Qwen3.5-Omni-Flash je multimodálny alias rodiny Qwen od Alibaba na tvorbu textu, hlasových asistentov a analýzu multimédií. Prijíma text, obrázky, zvuk a video v kombinovanom vstupe a vracia text alebo text s rečou. Výrobca alias v súčasnosti opisuje ako funkčne ekvivalentný Qwen3.5-Omni-Flash 2026-03-15. Samotný názov Flash neurčuje záruku času odpovede ani konkrétnu trvalú dátovanú verziu.
Jeho vstup môže spojiť obrázok s hovorenou otázkou alebo vizuálny obsah a zvuk videa s písomnými pokynmi. To je užitočné, keď by čisto textové zhrnutie stratilo prepojenie medzi tým, čo vidno, a tým, čo počuť. Pri mediálnom zadaní žiadajte samostatne viditeľnú sekvenciu, znenie na obrazovke a hovorený obsah; ak záleží na poradí udalostí, žiadajte časové značky vzťahujúce sa na zdroj. Zvukové efekty a ďalší nehovorený zvuk môžu prispievať k analýze popri reči.
Pri hlasovej odpovedi určte jazyk, publikum a spôsob prednesu. Príručka Qwen dokumentuje pokyny pre hlasitosť, tempo reči a emócie. Uvádza 113 jazykov a dialektov zvukového vstupu a 36 jazykov a dialektov rečového výstupu vrátane angličtiny, francúzštiny, nemčiny a ruštiny. Katalóg hlasov určuje Tina ako predvolený hlas a obsahuje možnosti ako Serena a Ethan. Vyberte hlas a požiadajte o stručné vysvetlenie v rozvážnom tempe namiesto spoliehania sa na vstupný hlas pri určovaní štýlu výstupu.
Zdokumentovaný rečový postup HTTP vracia streamovaný text a zvukové bloky zakódované v Base64. Jeho príklad WAV používa 24 kHz, mono, 16-bit PCM; aplikácia môže bloky zhromaždiť do zvukového súboru alebo ich pri príchode dekódovať na prehrávanie. Ide o streamované generovanie z odoslanej požiadavky. Detekcia replík v reálnom čase, spracovanie prerušení a konverzácia cez mikrofón patria k samostatne pomenovaným modelom realtime. Tabuľka rodiny Qwen3.5-Omni neponúka režim hlbokého premýšľania.
Karta modelu Flash uvádza webové vyhľadávanie a označuje Structured Outputs ako nepodporované v oboch regionálnych tabuľkách. V bežnom texte môžete žiadať pomenované sekcie, ale tento pokyn je odlišný od režimu s vynútenou štruktúrou JSON. Function Calling je zdokumentované pre nasadenie Alibaba Beijing Chat Completions s textovým výstupom a nepodporované v singapurskej tabuľke; vybranú akciu nástroja vykonáva aplikácia. Dopĺňanie od prefixu, cache kontextu a dolaďovanie sú nepodporované. Pekinská tabuľka aliasu podporuje dávkovú inferenciu, zatiaľ čo singapurská tabuľka ju nepodporuje.
Zverejnené kontextové okno je 262,144 tokenov s maximálnym vstupom 196,608 tokenov a maximálnym výstupom 65,536 tokenov. Zmiešané médiá a text zdieľajú rozpočet kontextu. Príručka HTTP Alibaba povoľuje pre túto sériu až tri hodiny zvuku alebo jednu hodinu videa; uvádza zvuk AMR, WAV, 3GP, 3GPP, AAC a MP3 a video MP4, AVI, MKV, MOV, FLV a WMV. Zvukové alebo video súbory cez URL môžu mať až 2 GB, zatiaľ čo médiá zakódované v Base64 musia byť menšie ako 10 MB. Sú to limity súborového postupu výrobcu, odlišné od opisu v úvode modelu o porozumení viac než desiatim hodinám zvuku alebo viac než 400 sekundám videa 720p vzorkovaného pri 1 FPS.
