n\n유용한 결과는 답변과 이를 검토하는 데 필요한 원본 자료를 함께 제공합니다. 시연에서는 설명된 동작을 클립과 대조하고, 오디오 질문에서는 답변을 실제로 들리는 말이나 소리와 비교하며, 시각적 계산에서는 단위와 레이블을 검증하세요. 제품군에는 오디오 함수 호출 쿡북이 포함되어 있지만, 외부 도구 동작을 정의하고 실행하는 주체는 여전히 애플리케이션입니다. 동작을 요청하는 생성 결과는 확인된 실행 결과와 다릅니다. 이 에디션의 강점은 선택적인 음성 응답을 포함하는 멀티모달 상호작용이며, 사실 검증, 후속 동작, 미디어 편집에는 각각 별도의 근거와 작업 흐름이 필요합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct는 텍스트, 이미지, 오디오, 동영상을 이해하고 텍스트와 자연스러운 음성으로 답할 수 있습니다. Thinker–Talker 아키텍처는 멀티모달 대화를 지원하며, 음성 반환 여부와 문서화된 음성 중 사용할 목소리를 명시적으로 제어할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-Omni-30B-A3B-Instruct는 Qwen3-Omni의 지시 수행 및 음성 생성 모델입니다. 혼합 입력을 포함해 텍스트, 이미지, 오디오, 동영상을 이해하며, 텍스트와 자연스러운 음성을 모두 반환할 수 있습니다. Qwen은 제품군의 아키텍처가 텍스트와 음성의 스트리밍 응답을 지원한다고 설명합니다. 정확한 Instruct 체크포인트에는 Thinker와 Talker 구성 요소가 포함되어 있어 이해 및 텍스트 응답 형성이 음성 생성 경로와 연결됩니다. Thinking 및 Captioner 체크포인트는 구성 요소와 출력 역할이 다르므로 별도의 모델 선택지로 유지됩니다.
공개된 제품군의 다국어 지원 범위는 텍스트 언어 119개, 음성 입력 언어 19개, 음성 출력 언어 10개입니다. 러시아어는 두 음성 언어 목록에 모두 포함됩니다. 제조사는 멀티모달 이해를 위한 오디오 및 시각 처리와 다중 코드북 음성 생성을 갖춘 전문가 혼합 Thinker–Talker 설계를 설명합니다. 시스템 프롬프트는 어시스턴트의 역할과 응답 스타일을 조정할 수 있습니다. 적합한 작업은 무관한 텍스트를 음성으로 변환하는 것이 아니라, 눈에 보이는 객체와 사용자가 말로 한 질문에 기반하는 음성 설명입니다.
쿡북은 음성 인식, 음성 번역, 음악 및 소리 분석, 혼합 오디오, 이미지 질문, OCR, 객체 그라운딩, 동영상 설명, 시청각 대화를 다룹니다. 교육용 어시스턴트의 경우 시연 클립을 제공하고 초보자에게 화면에 보이는 절차를 설명하도록 요청하세요. 제품 질문에서는 사진과 음성 요청을 결합하고, 설명할 세부 사항을 명시하세요. 듣는 대상과 원하는 결과가 짧은 음성 답변인지, 텍스트 요약인지, 둘 다인지 명시하세요. 바뀌면 안 되는 원본 명칭과 측정값을 유지하세요.
제작사의 입력 흐름은 모델에 맞는 프로세서, 채팅 템플릿, 미디어 처리 유틸리티를 사용합니다. 미디어를 텍스트와 교차 배치할 수 있으며, 디코딩은 요청 준비의 명시적인 단계입니다. 동영상에 수반되는 오디오를 사용할 때는 전처리, 생성, 이어지는 대화 차례에서 use_audio_in_video를 일관되게 유지하세요. 시청각 질문에는 사운드트랙을 포함해야 하며, 시각 자료만 다루는 작업은 그 범위를 명확히 밝혀야 합니다. 질문에 필요한 세부 내용을 어시스턴트가 받을 수 있도록 관련 클립을 선택하고 읽을 수 있는 이미지를 사용하세요.
