Apžvalga: skirtingų medijų supratimas ir atsakymai balsu
Qwen-Omni-Turbo – tai „Qwen“ multimodalinio supratimo ir generavimo modelis. Jis priima tekstą, vaizdus, sakytinę kalbą ir vaizdo įrašus, įskaitant šių įvesčių derinius, ir pateikia tekstą arba tekstą su natūralia sakytine kalba. Gamintojas aprašo vienalaikį srautinį teksto ir balso perdavimą su keturiomis natūralaus pokalbio balso parinktimis. Dėl to modelis tinka užduočiai, kai klausimas ir jį pagrindžianti medžiaga pateikiami skirtingomis formomis, pavyzdžiui, žodiniam klausimui apie nuotrauką arba audiovizualinės scenos paaiškinimui.
Tikslus pavadinimas ir jo versijos
Dabartiniame gamintojo modelio puslapyje qwen-omni-turbo aprašomas kaip funkciškai lygiavertis datuotai versijai qwen-omni-turbo-2025-03-26. Atskirai nurodomas dinamiškai atnaujinamas pavadinimas qwen-omni-turbo-latest ir išskiriama ankstesnė datuota versija qwen-omni-turbo-2025-01-19. Kovo versija aprašoma kaip turinti pagerintas vaizdines galimybes, palyginti su sausio versija. Tai gamintojo nurodyti ryšiai tarp versijų, o ne įrodymas, kad visi panašiai pavadinti programos maršrutai naudoja tuos pačius svorius ar nustatymus. Kai užduočiai reikia tikslios versijos, išsaugokite datuotos versijos pavadinimą.
Pavadinimas „Turbo“ nereiškia atskiros realaus laiko versijos, naujesnės „Qwen-Omni“ kartos ar atvirojo „Qwen2.5-Omni-7B“ modelio kontrolinio taško. Jų įvesties taisyklėms, balsams ir sąsajoms reikia atskiros dokumentacijos. Ypač svarbu, kad keturios „Omni-Turbo“ balso parinktys nebūtų perkeltos į atvirojo kontrolinio taško su dviem balsais aprašymą.
Užduoties su skirtingomis medijomis paruošimas
Nurodykite, ką modelis turi susieti tarp įvesčių. Žodiniam klausimui apie diagramą pateikite diagramą kartu su klausimu ir paprašykite paaiškinti aptariamą matomą elementą. Vaizdo įrašui su kalba nurodykite, ar norite santraukos apie tai, kas matoma, kas sakoma, ar kaip šie dalykai susiję. Naudinga išvestis prieš išvadą gali atskirti vaizdo stebėjimus nuo garso stebėjimų.
Multimedijos peržiūrai pateikite atitinkamą trumpą ištrauką, o ne kelis nesusijusius failus. Pažymėkite vaizdus ir paaiškinkite jų vaidmenį, jei jų yra daugiau nei vienas. Išsaugokite klausimui svarbų garsą ir laiko informaciją. Paprašykite konkretaus rezultato, pavyzdžiui, paaiškinimo balsu klausytojui arba glausto tekstinio scenos detalių sąrašo. Tai pasiūlyti dokumentuotų mišrios įvesties galimybių taikymo būdai, o ne teiginiai, kad konkreti ištrauka jau buvo išanalizuota.
Teksto ir balso išvestis
Gamintojo modelio aprašas numato tekstinius atsakymus ir vienalaikį srautinį teksto bei balso perdavimą. Paaiškinimas balsu gali būti tinkamas pokalbio pagalbai, o tekstą lengviau peržiūrėti, jame ieškoti ir jį palyginti su šaltinio medžiaga. Pasirinktas išvesties režimas ir balso valdikliai priklauso nuo modelį suteikiančios sąsajos. Srautinis perdavimas reiškia pateikimą nuosekliomis dalimis; tai nėra garantuotas atsako laikas ar įrodymas, kad yra atskiras realaus laiko pokalbio protokolas.
