Overzicht: gedetailleerde geluidsbeschrijvingen
Qwen3-Omni-30B-A3B-Captioner is een gespecialiseerd audiobeschrijvingsmodel dat vanuit Qwen3-Omni-30B-A3B-Instruct is gefinetuned. Het zet een audiofragment om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor gevarieerd materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig voor het voorbereiden van een doorzoekbare beschrijving van een audiobestand of het beoordelen van de geluidslagen in een kort mediafragment.
Begrip van spraak en andere geluiden
De maker beschrijft analyse van meerdere sprekers, meertalige uitingen, vocale emotie en intenties die door de voordracht worden gesuggereerd. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de gesproken taal en de omliggende akoestische scène. Voor audio zonder spraak beschrijft het model de omgevingssfeer, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.
Beschrijvingen van stemming, sprekerintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel die afzonderlijk van rechtstreeks controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen een verandering in toon of een achtergrondlaag op te merken; ze is geen meting van iemands persoonlijke emoties of bewijs van de fysieke bron van een onduidelijk geluid.
De Captioner-editie en de invoerafspraken
Dit checkpoint werkt met één beurt. Het accepteert precies één audio-invoer per inferentie, geen tekstprompt en retourneert alleen tekst. Het bevat het thinker-onderdeel voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Ken de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet aan Captioner toe omdat de namen dezelfde familie delen.
Het ontbreken van een tekstprompt is in de praktijk van belang. Bereid het audiofragment voor dat u beschreven wilt hebben en verstuur dat fragment 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 omzettingen nodig heeft, horen ze in een afzonderlijke fase die op de geretourneerde beschrijving werkt, in plaats van als veronderstelde instellingen van dit beschrijvingscheckpoint te worden behandeld.
Bruikbare audio voorbereiden
Qwen beveelt aan een fragment voor een fijnmazige beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: buitensporig lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsdrempel gepresenteerd. Selecteer voor een langere opname een betekenisvol kort fragment rond de gebeurtenis of scène die wordt beoordeeld. Bewaar de bronidentificatie en begintijd buiten het modelverzoek, zodat de geretourneerde beschrijving later naar de oorspronkelijke opname kan worden herleid.
Behoud de geluidslagen die voor de vraag relevant zijn. Een fragment dat op stemmen is gericht, moet de achtergrond toch bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet een belangrijke overgang behouden, in plaats van op een willekeurige grens te worden geknipt. Afzonderlijke verwerking van fragmenten helpt lokale details te behouden, maar bewijst geen automatische continuïteit of begrip van de volledige opname over verzoeken heen.
Waarvoor het tekstresultaat nuttig is
De gebruikshandleiding van de maker toont beschrijvingen die spraakinhoud en voordracht beschrijven en vervolgens de omliggende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van vocale gebeurtenissen. Een audiocatalogus kan de geretourneerde tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan deze als conceptgeluidslog gebruiken. Een editor kan de beschrijving met het fragment vergelijken om vast te stellen of de beoogde lagen worden vastgelegd. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.
De uitvoer is een beschrijvend onderschrift, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met tijdstempels of gegenereerde soundtrack. Controleer waar exacte gesproken bewoording of timing vereist is de beschrijving aan de hand van de audio en gebruik een passende gespecialiseerde workflow voor het vereiste eindproduct. Een rijk geschreven beschrijving kan afgeleide informatie over de scène of het genre bevatten, dus behoud onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.
Generatievoorbeelden en beperkingen
Het zelfstandige voorbeeld van de maker stelt een modelcontext van 32,768 tokens en een generatiecapaciteit van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. De gebruikshandleiding gebruikt een generatiecapaciteit van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk vastgelegde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een duurgarantie voor audio mag worden omgezet.
Generieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, vervangen niet de expliciete afspraken van Captioner: één audio-invoer, geen tekst en alleen tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u die als gezaghebbend verslag gebruikt.
