Overzicht: gedetailleerde geluidsbeschrijvingen
Qwen3-Omni-30B-A3B-Captioner is een gespecialiseerd model voor audiobeschrijving dat is gefinetuned op basis van Qwen3-Omni-30B-A3B-Instruct. Het zet een audioclip om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor uiteenlopend materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig om een doorzoekbare beschrijving van een audiobestand voor te bereiden of de geluidslagen in een kort mediasegment te beoordelen.
Begrip van spraak en ander geluid
De ontwikkelaar beschrijft analyse van meerdere sprekers, meertalige uitingen, stememotie en de bedoelingen die de manier van spreken suggereert. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de taal van de spraak en de omringende akoestische scène. Voor audio zonder spraak beschrijft het model de sfeer van de omgeving, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.
Beschrijvingen van stemming, sprekersintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel ze afzonderlijk van direct controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen om een toonverandering of achtergrondlaag op te merken; ze is geen meting van iemands privé-emoties en geen bewijs van de fysieke bron van een dubbelzinnig geluid.
De Captioner-editie en haar invoervoorwaarden
Dit checkpoint werkt met één beurt. Het verwerkt precies één audio-invoer per inferentie, geen tekstprompt, en geeft uitsluitend tekst terug. Het bevat de thinker-component voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Draag de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet over op Captioner omdat hun namen tot dezelfde familie behoren.
De afwezigheid van een tekstprompt is in de praktijk van belang. Bereid het audiosegment voor dat u wilt laten beschrijven en dien dat segment in als de volledige taak. Voeg geen instructie toe die om een aangepaste samenvatting, vertaling, antwoord van een spreker of uitvoerschema vraagt. Als een workflow die transformaties nodig heeft, horen ze in een afzonderlijke stap die met de teruggegeven beschrijving werkt, in plaats van ze als veronderstelde instellingen van dit beschrijvende checkpoint te behandelen.
Bruikbare audio voorbereiden
Qwen raadt aan om een clip voor een gedetailleerde beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: te lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsgrens gepresenteerd. Selecteer bij een langere opname een betekenisvol kort segment rond de te beoordelen gebeurtenis of scène. Bewaar de bronidentificatie en begintijd buiten de modelaanvraag, zodat de teruggegeven beschrijving later naar de oorspronkelijke opname kan worden teruggevoerd.
Behoud de geluidslagen die relevant zijn voor de vraag. Een fragment dat op de stem focust, moet ook de achtergrond bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet zijn belangrijke overgang behouden, in plaats van op een willekeurige grens te worden afgeknipt. Clips afzonderlijk verwerken helpt om lokale details te behouden, maar garandeert geen automatische continuïteit of begrip van de volledige opname over meerdere aanvragen heen.
Waarvoor het tekstresultaat nuttig is
Het cookbook van de ontwikkelaar toont beschrijvingen die eerst de inhoud en voordracht van spraak beschrijven en daarna de omringende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van stemgebeurtenissen. Een audiocatalogus kan de teruggegeven tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan ze als conceptgeluidslogboek gebruiken. Een editor kan de beschrijving met de clip vergelijken om na te gaan of ze de beoogde lagen weergeeft. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.
De uitvoer is een beschrijvende caption, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met timestamps of gegenereerde soundtrack. Waar exacte gesproken woorden of timing vereist zijn, controleert u de beschrijving aan de hand van de audio en gebruikt u een passende gespecialiseerde workflow voor het vereiste artefact. Een rijkgeschreven beschrijving kan afgeleide informatie over scène of genre bevatten. Behoud daarom onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.
Generatievoorbeelden en beperkingen
Het afzonderlijke voorbeeld van de ontwikkelaar stelt een modelcontext van 32,768 tokens en een generatiebudget van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. Het cookbook gebruikt een generatiebudget van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk verklaarde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een garantie voor audioduur mag worden omgezet.
Generieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, hebben geen voorrang op de expliciete voorwaarden van Captioner: één audio-invoer, geen tekst en uitsluitend tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u ze als een gezaghebbend verslag gebruikt.
", "aboutText": "Overzicht: gedetailleerde geluidsbeschrijvingen\n\nQwen3-Omni-30B-A3B-Captioner is een gespecialiseerd model voor audiobeschrijving dat is gefinetuned op basis van Qwen3-Omni-30B-A3B-Instruct. Het zet een audioclip om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor uiteenlopend materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig om een doorzoekbare beschrijving van een audiobestand voor te bereiden of de geluidslagen in een kort mediasegment te beoordelen.\n\nBegrip van spraak en ander geluid\n\nDe ontwikkelaar beschrijft analyse van meerdere sprekers, meertalige uitingen, stememotie en de bedoelingen die de manier van spreken suggereert. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de taal van de spraak en de omringende akoestische scène. Voor audio zonder spraak beschrijft het model de sfeer van de omgeving, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.\n\nBeschrijvingen van stemming, sprekersintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel ze afzonderlijk van direct controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen om een toonverandering of achtergrondlaag op te merken; ze is geen meting van iemands privé-emoties en geen bewijs van de fysieke bron van een dubbelzinnig geluid.\n\nDe Captioner-editie en haar invoervoorwaarden\n\nDit checkpoint werkt met één beurt. Het verwerkt precies één audio-invoer per inferentie, geen tekstprompt, en geeft uitsluitend tekst terug. Het bevat de thinker-component voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Draag de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet over op Captioner omdat hun namen tot dezelfde familie behoren.\n\nDe afwezigheid van een tekstprompt is in de praktijk van belang. Bereid het audiosegment voor dat u wilt laten beschrijven en dien dat segment in als de volledige taak. Voeg geen instructie toe die om een aangepaste samenvatting, vertaling, antwoord van een spreker of uitvoerschema vraagt. Als een workflow die transformaties nodig heeft, horen ze in een afzonderlijke stap die met de teruggegeven beschrijving werkt, in plaats van ze als veronderstelde instellingen van dit beschrijvende checkpoint te behandelen.\n\nBruikbare audio voorbereiden\n\nQwen raadt aan om een clip voor een gedetailleerde beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: te lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsgrens gepresenteerd. Selecteer bij een langere opname een betekenisvol kort segment rond de te beoordelen gebeurtenis of scène. Bewaar de bronidentificatie en begintijd buiten de modelaanvraag, zodat de teruggegeven beschrijving later naar de oorspronkelijke opname kan worden teruggevoerd.\n\nBehoud de geluidslagen die relevant zijn voor de vraag. Een fragment dat op de stem focust, moet ook de achtergrond bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet zijn belangrijke overgang behouden, in plaats van op een willekeurige grens te worden afgeknipt. Clips afzonderlijk verwerken helpt om lokale details te behouden, maar garandeert geen automatische continuïteit of begrip van de volledige opname over meerdere aanvragen heen.\n\nWaarvoor het tekstresultaat nuttig is\n\nHet cookbook van de ontwikkelaar toont beschrijvingen die eerst de inhoud en voordracht van spraak beschrijven en daarna de omringende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van stemgebeurtenissen. Een audiocatalogus kan de teruggegeven tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan ze als conceptgeluidslogboek gebruiken. Een editor kan de beschrijving met de clip vergelijken om na te gaan of ze de beoogde lagen weergeeft. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.\n\nDe uitvoer is een beschrijvende caption, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met timestamps of gegenereerde soundtrack. Waar exacte gesproken woorden of timing vereist zijn, controleert u de beschrijving aan de hand van de audio en gebruikt u een passende gespecialiseerde workflow voor het vereiste artefact. Een rijkgeschreven beschrijving kan afgeleide informatie over scène of genre bevatten. Behoud daarom onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.\n\nGeneratievoorbeelden en beperkingen\n\nHet afzonderlijke voorbeeld van de ontwikkelaar stelt een modelcontext van 32,768 tokens en een generatiebudget van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. Het cookbook gebruikt een generatiebudget van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk verklaarde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een garantie voor audioduur mag worden omgezet.\n\nGenerieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, hebben geen voorrang op de expliciete voorwaarden van Captioner: één audio-invoer, geen tekst en uitsluitend tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u ze als een gezaghebbend verslag gebruikt.", "editorialOverlay": { "copy_fields": { "practical_html": "De modelbeschrijving vereist audio-invoer, maar de gekozen route declareert tekstinvoer. Voor dit verschil wordt geen direct uitvoerbaar generatievoorbeeld gegeven.