음성 출력은 제어할 수 있습니다. 공개된 생성 인터페이스에서는 return_audio=False로 텍스트만 요청할 수 있으며, Talker를 비활성화하면 로드된 모델의 음성 출력 경로에서 해당 구성 요소가 제거됩니다. 제작사의 배치 예제는 오디오가 아닌 텍스트를 반환합니다. Instruct 체크포인트에는 Ethan, Chelsie, Aiden이라는 세 가지 음성이 문서화되어 있으며, 기본값은 Ethan입니다. 예제는 파형을 24,000 Hz로 저장합니다. 음성 선택과 이 예제의 출력 형식은 공개된 모델 작업 흐름을 설명하며, 모델을 둘러싼 모든 서비스 인터페이스에 그대로 적용된다는 뜻은 아닙니다.
제조사는 음성 응답에 복잡한 서식보다는 말로 표현하기 쉬운 대화체를 권장합니다. 듣는 사람의 언어로 간결하게 설명하도록 요청하면서, 검토를 위한 읽기 쉬운 텍스트 결과를 별도로 유지할 수 있습니다. 원본에 이름, 수식, 익숙하지 않은 약어가 포함되어 있다면 그 의미와 선호하는 표현을 제공하세요. 유창한 음성이 불확실성을 가리지 않도록 답변에서 관찰된 내용과 가정을 구분하도록 요청하세요.
Thinker와 Talker의 텍스트 설정은 max_position_embeddings를 65,536으로 설정합니다. 공유 카드의 vLLM 예제는 별도로 모델 길이 설정 32,768토큰과 생성 설정 16,384토큰을 선택합니다. 이는 예제이며, 독립적인 보편적 상한이 아닙니다. 시각 및 오디오 처리는 실질적인 요청 크기에 영향을 줍니다. 인터페이스 지원도 다릅니다. 카드의 Transformers 예제는 음성을 반환할 수 있지만, 서빙 설명은 Thinker 중심 경로와 동영상 및 오디오의 별도 처리를 다룹니다. 모델 수준의 음성 기능과 특정 런타임에서 지원하는 출력 경로를 구분하세요.
유용한 결과는 답변과 이를 검토하는 데 필요한 원본 자료를 함께 제공합니다. 시연에서는 설명된 동작을 클립과 대조하고, 오디오 질문에서는 답변을 실제로 들리는 말이나 소리와 비교하며, 시각적 계산에서는 단위와 레이블을 검증하세요. 제품군에는 오디오 함수 호출 쿡북이 포함되어 있지만, 외부 도구 동작을 정의하고 실행하는 주체는 여전히 애플리케이션입니다. 동작을 요청하는 생성 결과는 확인된 실행 결과와 다릅니다. 이 에디션의 강점은 선택적인 음성 응답을 포함하는 멀티모달 상호작용이며, 사실 검증, 후속 동작, 미디어 편집에는 각각 별도의 근거와 작업 흐름이 필요합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Qwen/Qwen3-Omni-30B-A3B-Instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
위에 표시된 메서드 경로를 사용하세요.
Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct는 텍스트, 이미지, 오디오, 동영상을 이해하고 텍스트와 자연스러운 음성으로 답할 수 있습니다. Thinker–Talker 아키텍처는 멀티모달 대화를 지원하며, 음성 반환 여부와 문서화된 음성 중 사용할 목소리를 명시적으로 제어할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen3-Omni-30B-A3B-Instruct는 Qwen3-Omni의 지시 수행 및 음성 생성 모델입니다. 혼합 입력을 포함해 텍스트, 이미지, 오디오, 동영상을 이해하며, 텍스트와 자연스러운 음성을 모두 반환할 수 있습니다. Qwen은 제품군의 아키텍처가 텍스트와 음성의 스트리밍 응답을 지원한다고 설명합니다. 정확한 Instruct 체크포인트에는 Thinker와 Talker 구성 요소가 포함되어 있어 이해 및 텍스트 응답 형성이 음성 생성 경로와 연결됩니다. Thinking 및 Captioner 체크포인트는 구성 요소와 출력 역할이 다르므로 별도의 모델 선택지로 유지됩니다.
공개된 제품군의 다국어 지원 범위는 텍스트 언어 119개, 음성 입력 언어 19개, 음성 출력 언어 10개입니다. 러시아어는 두 음성 언어 목록에 모두 포함됩니다. 제조사는 멀티모달 이해를 위한 오디오 및 시각 처리와 다중 코드북 음성 생성을 갖춘 전문가 혼합 Thinker–Talker 설계를 설명합니다. 시스템 프롬프트는 어시스턴트의 역할과 응답 스타일을 조정할 수 있습니다. 적합한 작업은 무관한 텍스트를 음성으로 변환하는 것이 아니라, 눈에 보이는 객체와 사용자가 말로 한 질문에 기반하는 음성 설명입니다.