Obrázky majú v tejto príručke vlastné limity prípravy: až 20 MB na obrázok cez URL, rozmery väčšie než 10 pixelov na každej strane a pomer strán nie extrémnejší než 200:1. Príručka povoľuje až 2,048 obrázkov alebo zvukových súborov cez URL a 512 video súborov cez URL; vstup Base64 povoľuje až 250 súborov. Tieto prenosové limity naďalej podliehajú spoločnému rozpočtu vstupných tokenov. Séria môže spájať niekoľko typov médií v jednej požiadavke. Vyberte relevantný úryvok, zabezpečte čitateľnosť drobných označení a vysvetlite vzťahy medzi samostatnými vstupmi. Zdokumentované horné počty súborov sa líšia podľa modality a spôsobu prenosu, pričom každý vstup sa stále musí zmestiť do spoločného rozpočtu tokenov.
Nedátovaný model Flash podporuje vlastné klonovanie hlasu prostredníctvom samostatného postupu vytvorenia hlasu. Referencia musí obsahovať aspoň tri sekundy neprerušenej čistej reči s prestávkami nie dlhšími ako dve sekundy; použite bežnú reč bez hudby, spevu, hluku alebo ďalšieho hovoriaceho. Pri WAV použite 16-bit zvuk. Referencia vytvára hlas spojený s pomenovaným cieľovým modelom a cieľ musí zodpovedať modelu následne použitému pre reč. Alibaba odporúča 10–20 sekúnd čistej mono reči aspoň 24 kHz s maximom 60 sekúnd a súborom menším ako 10 MB. Referenčné formáty sú WAV, MP3 a M4A. Verzia Flash z 15. marca tento postup klonovania nepodporuje.
Pri vysvetlení v rámci podpory pomocou zmiešaných médií dodajte snímku obrazovky, nahranú otázku a všetku produktovú terminológiu ako text. Ilustračné zadanie: „Použite označenia na snímke obrazovky, odpovedzte na zvukovú otázku vo francúzštine a podajte krátke vysvetlenie s pomalším, upokojujúcim hovoreným prednesom.“ Pri analýze namiesto dialógu žiadajte chronologické pozorovania, presný viditeľný text a reč v samostatných sekciách. Určte zamýšľané publikum a či chcete prepis, interpretáciu alebo stručné zhrnutie.
", "aboutText": "Qwen3.5-Omni-Flash je multimodálny alias rodiny Qwen od Alibaba na tvorbu textu, hlasových asistentov a analýzu multimédií. Prijíma text, obrázky, zvuk a video v kombinovanom vstupe a vracia text alebo text s rečou. Výrobca alias v súčasnosti opisuje ako funkčne ekvivalentný Qwen3.5-Omni-Flash 2026-03-15. Samotný názov Flash neurčuje záruku času odpovede ani konkrétnu trvalú dátovanú verziu.\n\nJeho vstup môže spojiť obrázok s hovorenou otázkou alebo vizuálny obsah a zvuk videa s písomnými pokynmi. To je užitočné, keď by čisto textové zhrnutie stratilo prepojenie medzi tým, čo vidno, a tým, čo počuť. Pri mediálnom zadaní žiadajte samostatne viditeľnú sekvenciu, znenie na obrazovke a hovorený obsah; ak záleží na poradí udalostí, žiadajte časové značky vzťahujúce sa na zdroj. Zvukové efekty a ďalší nehovorený zvuk môžu prispievať k analýze popri reči.\n\nPri hlasovej odpovedi určte jazyk, publikum a spôsob prednesu. Príručka Qwen dokumentuje pokyny pre hlasitosť, tempo reči a emócie. Uvádza 113 jazykov a dialektov zvukového vstupu a 36 jazykov a dialektov rečového výstupu vrátane angličtiny, francúzštiny, nemčiny a ruštiny. Katalóg hlasov určuje Tina ako predvolený hlas a obsahuje možnosti ako Serena a Ethan. Vyberte hlas a požiadajte o stručné vysvetlenie v rozvážnom tempe namiesto spoliehania sa na vstupný hlas pri určovaní štýlu výstupu.\n\nZdokumentovaný rečový postup HTTP vracia streamovaný text a zvukové bloky zakódované v Base64. Jeho príklad WAV používa 24 kHz, mono, 16-bit PCM; aplikácia môže bloky zhromaždiť do zvukového súboru alebo ich pri príchode dekódovať na prehrávanie. Ide o streamované generovanie z odoslanej požiadavky. Detekcia replík v reálnom čase, spracovanie prerušení a konverzácia cez mikrofón patria k samostatne pomenovaným modelom realtime. Tabuľka rodiny Qwen3.5-Omni neponúka režim hlbokého premýšľania.