Konteksto ir išvesties ribos
Specialioje modelio specifikacijoje nurodytas 32 768 žetonų konteksto langas, 30 720 žetonų maksimali įvestis ir 2 048 žetonų maksimali išvestis. Paruoškite šaltinio medžiagą ir norimą atsakymą atsižvelgdami į šias atskiras ribas. Multimodalinė įvestis turi tilpti į jai reprezentuoti skirtą apimtį, o ne vien į surinktų simbolių skaičių. Ilgo pasakojimo užklausą reikėtų susiaurinti iki trumpo paaiškinimo, kuris tilptų į išvesties ribą.
Šios žetonų ribos nenustato bendros trukmės minutėmis ar bendro vaizdų skaičiaus, taikomo visais atvejais. Išankstinis medijų apdorojimas ir pasirinkta versija lemia, kiek medžiagos telpa. Modelio puslapyje neskelbiama kontrolinio taško architektūra ar parametrų skaičius, todėl „Turbo“ žyma neturėtų būti naudojama modelio dydžiui išgalvoti ar kito „Omni“ modelio architektūrai perimti.
Įrankiai ir esminiai apribojimai
Šio konkretaus modelio galimybių matrica nepalaiko funkcijų kvietimo, integruotos žiniatinklio paieškos ar struktūrizuotos išvesties su garantuotu schemos laikymusi. Joje nurodyta paketinė inferencija kai kuriose gamintojo konfigūracijose ir konteksto kaupimas podėlyje kitoje. Prašymas pateikti sąrašą ar JSON formato atsakymą yra teksto formato užklausa, o ne schemos laikymosi garantija. Modelio gebėjimas suprasti vaizdinę ar žodinę užduotį taip pat nesuteikia prieigos prie naujausios informacijos ar išorinių sistemų.
Patikrinkite, ar atsakymas atskiria matomus įrodymus, girdimą turinį ir interpretaciją. Kalbos citatas, smulkius vaizdinius užrašus ir išvestus ryšius reikėtų palyginti su pateikta medžiaga. Jei rezultatas pateikiamas balsu, išsaugokite lydintį tekstą, kai jis prieinamas, kad vertintojas galėtų patikrinti paaiškinimą. Praktinis pranašumas – kelių modalumų susiejimas viename atsakyme, pateikiant glaustą rezultatą, kurio apimtis atitinka dokumentuotą versiją.
", "aboutText": "Apžvalga: skirtingų medijų supratimas ir atsakymai balsu\n\nQwen-Omni-Turbo – tai „Qwen“ multimodalinio supratimo ir generavimo modelis. Jis priima tekstą, vaizdus, sakytinę kalbą ir vaizdo įrašus, įskaitant šių įvesčių derinius, ir pateikia tekstą arba tekstą su natūralia sakytine kalba. Gamintojas aprašo vienalaikį srautinį teksto ir balso perdavimą su keturiomis natūralaus pokalbio balso parinktimis. Dėl to modelis tinka užduočiai, kai klausimas ir jį pagrindžianti medžiaga pateikiami skirtingomis formomis, pavyzdžiui, žodiniam klausimui apie nuotrauką arba audiovizualinės scenos paaiškinimui.\n\nTikslus pavadinimas ir jo versijos\n\nDabartiniame gamintojo modelio puslapyje qwen-omni-turbo aprašomas kaip funkciškai lygiavertis datuotai versijai qwen-omni-turbo-2025-03-26. Atskirai nurodomas dinamiškai atnaujinamas pavadinimas qwen-omni-turbo-latest ir išskiriama ankstesnė datuota versija qwen-omni-turbo-2025-01-19. Kovo versija aprašoma kaip turinti pagerintas vaizdines galimybes, palyginti su sausio versija. Tai gamintojo nurodyti ryšiai tarp versijų, o ne įrodymas, kad visi panašiai pavadinti programos maršrutai naudoja tuos pačius svorius ar nustatymus. Kai užduočiai reikia tikslios versijos, išsaugokite datuotos versijos pavadinimą.