쿡북은 음성 인식, 음성 번역, 음악 및 소리 분석, 혼합 오디오, 이미지 질문, OCR, 객체 그라운딩, 동영상 설명, 시청각 대화를 다룹니다. 교육용 어시스턴트의 경우 시연 클립을 제공하고 초보자에게 화면에 보이는 절차를 설명하도록 요청하세요. 제품 질문에서는 사진과 음성 요청을 결합하고, 설명할 세부 사항을 명시하세요. 듣는 대상과 원하는 결과가 짧은 음성 답변인지, 텍스트 요약인지, 둘 다인지 명시하세요. 바뀌면 안 되는 원본 명칭과 측정값을 유지하세요.
제작사의 입력 흐름은 모델에 맞는 프로세서, 채팅 템플릿, 미디어 처리 유틸리티를 사용합니다. 미디어를 텍스트와 교차 배치할 수 있으며, 디코딩은 요청 준비의 명시적인 단계입니다. 동영상에 수반되는 오디오를 사용할 때는 전처리, 생성, 이어지는 대화 차례에서 use_audio_in_video를 일관되게 유지하세요. 시청각 질문에는 사운드트랙을 포함해야 하며, 시각 자료만 다루는 작업은 그 범위를 명확히 밝혀야 합니다. 질문에 필요한 세부 내용을 어시스턴트가 받을 수 있도록 관련 클립을 선택하고 읽을 수 있는 이미지를 사용하세요.
음성 출력은 제어할 수 있습니다. 공개된 생성 인터페이스에서는 return_audio=False로 텍스트만 요청할 수 있으며, Talker를 비활성화하면 로드된 모델의 음성 출력 경로에서 해당 구성 요소가 제거됩니다. 제작사의 배치 예제는 오디오가 아닌 텍스트를 반환합니다. Instruct 체크포인트에는 Ethan, Chelsie, Aiden이라는 세 가지 음성이 문서화되어 있으며, 기본값은 Ethan입니다. 예제는 파형을 24,000 Hz로 저장합니다. 음성 선택과 이 예제의 출력 형식은 공개된 모델 작업 흐름을 설명하며, 모델을 둘러싼 모든 서비스 인터페이스에 그대로 적용된다는 뜻은 아닙니다.
제조사는 음성 응답에 복잡한 서식보다는 말로 표현하기 쉬운 대화체를 권장합니다. 듣는 사람의 언어로 간결하게 설명하도록 요청하면서, 검토를 위한 읽기 쉬운 텍스트 결과를 별도로 유지할 수 있습니다. 원본에 이름, 수식, 익숙하지 않은 약어가 포함되어 있다면 그 의미와 선호하는 표현을 제공하세요. 유창한 음성이 불확실성을 가리지 않도록 답변에서 관찰된 내용과 가정을 구분하도록 요청하세요.
Thinker와 Talker의 텍스트 설정은 max_position_embeddings를 65,536으로 설정합니다. 공유 카드의 vLLM 예제는 별도로 모델 길이 설정 32,768토큰과 생성 설정 16,384토큰을 선택합니다. 이는 예제이며, 독립적인 보편적 상한이 아닙니다. 시각 및 오디오 처리는 실질적인 요청 크기에 영향을 줍니다. 인터페이스 지원도 다릅니다. 카드의 Transformers 예제는 음성을 반환할 수 있지만, 서빙 설명은 Thinker 중심 경로와 동영상 및 오디오의 별도 처리를 다룹니다. 모델 수준의 음성 기능과 특정 런타임에서 지원하는 출력 경로를 구분하세요.
유용한 결과는 답변과 이를 검토하는 데 필요한 원본 자료를 함께 제공합니다. 시연에서는 설명된 동작을 클립과 대조하고, 오디오 질문에서는 답변을 실제로 들리는 말이나 소리와 비교하며, 시각적 계산에서는 단위와 레이블을 검증하세요. 제품군에는 오디오 함수 호출 쿡북이 포함되어 있지만, 외부 도구 동작을 정의하고 실행하는 주체는 여전히 애플리케이션입니다. 동작을 요청하는 생성 결과는 확인된 실행 결과와 다릅니다. 이 에디션의 강점은 선택적인 음성 응답을 포함하는 멀티모달 상호작용이며, 사실 검증, 후속 동작, 미디어 편집에는 각각 별도의 근거와 작업 흐름이 필요합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Qwen/Qwen3-Omni-30B-A3B-Instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.