\n\nKarta modelu Flash uvádza webové vyhľadávanie a označuje Structured Outputs ako nepodporované v oboch regionálnych tabuľkách. V bežnom texte môžete žiadať pomenované sekcie, ale tento pokyn je odlišný od režimu s vynútenou štruktúrou JSON. Function Calling je zdokumentované pre nasadenie Alibaba Beijing Chat Completions s textovým výstupom a nepodporované v singapurskej tabuľke; vybranú akciu nástroja vykonáva aplikácia. Dopĺňanie od prefixu, cache kontextu a dolaďovanie sú nepodporované. Pekinská tabuľka aliasu podporuje dávkovú inferenciu, zatiaľ čo singapurská tabuľka ju nepodporuje.\n\nZverejnené kontextové okno je 262,144 tokenov s maximálnym vstupom 196,608 tokenov a maximálnym výstupom 65,536 tokenov. Zmiešané médiá a text zdieľajú rozpočet kontextu. Príručka HTTP Alibaba povoľuje pre túto sériu až tri hodiny zvuku alebo jednu hodinu videa; uvádza zvuk AMR, WAV, 3GP, 3GPP, AAC a MP3 a video MP4, AVI, MKV, MOV, FLV a WMV. Zvukové alebo video súbory cez URL môžu mať až 2 GB, zatiaľ čo médiá zakódované v Base64 musia byť menšie ako 10 MB. Sú to limity súborového postupu výrobcu, odlišné od opisu v úvode modelu o porozumení viac než desiatim hodinám zvuku alebo viac než 400 sekundám videa 720p vzorkovaného pri 1 FPS.\n\nObrázky majú v tejto príručke vlastné limity prípravy: až 20 MB na obrázok cez URL, rozmery väčšie než 10 pixelov na každej strane a pomer strán nie extrémnejší než 200:1. Príručka povoľuje až 2,048 obrázkov alebo zvukových súborov cez URL a 512 video súborov cez URL; vstup Base64 povoľuje až 250 súborov. Tieto prenosové limity naďalej podliehajú spoločnému rozpočtu vstupných tokenov. Séria môže spájať niekoľko typov médií v jednej požiadavke. Vyberte relevantný úryvok, zabezpečte čitateľnosť drobných označení a vysvetlite vzťahy medzi samostatnými vstupmi. Zdokumentované horné počty súborov sa líšia podľa modality a spôsobu prenosu, pričom každý vstup sa stále musí zmestiť do spoločného rozpočtu tokenov.\n\nNedátovaný model Flash podporuje vlastné klonovanie hlasu prostredníctvom samostatného postupu vytvorenia hlasu. Referencia musí obsahovať aspoň tri sekundy neprerušenej čistej reči s prestávkami nie dlhšími ako dve sekundy; použite bežnú reč bez hudby, spevu, hluku alebo ďalšieho hovoriaceho. Pri WAV použite 16-bit zvuk. Referencia vytvára hlas spojený s pomenovaným cieľovým modelom a cieľ musí zodpovedať modelu následne použitému pre reč. Alibaba odporúča 10–20 sekúnd čistej mono reči aspoň 24 kHz s maximom 60 sekúnd a súborom menším ako 10 MB. Referenčné formáty sú WAV, MP3 a M4A. Verzia Flash z 15. marca tento postup klonovania nepodporuje.\n\nPri vysvetlení v rámci podpory pomocou zmiešaných médií dodajte snímku obrazovky, nahranú otázku a všetku produktovú terminológiu ako text. Ilustračné zadanie: „Použite označenia na snímke obrazovky, odpovedzte na zvukovú otázku vo francúzštine a podajte krátke vysvetlenie s pomalším, upokojujúcim hovoreným prednesom.“ Pri analýze namiesto dialógu žiadajte chronologické pozorovania, presný viditeľný text a reč v samostatných sekciách. Určte zamýšľané publikum a či chcete prepis, interpretáciu alebo stručné zhrnutie.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.qwen3.5-omni-flashQwen3.5-Omni-Flash spája text, obrázky, zvuk a video a odpovedá textom alebo rečou. Podporuje vysvetlenia zo zmiešaných médií a hlasové odpovede s prednesom podľa pokynov, s kontextom 262,144 tokenov a vlastným profilom nástrojov a formátu výstupu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen3.5-Omni-Flash je multimodálny alias rodiny Qwen od Alibaba na tvorbu textu, hlasových asistentov a analýzu multimédií. Prijíma text, obrázky, zvuk a video v kombinovanom vstupe a vracia text alebo text s rečou. Výrobca alias v súčasnosti opisuje ako funkčne ekvivalentný Qwen3.5-Omni-Flash 2026-03-15. Samotný názov Flash neurčuje záruku času odpovede ani konkrétnu trvalú dátovanú verziu.