\n\nPavadinimas „Turbo“ nereiškia atskiros realaus laiko versijos, naujesnės „Qwen-Omni“ kartos ar atvirojo „Qwen2.5-Omni-7B“ modelio kontrolinio taško. Jų įvesties taisyklėms, balsams ir sąsajoms reikia atskiros dokumentacijos. Ypač svarbu, kad keturios „Omni-Turbo“ balso parinktys nebūtų perkeltos į atvirojo kontrolinio taško su dviem balsais aprašymą.\n\nUžduoties su skirtingomis medijomis paruošimas\n\nNurodykite, ką modelis turi susieti tarp įvesčių. Žodiniam klausimui apie diagramą pateikite diagramą kartu su klausimu ir paprašykite paaiškinti aptariamą matomą elementą. Vaizdo įrašui su kalba nurodykite, ar norite santraukos apie tai, kas matoma, kas sakoma, ar kaip šie dalykai susiję. Naudinga išvestis prieš išvadą gali atskirti vaizdo stebėjimus nuo garso stebėjimų.\n\nMultimedijos peržiūrai pateikite atitinkamą trumpą ištrauką, o ne kelis nesusijusius failus. Pažymėkite vaizdus ir paaiškinkite jų vaidmenį, jei jų yra daugiau nei vienas. Išsaugokite klausimui svarbų garsą ir laiko informaciją. Paprašykite konkretaus rezultato, pavyzdžiui, paaiškinimo balsu klausytojui arba glausto tekstinio scenos detalių sąrašo. Tai pasiūlyti dokumentuotų mišrios įvesties galimybių taikymo būdai, o ne teiginiai, kad konkreti ištrauka jau buvo išanalizuota.\n\nTeksto ir balso išvestis\n\nGamintojo modelio aprašas numato tekstinius atsakymus ir vienalaikį srautinį teksto bei balso perdavimą. Paaiškinimas balsu gali būti tinkamas pokalbio pagalbai, o tekstą lengviau peržiūrėti, jame ieškoti ir jį palyginti su šaltinio medžiaga. Pasirinktas išvesties režimas ir balso valdikliai priklauso nuo modelį suteikiančios sąsajos. Srautinis perdavimas reiškia pateikimą nuosekliomis dalimis; tai nėra garantuotas atsako laikas ar įrodymas, kad yra atskiras realaus laiko pokalbio protokolas.\n\nKonteksto ir išvesties ribos\n\nSpecialioje modelio specifikacijoje nurodytas 32 768 žetonų konteksto langas, 30 720 žetonų maksimali įvestis ir 2 048 žetonų maksimali išvestis. Paruoškite šaltinio medžiagą ir norimą atsakymą atsižvelgdami į šias atskiras ribas. Multimodalinė įvestis turi tilpti į jai reprezentuoti skirtą apimtį, o ne vien į surinktų simbolių skaičių. Ilgo pasakojimo užklausą reikėtų susiaurinti iki trumpo paaiškinimo, kuris tilptų į išvesties ribą.\n\nŠios žetonų ribos nenustato bendros trukmės minutėmis ar bendro vaizdų skaičiaus, taikomo visais atvejais. Išankstinis medijų apdorojimas ir pasirinkta versija lemia, kiek medžiagos telpa. Modelio puslapyje neskelbiama kontrolinio taško architektūra ar parametrų skaičius, todėl „Turbo“ žyma neturėtų būti naudojama modelio dydžiui išgalvoti ar kito „Omni“ modelio architektūrai perimti.\n\nĮrankiai ir esminiai apribojimai\n\nŠio konkretaus modelio galimybių matrica nepalaiko funkcijų kvietimo, integruotos žiniatinklio paieškos ar struktūrizuotos išvesties su garantuotu schemos laikymusi. Joje nurodyta paketinė inferencija kai kuriose gamintojo konfigūracijose ir konteksto kaupimas podėlyje kitoje. Prašymas pateikti sąrašą ar JSON formato atsakymą yra teksto formato užklausa, o ne schemos laikymosi garantija. Modelio gebėjimas suprasti vaizdinę ar žodinę užduotį taip pat nesuteikia prieigos prie naujausios informacijos ar išorinių sistemų.