Technisch voorbeeld in het Engels
Describe one short audio asset\n\nManufacturer workflow only: select one short audio clip whose sound layers need a description. Submit exactly that audio input with no text prompt through the documented manufacturer workflow. Keep the asset identifier outside the request. The selected Ailoot text-only route does not provide this audio-input workflow.A detailed text caption covering audible speech, background sounds, music and event order when present, with uncertain sound sources or intentions kept distinct from direct audible observations.Compare the caption with the same clip for sound sequence and sources; reconcile the Ailoot text-input mismatch before use. Do not send this preparation note as a text prompt.Qwen/Qwen3-Omni-30B-A3B-CaptionerQwen3-Omni-30B-A3B-Captioner beschrijft spraak, muziek, omgevingsgeluid en filmische audio in tekst. Deze gespecialiseerde editie voor één beurt verwerkt één audio-invoer zonder tekstprompt; Qwen raadt clips van maximaal 30 seconden aan om fijne details te behouden.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Overzicht: gedetailleerde geluidsbeschrijvingen
Qwen3-Omni-30B-A3B-Captioner is een gespecialiseerd model voor audiobeschrijving dat is gefinetuned op basis van Qwen3-Omni-30B-A3B-Instruct. Het zet een audioclip om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor uiteenlopend materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig om een doorzoekbare beschrijving van een audiobestand voor te bereiden of de geluidslagen in een kort mediasegment te beoordelen.
Begrip van spraak en ander geluid
De ontwikkelaar beschrijft analyse van meerdere sprekers, meertalige uitingen, stememotie en de bedoelingen die de manier van spreken suggereert. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de taal van de spraak en de omringende akoestische scène. Voor audio zonder spraak beschrijft het model de sfeer van de omgeving, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.
Beschrijvingen van stemming, sprekersintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel ze afzonderlijk van direct controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen om een toonverandering of achtergrondlaag op te merken; ze is geen meting van iemands privé-emoties en geen bewijs van de fysieke bron van een dubbelzinnig geluid.
De Captioner-editie en haar invoervoorwaarden
Dit checkpoint werkt met één beurt. Het verwerkt precies één audio-invoer per inferentie, geen tekstprompt, en geeft uitsluitend tekst terug. Het bevat de thinker-component voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Draag de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet over op Captioner omdat hun namen tot dezelfde familie behoren.
De afwezigheid van een tekstprompt is in de praktijk van belang. Bereid het audiosegment voor dat u wilt laten beschrijven en dien dat segment in als de volledige taak. Voeg geen instructie toe die om een aangepaste samenvatting, vertaling, antwoord van een spreker of uitvoerschema vraagt. Als een workflow die transformaties nodig heeft, horen ze in een afzonderlijke stap die met de teruggegeven beschrijving werkt, in plaats van ze als veronderstelde instellingen van dit beschrijvende checkpoint te behandelen.
Bruikbare audio voorbereiden
Qwen raadt aan om een clip voor een gedetailleerde beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: te lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsgrens gepresenteerd. Selecteer bij een langere opname een betekenisvol kort segment rond de te beoordelen gebeurtenis of scène. Bewaar de bronidentificatie en begintijd buiten de modelaanvraag, zodat de teruggegeven beschrijving later naar de oorspronkelijke opname kan worden teruggevoerd.