Jeho vstup môže spojiť obrázok s hovorenou otázkou alebo vizuálny obsah a zvuk videa s písomnými pokynmi. To je užitočné, keď by čisto textové zhrnutie stratilo prepojenie medzi tým, čo vidno, a tým, čo počuť. Pri mediálnom zadaní žiadajte samostatne viditeľnú sekvenciu, znenie na obrazovke a hovorený obsah; ak záleží na poradí udalostí, žiadajte časové značky vzťahujúce sa na zdroj. Zvukové efekty a ďalší nehovorený zvuk môžu prispievať k analýze popri reči.
Pri hlasovej odpovedi určte jazyk, publikum a spôsob prednesu. Príručka Qwen dokumentuje pokyny pre hlasitosť, tempo reči a emócie. Uvádza 113 jazykov a dialektov zvukového vstupu a 36 jazykov a dialektov rečového výstupu vrátane angličtiny, francúzštiny, nemčiny a ruštiny. Katalóg hlasov určuje Tina ako predvolený hlas a obsahuje možnosti ako Serena a Ethan. Vyberte hlas a požiadajte o stručné vysvetlenie v rozvážnom tempe namiesto spoliehania sa na vstupný hlas pri určovaní štýlu výstupu.
Zdokumentovaný rečový postup HTTP vracia streamovaný text a zvukové bloky zakódované v Base64. Jeho príklad WAV používa 24 kHz, mono, 16-bit PCM; aplikácia môže bloky zhromaždiť do zvukového súboru alebo ich pri príchode dekódovať na prehrávanie. Ide o streamované generovanie z odoslanej požiadavky. Detekcia replík v reálnom čase, spracovanie prerušení a konverzácia cez mikrofón patria k samostatne pomenovaným modelom realtime. Tabuľka rodiny Qwen3.5-Omni neponúka režim hlbokého premýšľania.
Karta modelu Flash uvádza webové vyhľadávanie a označuje Structured Outputs ako nepodporované v oboch regionálnych tabuľkách. V bežnom texte môžete žiadať pomenované sekcie, ale tento pokyn je odlišný od režimu s vynútenou štruktúrou JSON. Function Calling je zdokumentované pre nasadenie Alibaba Beijing Chat Completions s textovým výstupom a nepodporované v singapurskej tabuľke; vybranú akciu nástroja vykonáva aplikácia. Dopĺňanie od prefixu, cache kontextu a dolaďovanie sú nepodporované. Pekinská tabuľka aliasu podporuje dávkovú inferenciu, zatiaľ čo singapurská tabuľka ju nepodporuje.
Zverejnené kontextové okno je 262,144 tokenov s maximálnym vstupom 196,608 tokenov a maximálnym výstupom 65,536 tokenov. Zmiešané médiá a text zdieľajú rozpočet kontextu. Príručka HTTP Alibaba povoľuje pre túto sériu až tri hodiny zvuku alebo jednu hodinu videa; uvádza zvuk AMR, WAV, 3GP, 3GPP, AAC a MP3 a video MP4, AVI, MKV, MOV, FLV a WMV. Zvukové alebo video súbory cez URL môžu mať až 2 GB, zatiaľ čo médiá zakódované v Base64 musia byť menšie ako 10 MB. Sú to limity súborového postupu výrobcu, odlišné od opisu v úvode modelu o porozumení viac než desiatim hodinám zvuku alebo viac než 400 sekundám videa 720p vzorkovaného pri 1 FPS.
Obrázky majú v tejto príručke vlastné limity prípravy: až 20 MB na obrázok cez URL, rozmery väčšie než 10 pixelov na každej strane a pomer strán nie extrémnejší než 200:1. Príručka povoľuje až 2,048 obrázkov alebo zvukových súborov cez URL a 512 video súborov cez URL; vstup Base64 povoľuje až 250 súborov. Tieto prenosové limity naďalej podliehajú spoločnému rozpočtu vstupných tokenov. Séria môže spájať niekoľko typov médií v jednej požiadavke. Vyberte relevantný úryvok, zabezpečte čitateľnosť drobných označení a vysvetlite vzťahy medzi samostatnými vstupmi. Zdokumentované horné počty súborov sa líšia podľa modality a spôsobu prenosu, pričom každý vstup sa stále musí zmestiť do spoločného rozpočtu tokenov.