\n\nPatikrinkite, ar atsakymas atskiria matomus įrodymus, girdimą turinį ir interpretaciją. Kalbos citatas, smulkius vaizdinius užrašus ir išvestus ryšius reikėtų palyginti su pateikta medžiaga. Jei rezultatas pateikiamas balsu, išsaugokite lydintį tekstą, kai jis prieinamas, kad vertintojas galėtų patikrinti paaiškinimą. Praktinis pranašumas – kelių modalumų susiejimas viename atsakyme, pateikiant glaustą rezultatą, kurio apimtis atitinka dokumentuotą versiją.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Reconcile written scene and speech notes\n\nCompare these text notes from a training clip. [Visible note] The operator places a red tag on the empty bin. [Speech transcript] "Use a yellow tag when cleaning is due." Summarize the discrepancy and draft one clarification question for the trainer. Use only the supplied notes; do not claim to hear audio or view video.A concise discrepancy statement and one question, with visible-note and speech-transcript evidence kept separate.Check that neither color is silently corrected and the response makes no claim of media access.qwen-omni-turboQwen-Omni-Turbo vienoje multimodalinėje užduotyje sujungia tekstą, vaizdus, garsą ir vaizdo įrašus ir gali srautiniu būdu teikti tekstą kartu su atsakymais balsu. Naudokite jį žodiniam klausimui susieti su vaizdiniais įrodymais arba audiovizualinei ištraukai paaiškinti, laikydamiesi gamintojo nurodyto 32 768 žetonų konteksto ir 2 048 žetonų išvesties ribos.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Apžvalga: skirtingų medijų supratimas ir atsakymai balsu
Qwen-Omni-Turbo – tai „Qwen“ multimodalinio supratimo ir generavimo modelis. Jis priima tekstą, vaizdus, sakytinę kalbą ir vaizdo įrašus, įskaitant šių įvesčių derinius, ir pateikia tekstą arba tekstą su natūralia sakytine kalba. Gamintojas aprašo vienalaikį srautinį teksto ir balso perdavimą su keturiomis natūralaus pokalbio balso parinktimis. Dėl to modelis tinka užduočiai, kai klausimas ir jį pagrindžianti medžiaga pateikiami skirtingomis formomis, pavyzdžiui, žodiniam klausimui apie nuotrauką arba audiovizualinės scenos paaiškinimui.
Tikslus pavadinimas ir jo versijos
Dabartiniame gamintojo modelio puslapyje qwen-omni-turbo aprašomas kaip funkciškai lygiavertis datuotai versijai qwen-omni-turbo-2025-03-26. Atskirai nurodomas dinamiškai atnaujinamas pavadinimas qwen-omni-turbo-latest ir išskiriama ankstesnė datuota versija qwen-omni-turbo-2025-01-19. Kovo versija aprašoma kaip turinti pagerintas vaizdines galimybes, palyginti su sausio versija. Tai gamintojo nurodyti ryšiai tarp versijų, o ne įrodymas, kad visi panašiai pavadinti programos maršrutai naudoja tuos pačius svorius ar nustatymus. Kai užduočiai reikia tikslios versijos, išsaugokite datuotos versijos pavadinimą.
Pavadinimas „Turbo“ nereiškia atskiros realaus laiko versijos, naujesnės „Qwen-Omni“ kartos ar atvirojo „Qwen2.5-Omni-7B“ modelio kontrolinio taško. Jų įvesties taisyklėms, balsams ir sąsajoms reikia atskiros dokumentacijos. Ypač svarbu, kad keturios „Omni-Turbo“ balso parinktys nebūtų perkeltos į atvirojo kontrolinio taško su dviem balsais aprašymą.