", "aboutText": "Overzicht: gedetailleerde geluidsbeschrijvingen\n\nQwen3-Omni-30B-A3B-Captioner is een gespecialiseerd audiobeschrijvingsmodel dat vanuit Qwen3-Omni-30B-A3B-Instruct is gefinetuned. Het zet een audiofragment om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor gevarieerd materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig voor het voorbereiden van een doorzoekbare beschrijving van een audiobestand of het beoordelen van de geluidslagen in een kort mediafragment.\n\nBegrip van spraak en andere geluiden\n\nDe maker beschrijft analyse van meerdere sprekers, meertalige uitingen, vocale emotie en intenties die door de voordracht worden gesuggereerd. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de gesproken taal en de omliggende akoestische scène. Voor audio zonder spraak beschrijft het model de omgevingssfeer, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.\n\nBeschrijvingen van stemming, sprekerintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel die afzonderlijk van rechtstreeks controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen een verandering in toon of een achtergrondlaag op te merken; ze is geen meting van iemands persoonlijke emoties of bewijs van de fysieke bron van een onduidelijk geluid.\n\nDe Captioner-editie en de invoerafspraken\n\nDit checkpoint werkt met één beurt. Het accepteert precies één audio-invoer per inferentie, geen tekstprompt en retourneert alleen tekst. Het bevat het thinker-onderdeel voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Ken de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet aan Captioner toe omdat de namen dezelfde familie delen.\n\nHet ontbreken van een tekstprompt is in de praktijk van belang. Bereid het audiofragment voor dat u beschreven wilt hebben en verstuur dat fragment 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 omzettingen nodig heeft, horen ze in een afzonderlijke fase die op de geretourneerde beschrijving werkt, in plaats van als veronderstelde instellingen van dit beschrijvingscheckpoint te worden behandeld.\n\nBruikbare audio voorbereiden\n\nQwen beveelt aan een fragment voor een fijnmazige beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: buitensporig lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsdrempel gepresenteerd. Selecteer voor een langere opname een betekenisvol kort fragment rond de gebeurtenis of scène die wordt beoordeeld. Bewaar de bronidentificatie en begintijd buiten het modelverzoek, zodat de geretourneerde beschrijving later naar de oorspronkelijke opname kan worden herleid.\n\nBehoud de geluidslagen die voor de vraag relevant zijn. Een fragment dat op stemmen is gericht, moet de achtergrond toch bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet een belangrijke overgang behouden, in plaats van op een willekeurige grens te worden geknipt. Afzonderlijke verwerking van fragmenten helpt lokale details te behouden, maar bewijst geen automatische continuïteit of begrip van de volledige opname over verzoeken heen.\n\nWaarvoor het tekstresultaat nuttig is\n\nDe gebruikshandleiding van de maker toont beschrijvingen die spraakinhoud en voordracht beschrijven en vervolgens de omliggende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van vocale gebeurtenissen. Een audiocatalogus kan de geretourneerde tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan deze als conceptgeluidslog gebruiken. Een editor kan de beschrijving met het fragment vergelijken om vast te stellen of de beoogde lagen worden vastgelegd. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.\n\nDe uitvoer is een beschrijvend onderschrift, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met tijdstempels of gegenereerde soundtrack. Controleer waar exacte gesproken bewoording of timing vereist is de beschrijving aan de hand van de audio en gebruik een passende gespecialiseerde workflow voor het vereiste eindproduct. Een rijk geschreven beschrijving kan afgeleide informatie over de scène of het genre bevatten, dus behoud onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.\n\nGeneratievoorbeelden en beperkingen\n\nHet zelfstandige voorbeeld van de maker stelt een modelcontext van 32,768 tokens en een generatiecapaciteit van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. De gebruikshandleiding gebruikt een generatiecapaciteit van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk vastgelegde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een duurgarantie voor audio mag worden omgezet.\n\nGenerieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, vervangen niet de expliciete afspraken van Captioner: één audio-invoer, geen tekst en alleen tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u die als 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 als tekst. Deze gespecialiseerde editie voor één beurt accepteert één audio-invoer zonder tekstprompt; Qwen beveelt fragmenten 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 audiobeschrijvingsmodel dat vanuit Qwen3-Omni-30B-A3B-Instruct is gefinetuned. Het zet een audiofragment om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor gevarieerd materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig voor het voorbereiden van een doorzoekbare beschrijving van een audiobestand of het beoordelen van de geluidslagen in een kort mediafragment.
Begrip van spraak en andere geluiden
De maker beschrijft analyse van meerdere sprekers, meertalige uitingen, vocale emotie en intenties die door de voordracht worden gesuggereerd. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de gesproken taal en de omliggende akoestische scène. Voor audio zonder spraak beschrijft het model de omgevingssfeer, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.
Beschrijvingen van stemming, sprekerintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel die afzonderlijk van rechtstreeks controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen een verandering in toon of een achtergrondlaag op te merken; ze is geen meting van iemands persoonlijke emoties of bewijs van de fysieke bron van een onduidelijk geluid.