Nedátovaný model Flash podporuje vlastné klonovanie hlasu prostredníctvom samostatného postupu vytvorenia hlasu. Referencia musí obsahovať aspoň tri sekundy neprerušenej čistej reči s prestávkami nie dlhšími ako dve sekundy; použite bežnú reč bez hudby, spevu, hluku alebo ďalšieho hovoriaceho. Pri WAV použite 16-bit zvuk. Referencia vytvára hlas spojený s pomenovaným cieľovým modelom a cieľ musí zodpovedať modelu následne použitému pre reč. Alibaba odporúča 10–20 sekúnd čistej mono reči aspoň 24 kHz s maximom 60 sekúnd a súborom menším ako 10 MB. Referenčné formáty sú WAV, MP3 a M4A. Verzia Flash z 15. marca tento postup klonovania nepodporuje.
Pri vysvetlení v rámci podpory pomocou zmiešaných médií dodajte snímku obrazovky, nahranú otázku a všetku produktovú terminológiu ako text. Ilustračné zadanie: „Použite označenia na snímke obrazovky, odpovedzte na zvukovú otázku vo francúzštine a podajte krátke vysvetlenie s pomalším, upokojujúcim hovoreným prednesom.“ Pri analýze namiesto dialógu žiadajte chronologické pozorovania, presný viditeľný text a reč v samostatných sekciách. Určte zamýšľané publikum a či chcete prepis, interpretáciu alebo stručné zhrnutie.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen3.5-omni-flash | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.00069 / 1K tokenov Výstup · Výstupné tokeny $0.00418 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-omni-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3.5-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3.5-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen3.5-omni-flash
Použite cesty metód uvedené vyššie.
qwen3.5-omni-flashQwen3.5-Omni-Flash spája text, obrázky, zvuk a video a odpovedá textom alebo rečou. Podporuje vysvetlenia zo zmiešaných médií a hlasové odpovede s prednesom podľa pokynov, s kontextom 262,144 tokenov a vlastným profilom nástrojov a formátu výstupu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen3.5-Omni-Flash je multimodálny alias rodiny Qwen od Alibaba na tvorbu textu, hlasových asistentov a analýzu multimédií. Prijíma text, obrázky, zvuk a video v kombinovanom vstupe a vracia text alebo text s rečou. Výrobca alias v súčasnosti opisuje ako funkčne ekvivalentný Qwen3.5-Omni-Flash 2026-03-15. Samotný názov Flash neurčuje záruku času odpovede ani konkrétnu trvalú dátovanú verziu.
Jeho vstup môže spojiť obrázok s hovorenou otázkou alebo vizuálny obsah a zvuk videa s písomnými pokynmi. To je užitočné, keď by čisto textové zhrnutie stratilo prepojenie medzi tým, čo vidno, a tým, čo počuť. Pri mediálnom zadaní žiadajte samostatne viditeľnú sekvenciu, znenie na obrazovke a hovorený obsah; ak záleží na poradí udalostí, žiadajte časové značky vzťahujúce sa na zdroj. Zvukové efekty a ďalší nehovorený zvuk môžu prispievať k analýze popri reči.
Pri hlasovej odpovedi určte jazyk, publikum a spôsob prednesu. Príručka Qwen dokumentuje pokyny pre hlasitosť, tempo reči a emócie. Uvádza 113 jazykov a dialektov zvukového vstupu a 36 jazykov a dialektov rečového výstupu vrátane angličtiny, francúzštiny, nemčiny a ruštiny. Katalóg hlasov určuje Tina ako predvolený hlas a obsahuje možnosti ako Serena a Ethan. Vyberte hlas a požiadajte o stručné vysvetlenie v rozvážnom tempe namiesto spoliehania sa na vstupný hlas pri určovaní štýlu výstupu.
Zdokumentovaný rečový postup HTTP vracia streamovaný text a zvukové bloky zakódované v Base64. Jeho príklad WAV používa 24 kHz, mono, 16-bit PCM; aplikácia môže bloky zhromaždiť do zvukového súboru alebo ich pri príchode dekódovať na prehrávanie. Ide o streamované generovanie z odoslanej požiadavky. Detekcia replík v reálnom čase, spracovanie prerušení a konverzácia cez mikrofón patria k samostatne pomenovaným modelom realtime. Tabuľka rodiny Qwen3.5-Omni neponúka režim hlbokého premýšľania.