Behoud de geluidslagen die relevant zijn voor de vraag. Een fragment dat op de stem focust, moet ook de achtergrond bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet zijn belangrijke overgang behouden, in plaats van op een willekeurige grens te worden afgeknipt. Clips afzonderlijk verwerken helpt om lokale details te behouden, maar garandeert geen automatische continuïteit of begrip van de volledige opname over meerdere aanvragen heen.
Waarvoor het tekstresultaat nuttig is
Het cookbook van de ontwikkelaar toont beschrijvingen die eerst de inhoud en voordracht van spraak beschrijven en daarna de omringende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van stemgebeurtenissen. Een audiocatalogus kan de teruggegeven tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan ze als conceptgeluidslogboek gebruiken. Een editor kan de beschrijving met de clip vergelijken om na te gaan of ze de beoogde lagen weergeeft. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.
De uitvoer is een beschrijvende caption, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met timestamps of gegenereerde soundtrack. Waar exacte gesproken woorden of timing vereist zijn, controleert u de beschrijving aan de hand van de audio en gebruikt u een passende gespecialiseerde workflow voor het vereiste artefact. Een rijkgeschreven beschrijving kan afgeleide informatie over scène of genre bevatten. Behoud daarom onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.
Generatievoorbeelden en beperkingen
Het afzonderlijke voorbeeld van de ontwikkelaar stelt een modelcontext van 32,768 tokens en een generatiebudget van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. Het cookbook gebruikt een generatiebudget van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk verklaarde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een garantie voor audioduur mag worden omgezet.
Generieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, hebben geen voorrang op de expliciete voorwaarden van Captioner: één audio-invoer, geen tekst en uitsluitend tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u ze als een gezaghebbend verslag gebruikt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten Qwen/Qwen3-Omni-30B-A3B-Captioner | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
De modelbeschrijving vereist audio-invoer, maar de gekozen route declareert tekstinvoer. Voor dit verschil wordt geen direct uitvoerbaar generatievoorbeeld gegeven.
manufacturer: audio → text
route: text → text
json of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Captioner
Gebruik de hierboven getoonde methodepaden.
Qwen/Qwen3-Omni-30B-A3B-CaptionerQwen3-Omni-30B-A3B-Captioner beschrijft spraak, muziek, omgevingsgeluid en filmische audio in tekst. Deze gespecialiseerde editie voor één beurt verwerkt één audio-invoer zonder tekstprompt; Qwen raadt clips van maximaal 30 seconden aan om fijne details te behouden.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Overzicht: gedetailleerde geluidsbeschrijvingen
Qwen3-Omni-30B-A3B-Captioner is een gespecialiseerd model voor audiobeschrijving dat is gefinetuned op basis van Qwen3-Omni-30B-A3B-Instruct. Het zet een audioclip om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor uiteenlopend materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig om een doorzoekbare beschrijving van een audiobestand voor te bereiden of de geluidslagen in een kort mediasegment te beoordelen.
Begrip van spraak en ander geluid
De ontwikkelaar beschrijft analyse van meerdere sprekers, meertalige uitingen, stememotie en de bedoelingen die de manier van spreken suggereert. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de taal van de spraak en de omringende akoestische scène. Voor audio zonder spraak beschrijft het model de sfeer van de omgeving, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.
Beschrijvingen van stemming, sprekersintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel ze afzonderlijk van direct controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen om een toonverandering of achtergrondlaag op te merken; ze is geen meting van iemands privé-emoties en geen bewijs van de fysieke bron van een dubbelzinnig geluid.
De Captioner-editie en haar invoervoorwaarden
Dit checkpoint werkt met één beurt. Het verwerkt precies één audio-invoer per inferentie, geen tekstprompt, en geeft uitsluitend tekst terug. Het bevat de thinker-component voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Draag de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet over op Captioner omdat hun namen tot dezelfde familie behoren.