De Captioner-editie en de invoerafspraken
Dit checkpoint werkt met één beurt. Het accepteert precies één audio-invoer per inferentie, geen tekstprompt en retourneert alleen tekst. Het bevat het thinker-onderdeel voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Ken de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet aan Captioner toe omdat de namen dezelfde familie delen.
Het ontbreken van een tekstprompt is in de praktijk van belang. Bereid het audiofragment voor dat u beschreven wilt hebben en verstuur dat fragment 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 omzettingen nodig heeft, horen ze in een afzonderlijke fase die op de geretourneerde beschrijving werkt, in plaats van als veronderstelde instellingen van dit beschrijvingscheckpoint te worden behandeld.
Bruikbare audio voorbereiden
Qwen beveelt aan een fragment voor een fijnmazige beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: buitensporig lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsdrempel gepresenteerd. Selecteer voor een langere opname een betekenisvol kort fragment rond de gebeurtenis of scène die wordt beoordeeld. Bewaar de bronidentificatie en begintijd buiten het modelverzoek, zodat de geretourneerde beschrijving later naar de oorspronkelijke opname kan worden herleid.
Behoud de geluidslagen die voor de vraag relevant zijn. Een fragment dat op stemmen is gericht, moet de achtergrond toch bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet een belangrijke overgang behouden, in plaats van op een willekeurige grens te worden geknipt. Afzonderlijke verwerking van fragmenten helpt lokale details te behouden, maar bewijst geen automatische continuïteit of begrip van de volledige opname over verzoeken heen.
Waarvoor het tekstresultaat nuttig is
De gebruikshandleiding van de maker toont beschrijvingen die spraakinhoud en voordracht beschrijven en vervolgens de omliggende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van vocale gebeurtenissen. Een audiocatalogus kan de geretourneerde tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan deze als conceptgeluidslog gebruiken. Een editor kan de beschrijving met het fragment vergelijken om vast te stellen of de beoogde lagen worden vastgelegd. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.
De uitvoer is een beschrijvend onderschrift, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met tijdstempels of gegenereerde soundtrack. Controleer waar exacte gesproken bewoording of timing vereist is de beschrijving aan de hand van de audio en gebruik een passende gespecialiseerde workflow voor het vereiste eindproduct. Een rijk geschreven beschrijving kan afgeleide informatie over de scène of het genre bevatten, dus behoud onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.
Generatievoorbeelden en beperkingen
Het zelfstandige voorbeeld van de maker stelt een modelcontext van 32,768 tokens en een generatiecapaciteit van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. De gebruikshandleiding gebruikt een generatiecapaciteit van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk vastgelegde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een duurgarantie voor audio mag worden omgezet.
Generieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, vervangen niet de expliciete afspraken van Captioner: één audio-invoer, geen tekst en alleen tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u die als 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 als tekst. Deze gespecialiseerde editie voor één beurt accepteert één audio-invoer zonder tekstprompt; Qwen beveelt fragmenten 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 audiobeschrijvingsmodel dat vanuit Qwen3-Omni-30B-A3B-Instruct is gefinetuned. Het zet een audiofragment om in een gedetailleerd tekstueel verslag van wat te horen is. Qwen ontwierp het voor gevarieerd materiaal, waaronder spraak, omgevingsgeluid, muziek, filmische effecten en mengsels van meerdere geluidsbronnen. Dit maakt het nuttig voor het voorbereiden van een doorzoekbare beschrijving van een audiobestand of het beoordelen van de geluidslagen in een kort mediafragment.
Begrip van spraak en andere geluiden
De maker beschrijft analyse van meerdere sprekers, meertalige uitingen, vocale emotie en intenties die door de voordracht worden gesuggereerd. De voorbeelden gaan verder dan een transcript: ze beschrijven hoe stemmen klinken, de gesproken taal en de omliggende akoestische scène. Voor audio zonder spraak beschrijft het model de omgevingssfeer, geluiden uit de echte wereld, muzikale lagen en dynamische details in film of media.
Beschrijvingen van stemming, sprekerintentie of culturele context zijn interpretaties van het hoorbare materiaal. Behandel die afzonderlijk van rechtstreeks controleerbare spraak- en geluidsgebeurtenissen. Een beschrijving kan een beoordelaar helpen een verandering in toon of een achtergrondlaag op te merken; ze is geen meting van iemands persoonlijke emoties of bewijs van de fysieke bron van een onduidelijk geluid.