Užduoties su skirtingomis medijomis paruošimas
Nurodykite, ką modelis turi susieti tarp įvesčių. Žodiniam klausimui apie diagramą pateikite diagramą kartu su klausimu ir paprašykite paaiškinti aptariamą matomą elementą. Vaizdo įrašui su kalba nurodykite, ar norite santraukos apie tai, kas matoma, kas sakoma, ar kaip šie dalykai susiję. Naudinga išvestis prieš išvadą gali atskirti vaizdo stebėjimus nuo garso stebėjimų.
Multimedijos peržiūrai pateikite atitinkamą trumpą ištrauką, o ne kelis nesusijusius failus. Pažymėkite vaizdus ir paaiškinkite jų vaidmenį, jei jų yra daugiau nei vienas. Išsaugokite klausimui svarbų garsą ir laiko informaciją. Paprašykite konkretaus rezultato, pavyzdžiui, paaiškinimo balsu klausytojui arba glausto tekstinio scenos detalių sąrašo. Tai pasiūlyti dokumentuotų mišrios įvesties galimybių taikymo būdai, o ne teiginiai, kad konkreti ištrauka jau buvo išanalizuota.
Teksto ir balso išvestis
Gamintojo modelio aprašas numato tekstinius atsakymus ir vienalaikį srautinį teksto bei balso perdavimą. Paaiškinimas balsu gali būti tinkamas pokalbio pagalbai, o tekstą lengviau peržiūrėti, jame ieškoti ir jį palyginti su šaltinio medžiaga. Pasirinktas išvesties režimas ir balso valdikliai priklauso nuo modelį suteikiančios sąsajos. Srautinis perdavimas reiškia pateikimą nuosekliomis dalimis; tai nėra garantuotas atsako laikas ar įrodymas, kad yra atskiras realaus laiko pokalbio protokolas.
Konteksto ir išvesties ribos
Specialioje modelio specifikacijoje nurodytas 32 768 žetonų konteksto langas, 30 720 žetonų maksimali įvestis ir 2 048 žetonų maksimali išvestis. Paruoškite šaltinio medžiagą ir norimą atsakymą atsižvelgdami į šias atskiras ribas. Multimodalinė įvestis turi tilpti į jai reprezentuoti skirtą apimtį, o ne vien į surinktų simbolių skaičių. Ilgo pasakojimo užklausą reikėtų susiaurinti iki trumpo paaiškinimo, kuris tilptų į išvesties ribą.
Šios žetonų ribos nenustato bendros trukmės minutėmis ar bendro vaizdų skaičiaus, taikomo visais atvejais. Išankstinis medijų apdorojimas ir pasirinkta versija lemia, kiek medžiagos telpa. Modelio puslapyje neskelbiama kontrolinio taško architektūra ar parametrų skaičius, todėl „Turbo“ žyma neturėtų būti naudojama modelio dydžiui išgalvoti ar kito „Omni“ modelio architektūrai perimti.
Įrankiai ir esminiai apribojimai
Šio konkretaus modelio galimybių matrica nepalaiko funkcijų kvietimo, integruotos žiniatinklio paieškos ar struktūrizuotos išvesties su garantuotu schemos laikymusi. Joje nurodyta paketinė inferencija kai kuriose gamintojo konfigūracijose ir konteksto kaupimas podėlyje kitoje. Prašymas pateikti sąrašą ar JSON formato atsakymą yra teksto formato užklausa, o ne schemos laikymosi garantija. Modelio gebėjimas suprasti vaizdinę ar žodinę užduotį taip pat nesuteikia prieigos prie naujausios informacijos ar išorinių sistemų.