De afwezigheid van een tekstprompt is in de praktijk van belang. Bereid het audiosegment voor dat u wilt laten beschrijven en dien dat segment in als de volledige taak. Voeg geen instructie toe die om een aangepaste samenvatting, vertaling, antwoord van een spreker of uitvoerschema vraagt. Als een workflow die transformaties nodig heeft, horen ze in een afzonderlijke stap die met de teruggegeven beschrijving werkt, in plaats van ze als veronderstelde instellingen van dit beschrijvende checkpoint te behandelen.
Bruikbare audio voorbereiden
Qwen raadt aan om een clip voor een gedetailleerde beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: te lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsgrens gepresenteerd. Selecteer bij een langere opname een betekenisvol kort segment rond de te beoordelen gebeurtenis of scène. Bewaar de bronidentificatie en begintijd buiten de modelaanvraag, zodat de teruggegeven beschrijving later naar de oorspronkelijke opname kan worden teruggevoerd.
Behoud de geluidslagen die relevant zijn voor de vraag. Een fragment dat op de stem focust, moet ook de achtergrond bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet zijn belangrijke overgang behouden, in plaats van op een willekeurige grens te worden afgeknipt. Clips afzonderlijk verwerken helpt om lokale details te behouden, maar garandeert geen automatische continuïteit of begrip van de volledige opname over meerdere aanvragen heen.
Waarvoor het tekstresultaat nuttig is
Het cookbook van de ontwikkelaar toont beschrijvingen die eerst de inhoud en voordracht van spraak beschrijven en daarna de omringende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van stemgebeurtenissen. Een audiocatalogus kan de teruggegeven tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan ze als conceptgeluidslogboek gebruiken. Een editor kan de beschrijving met de clip vergelijken om na te gaan of ze de beoogde lagen weergeeft. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.
De uitvoer is een beschrijvende caption, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met timestamps of gegenereerde soundtrack. Waar exacte gesproken woorden of timing vereist zijn, controleert u de beschrijving aan de hand van de audio en gebruikt u een passende gespecialiseerde workflow voor het vereiste artefact. Een rijkgeschreven beschrijving kan afgeleide informatie over scène of genre bevatten. Behoud daarom onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.
Generatievoorbeelden en beperkingen
Het afzonderlijke voorbeeld van de ontwikkelaar stelt een modelcontext van 32,768 tokens en een generatiebudget van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. Het cookbook gebruikt een generatiebudget van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk verklaarde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een garantie voor audioduur mag worden omgezet.
Generieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, hebben geen voorrang op de expliciete voorwaarden van Captioner: één audio-invoer, geen tekst en uitsluitend tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u ze als een gezaghebbend verslag gebruikt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten Qwen/Qwen3-Omni-30B-A3B-Captioner | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
De modelbeschrijving vereist audio-invoer, maar de gekozen route declareert tekstinvoer. Voor dit verschil wordt geen direct uitvoerbaar generatievoorbeeld gegeven.
manufacturer: audio → text
route: text → json, sse
JSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Captioner
Gebruik de hierboven getoonde methodepaden.
De modelbeschrijving vereist audio-invoer, maar de gekozen route declareert tekstinvoer. Voor dit verschil wordt geen direct uitvoerbaar generatievoorbeeld gegeven.
Technisch voorbeeld in het Engels
Describe one short audio asset\n\nManufacturer workflow only: select one short audio clip whose sound layers need a description. Submit exactly that audio input with no text prompt through the documented manufacturer workflow. Keep the asset identifier outside the request. The selected Ailoot text-only route does not provide this audio-input workflow.A detailed text caption covering audible speech, background sounds, music and event order when present, with uncertain sound sources or intentions kept distinct from direct audible observations.Compare the caption with the same clip for sound sequence and sources; reconcile the Ailoot text-input mismatch before use. Do not send this preparation note as a text prompt.