Karta modelu Flash uvádza webové vyhľadávanie a označuje Structured Outputs ako nepodporované v oboch regionálnych tabuľkách. V bežnom texte môžete žiadať pomenované sekcie, ale tento pokyn je odlišný od režimu s vynútenou štruktúrou JSON. Function Calling je zdokumentované pre nasadenie Alibaba Beijing Chat Completions s textovým výstupom a nepodporované v singapurskej tabuľke; vybranú akciu nástroja vykonáva aplikácia. Dopĺňanie od prefixu, cache kontextu a dolaďovanie sú nepodporované. Pekinská tabuľka aliasu podporuje dávkovú inferenciu, zatiaľ čo singapurská tabuľka ju nepodporuje.
Zverejnené kontextové okno je 262,144 tokenov s maximálnym vstupom 196,608 tokenov a maximálnym výstupom 65,536 tokenov. Zmiešané médiá a text zdieľajú rozpočet kontextu. Príručka HTTP Alibaba povoľuje pre túto sériu až tri hodiny zvuku alebo jednu hodinu videa; uvádza zvuk AMR, WAV, 3GP, 3GPP, AAC a MP3 a video MP4, AVI, MKV, MOV, FLV a WMV. Zvukové alebo video súbory cez URL môžu mať až 2 GB, zatiaľ čo médiá zakódované v Base64 musia byť menšie ako 10 MB. Sú to limity súborového postupu výrobcu, odlišné od opisu v úvode modelu o porozumení viac než desiatim hodinám zvuku alebo viac než 400 sekundám videa 720p vzorkovaného pri 1 FPS.
Obrázky majú v tejto príručke vlastné limity prípravy: až 20 MB na obrázok cez URL, rozmery väčšie než 10 pixelov na každej strane a pomer strán nie extrémnejší než 200:1. Príručka povoľuje až 2,048 obrázkov alebo zvukových súborov cez URL a 512 video súborov cez URL; vstup Base64 povoľuje až 250 súborov. Tieto prenosové limity naďalej podliehajú spoločnému rozpočtu vstupných tokenov. Séria môže spájať niekoľko typov médií v jednej požiadavke. Vyberte relevantný úryvok, zabezpečte čitateľnosť drobných označení a vysvetlite vzťahy medzi samostatnými vstupmi. Zdokumentované horné počty súborov sa líšia podľa modality a spôsobu prenosu, pričom každý vstup sa stále musí zmestiť do spoločného rozpočtu tokenov.
Nedátovaný model Flash podporuje vlastné klonovanie hlasu prostredníctvom samostatného postupu vytvorenia hlasu. Referencia musí obsahovať aspoň tri sekundy neprerušenej čistej reči s prestávkami nie dlhšími ako dve sekundy; použite bežnú reč bez hudby, spevu, hluku alebo ďalšieho hovoriaceho. Pri WAV použite 16-bit zvuk. Referencia vytvára hlas spojený s pomenovaným cieľovým modelom a cieľ musí zodpovedať modelu následne použitému pre reč. Alibaba odporúča 10–20 sekúnd čistej mono reči aspoň 24 kHz s maximom 60 sekúnd a súborom menším ako 10 MB. Referenčné formáty sú WAV, MP3 a M4A. Verzia Flash z 15. marca tento postup klonovania nepodporuje.
Pri vysvetlení v rámci podpory pomocou zmiešaných médií dodajte snímku obrazovky, nahranú otázku a všetku produktovú terminológiu ako text. Ilustračné zadanie: „Použite označenia na snímke obrazovky, odpovedzte na zvukovú otázku vo francúzštine a podajte krátke vysvetlenie s pomalším, upokojujúcim hovoreným prednesom.“ Pri analýze namiesto dialógu žiadajte chronologické pozorovania, presný viditeľný text a reč v samostatných sekciách. Určte zamýšľané publikum a či chcete prepis, interpretáciu alebo stručné zhrnutie.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen3.5-omni-flash | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.00069 / 1K tokenov Výstup · Výstupné tokeny $0.00418 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen3.5-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen3.5-omni-flash
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.