Patikrinkite, ar atsakymas atskiria matomus įrodymus, girdimą turinį ir interpretaciją. Kalbos citatas, smulkius vaizdinius užrašus ir išvestus ryšius reikėtų palyginti su pateikta medžiaga. Jei rezultatas pateikiamas balsu, išsaugokite lydintį tekstą, kai jis prieinamas, kad vertintojas galėtų patikrinti paaiškinimą. Praktinis pranašumas – kelių modalumų susiejimas viename atsakyme, pateikiant glaustą rezultatą, kurio apimtis atitinka dokumentuotą versiją.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen-omni-turbo | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0046 / 1K tokenų Išvestis · Išvesties tokenai $0.0138 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-omni-turbo", "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-omni-turbo',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-omni-turbo',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra qwen-omni-turbo
Naudokite aukščiau nurodytus metodų kelius.
qwen-omni-turboQwen-Omni-Turbo vienoje multimodalinėje užduotyje sujungia tekstą, vaizdus, garsą ir vaizdo įrašus ir gali srautiniu būdu teikti tekstą kartu su atsakymais balsu. Naudokite jį žodiniam klausimui susieti su vaizdiniais įrodymais arba audiovizualinei ištraukai paaiškinti, laikydamiesi gamintojo nurodyto 32 768 žetonų konteksto ir 2 048 žetonų išvesties ribos.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Apžvalga: skirtingų medijų supratimas ir atsakymai balsu
Qwen-Omni-Turbo – tai „Qwen“ multimodalinio supratimo ir generavimo modelis. Jis priima tekstą, vaizdus, sakytinę kalbą ir vaizdo įrašus, įskaitant šių įvesčių derinius, ir pateikia tekstą arba tekstą su natūralia sakytine kalba. Gamintojas aprašo vienalaikį srautinį teksto ir balso perdavimą su keturiomis natūralaus pokalbio balso parinktimis. Dėl to modelis tinka užduočiai, kai klausimas ir jį pagrindžianti medžiaga pateikiami skirtingomis formomis, pavyzdžiui, žodiniam klausimui apie nuotrauką arba audiovizualinės scenos paaiškinimui.
Tikslus pavadinimas ir jo versijos
Dabartiniame gamintojo modelio puslapyje qwen-omni-turbo aprašomas kaip funkciškai lygiavertis datuotai versijai qwen-omni-turbo-2025-03-26. Atskirai nurodomas dinamiškai atnaujinamas pavadinimas qwen-omni-turbo-latest ir išskiriama ankstesnė datuota versija qwen-omni-turbo-2025-01-19. Kovo versija aprašoma kaip turinti pagerintas vaizdines galimybes, palyginti su sausio versija. Tai gamintojo nurodyti ryšiai tarp versijų, o ne įrodymas, kad visi panašiai pavadinti programos maršrutai naudoja tuos pačius svorius ar nustatymus. Kai užduočiai reikia tikslios versijos, išsaugokite datuotos versijos pavadinimą.
Pavadinimas „Turbo“ nereiškia atskiros realaus laiko versijos, naujesnės „Qwen-Omni“ kartos ar atvirojo „Qwen2.5-Omni-7B“ modelio kontrolinio taško. Jų įvesties taisyklėms, balsams ir sąsajoms reikia atskiros dokumentacijos. Ypač svarbu, kad keturios „Omni-Turbo“ balso parinktys nebūtų perkeltos į atvirojo kontrolinio taško su dviem balsais aprašymą.
Užduoties su skirtingomis medijomis paruošimas
Nurodykite, ką modelis turi susieti tarp įvesčių. Žodiniam klausimui apie diagramą pateikite diagramą kartu su klausimu ir paprašykite paaiškinti aptariamą matomą elementą. Vaizdo įrašui su kalba nurodykite, ar norite santraukos apie tai, kas matoma, kas sakoma, ar kaip šie dalykai susiję. Naudinga išvestis prieš išvadą gali atskirti vaizdo stebėjimus nuo garso stebėjimų.
Multimedijos peržiūrai pateikite atitinkamą trumpą ištrauką, o ne kelis nesusijusius failus. Pažymėkite vaizdus ir paaiškinkite jų vaidmenį, jei jų yra daugiau nei vienas. Išsaugokite klausimui svarbų garsą ir laiko informaciją. Paprašykite konkretaus rezultato, pavyzdžiui, paaiškinimo balsu klausytojui arba glausto tekstinio scenos detalių sąrašo. Tai pasiūlyti dokumentuotų mišrios įvesties galimybių taikymo būdai, o ne teiginiai, kad konkreti ištrauka jau buvo išanalizuota.