De Captioner-editie en de invoerafspraken
Dit checkpoint werkt met één beurt. Het accepteert precies één audio-invoer per inferentie, geen tekstprompt en retourneert alleen tekst. Het bevat het thinker-onderdeel voor audiobegrip; de gepubliceerde configuratie schakelt audio-uitvoer expliciet uit. Ken de gespreks-, afbeeldings-, video- of spraakgeneratiefuncties van andere Qwen3-Omni-edities niet aan Captioner toe omdat de namen dezelfde familie delen.
Het ontbreken van een tekstprompt is in de praktijk van belang. Bereid het audiofragment voor dat u beschreven wilt hebben en verstuur dat fragment 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 omzettingen nodig heeft, horen ze in een afzonderlijke fase die op de geretourneerde beschrijving werkt, in plaats van als veronderstelde instellingen van dit beschrijvingscheckpoint te worden behandeld.
Bruikbare audio voorbereiden
Qwen beveelt aan een fragment voor een fijnmazige beschrijving tot maximaal 30 seconden te beperken. Dit is een kwaliteitsaanbeveling: buitensporig lange audio kan de waarneming van details verminderen. Ze wordt niet als een universele harde afwijzingsdrempel gepresenteerd. Selecteer voor een langere opname een betekenisvol kort fragment rond de gebeurtenis of scène die wordt beoordeeld. Bewaar de bronidentificatie en begintijd buiten het modelverzoek, zodat de geretourneerde beschrijving later naar de oorspronkelijke opname kan worden herleid.
Behoud de geluidslagen die voor de vraag relevant zijn. Een fragment dat op stemmen is gericht, moet de achtergrond toch bevatten wanneer die de beoogde beschrijving beïnvloedt; een muziek- of geluidseffectenbestand moet een belangrijke overgang behouden, in plaats van op een willekeurige grens te worden geknipt. Afzonderlijke verwerking van fragmenten helpt lokale details te behouden, maar bewijst geen automatische continuïteit of begrip van de volledige opname over verzoeken heen.
Waarvoor het tekstresultaat nuttig is
De gebruikshandleiding van de maker toont beschrijvingen die spraakinhoud en voordracht beschrijven en vervolgens de omliggende scène; andere voorbeelden beschrijven muziek, effecten, veranderingen in intensiteit en de volgorde van vocale gebeurtenissen. Een audiocatalogus kan de geretourneerde tekst naast de bestandsnaam en het tijdsbereik opslaan. Een mediabeoordelaar kan deze als conceptgeluidslog gebruiken. Een editor kan de beschrijving met het fragment vergelijken om vast te stellen of de beoogde lagen worden vastgelegd. Dit zijn toepassingsvoorbeelden, geen bewijs dat het model vooraf naar een bepaald gebruikersbestand heeft geluisterd.
De uitvoer is een beschrijvend onderschrift, geen beloofd woordelijk transcript, diarizatietabel, ondertitelbestand met tijdstempels of gegenereerde soundtrack. Controleer waar exacte gesproken bewoording of timing vereist is de beschrijving aan de hand van de audio en gebruik een passende gespecialiseerde workflow voor het vereiste eindproduct. Een rijk geschreven beschrijving kan afgeleide informatie over de scène of het genre bevatten, dus behoud onzekerheid wanneer het geluid zelf de bron niet ondubbelzinnig identificeert.
Generatievoorbeelden en beperkingen
Het zelfstandige voorbeeld van de maker stelt een modelcontext van 32,768 tokens en een generatiecapaciteit van 16,384 tokens in, met temperature 0.6, top_p 0.95 en top_k 20. De gebruikshandleiding gebruikt een generatiecapaciteit van 8,192 tokens met dezelfde samplingwaarden. Dit zijn voorbeeldconfiguraties, geen afzonderlijk vastgelegde maximale beschrijvingslengtes. De onderliggende tekstconfiguratie vermeldt 65,536 posities, wat niet in een duurgarantie voor audio mag worden omgezet.
Generieke hulpprogrammacode of configuratievelden die met de Omni-familie worden gedeeld, vervangen niet de expliciete afspraken van Captioner: één audio-invoer, geen tekst en alleen tekstuitvoer. Het nuttige resultaat is een gedetailleerde beschrijving van een korte hoorbare scène; controleer spraakcitaten, aantallen sprekers en afgeleide geluidsbronnen voordat u die als 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.