Teksto ir balso išvestis
Gamintojo modelio aprašas numato tekstinius atsakymus ir vienalaikį srautinį teksto bei balso perdavimą. Paaiškinimas balsu gali būti tinkamas pokalbio pagalbai, o tekstą lengviau peržiūrėti, jame ieškoti ir jį palyginti su šaltinio medžiaga. Pasirinktas išvesties režimas ir balso valdikliai priklauso nuo modelį suteikiančios sąsajos. Srautinis perdavimas reiškia pateikimą nuosekliomis dalimis; tai nėra garantuotas atsako laikas ar įrodymas, kad yra atskiras realaus laiko pokalbio protokolas.
Konteksto ir išvesties ribos
Specialioje modelio specifikacijoje nurodytas 32 768 žetonų konteksto langas, 30 720 žetonų maksimali įvestis ir 2 048 žetonų maksimali išvestis. Paruoškite šaltinio medžiagą ir norimą atsakymą atsižvelgdami į šias atskiras ribas. Multimodalinė įvestis turi tilpti į jai reprezentuoti skirtą apimtį, o ne vien į surinktų simbolių skaičių. Ilgo pasakojimo užklausą reikėtų susiaurinti iki trumpo paaiškinimo, kuris tilptų į išvesties ribą.
Šios žetonų ribos nenustato bendros trukmės minutėmis ar bendro vaizdų skaičiaus, taikomo visais atvejais. Išankstinis medijų apdorojimas ir pasirinkta versija lemia, kiek medžiagos telpa. Modelio puslapyje neskelbiama kontrolinio taško architektūra ar parametrų skaičius, todėl „Turbo“ žyma neturėtų būti naudojama modelio dydžiui išgalvoti ar kito „Omni“ modelio architektūrai perimti.
Įrankiai ir esminiai apribojimai
Šio konkretaus modelio galimybių matrica nepalaiko funkcijų kvietimo, integruotos žiniatinklio paieškos ar struktūrizuotos išvesties su garantuotu schemos laikymusi. Joje nurodyta paketinė inferencija kai kuriose gamintojo konfigūracijose ir konteksto kaupimas podėlyje kitoje. Prašymas pateikti sąrašą ar JSON formato atsakymą yra teksto formato užklausa, o ne schemos laikymosi garantija. Modelio gebėjimas suprasti vaizdinę ar žodinę užduotį taip pat nesuteikia prieigos prie naujausios informacijos ar išorinių sistemų.
Patikrinkite, ar atsakymas atskiria matomus įrodymus, girdimą turinį ir interpretaciją. Kalbos citatas, smulkius vaizdinius užrašus ir išvestus ryšius reikėtų palyginti su pateikta medžiaga. Jei rezultatas pateikiamas balsu, išsaugokite lydintį tekstą, kai jis prieinamas, kad vertintojas galėtų patikrinti paaiškinimą. Praktinis pranašumas – kelių modalumų susiejimas viename atsakyme, pateikiant glaustą rezultatą, kurio apimtis atitinka dokumentuotą versiją.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen-omni-turbo | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0046 / 1K tokenų Išvestis · Išvesties tokenai $0.0138 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "qwen-omni-turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-omni-turbo', '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-omni-turbo', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra qwen-omni-turbo
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Reconcile written scene and speech notes\n\nCompare these text notes from a training clip. [Visible note] The operator places a red tag on the empty bin. [Speech transcript] "Use a yellow tag when cleaning is due." Summarize the discrepancy and draft one clarification question for the trainer. Use only the supplied notes; do not claim to hear audio or view video.A concise discrepancy statement and one question, with visible-note and speech-transcript evidence kept separate.Check that neither color is silently corrected and the response makes no claim of media access.