Qwen3 Omni 30B A3B Captioner
Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsQwen/Qwen3-Omni-30B-A3B-Captioner - Ailoot Ultra · Anthropic Messages
POST /v1/messagesQwen/Qwen3-Omni-30B-A3B-Captioner
เกี่ยวกับโมเดล
คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก
ภาพรวม: คำอธิบายเสียงอย่างละเอียด
Qwen3-Omni-30B-A3B-Captioner เป็นโมเดลเฉพาะทางสำหรับอธิบายเสียงที่ปรับแต่งจาก Qwen3-Omni-30B-A3B-Instruct โดยเปลี่ยนคลิปเสียงเป็นคำบรรยายข้อความอย่างละเอียดเกี่ยวกับสิ่งที่ได้ยิน Qwen ออกแบบโมเดลนี้สำหรับเนื้อหาหลากหลาย ทั้งคำพูด เสียงสิ่งแวดล้อม ดนตรี เอฟเฟกต์แบบภาพยนตร์ และเสียงผสมจากหลายแหล่ง จึงมีประโยชน์ในการเตรียมคำอธิบายที่ค้นหาได้สำหรับไฟล์เสียง หรือทบทวนชั้นเสียงในช่วงสื่อสั้น ๆ
การเข้าใจคำพูดและเสียงที่ไม่ใช่คำพูด
ผู้ผลิตอธิบายการวิเคราะห์ผู้พูดหลายคน การแสดงออกหลายภาษา อารมณ์ในน้ำเสียง และเจตนาที่ลักษณะการพูดชวนให้ตีความ ตัวอย่างของผู้ผลิตไปไกลกว่าบทถอดเสียง โดยอธิบายว่าเสียงพูดมีลักษณะอย่างไร ใช้ภาษาใด และมีสภาพเสียงโดยรอบอย่างไร สำหรับเสียงที่ไม่ใช่คำพูด โมเดลอธิบายบรรยากาศสิ่งแวดล้อม เสียงในโลกจริง ชั้นดนตรี และรายละเอียดที่เปลี่ยนแปลงในภาพยนตร์หรือสื่อ
คำอธิบายอารมณ์ เจตนาของผู้พูด หรือบริบททางวัฒนธรรมเป็นการตีความสิ่งที่ได้ยิน ให้แยกจากคำพูดและเหตุการณ์เสียงที่ตรวจสอบได้โดยตรง คำบรรยายอาจช่วยให้ผู้ตรวจทานสังเกตการเปลี่ยนน้ำเสียงหรือชั้นเสียงพื้นหลัง แต่ไม่ใช่การวัดอารมณ์ภายในของบุคคลหรือหลักฐานยืนยันแหล่งกำเนิดทางกายภาพของเสียงที่กำกวม
รุ่น Captioner และข้อกำหนดอินพุต
เช็กพอยต์นี้ใช้การโต้ตอบรอบเดียว โดยรับอินพุตเสียงเพียงหนึ่งรายการต่อการอนุมานแต่ละครั้ง ไม่มีพรอมป์ต์ข้อความ และคืนเฉพาะข้อความ มีส่วนประกอบ thinker สำหรับทำความเข้าใจเสียง และการตั้งค่าที่เผยแพร่ปิดเอาต์พุตเสียงไว้อย่างชัดเจน อย่านำความสามารถด้านการสนทนา ภาพ วิดีโอ หรือการสร้างคำพูดของรุ่น Qwen3-Omni อื่นมาใช้กับ Captioner เพียงเพราะชื่ออยู่ในตระกูลเดียวกัน
การไม่มีพรอมป์ต์ข้อความมีผลต่อการใช้งานจริง เตรียมช่วงเสียงที่ต้องการให้อธิบายแล้วส่งช่วงนั้นเป็นงานทั้งหมด อย่าเพิ่มคำสั่งให้สรุปแบบกำหนดเอง แปล ตอบผู้พูด หรือใช้สคีมาเอาต์พุต หากกระบวนการต้องการการแปลงเหล่านี้ ควรเป็นอีกขั้นตอนหนึ่งที่ทำงานกับคำอธิบายที่คืนมา ไม่ใช่ถือว่าเป็นตัวควบคุมของเช็กพอยต์สำหรับบรรยายเสียงนี้
การเตรียมเสียงที่มีประโยชน์
Qwen แนะนำให้คลิปยาวไม่เกิน 30 วินาทีเพื่อคำอธิบายที่มีรายละเอียดปลีกย่อย นี่เป็นคำแนะนำด้านคุณภาพ เพราะเสียงที่ยาวเกินไปอาจลดการรับรู้รายละเอียด ไม่ได้ระบุว่าเป็นเกณฑ์ปฏิเสธตายตัวที่ใช้กับทุกกรณี สำหรับบันทึกที่ยาวกว่า ให้เลือกช่วงสั้นที่มีความหมายรอบเหตุการณ์หรือฉากที่กำลังตรวจทาน เก็บตัวระบุแหล่งที่มาและเวลาเริ่มต้นไว้นอกคำขอถึงโมเดล เพื่อให้ติดตามคำบรรยายกลับไปยังบันทึกต้นฉบับได้ภายหลัง
เก็บชั้นเสียงที่เกี่ยวข้องกับคำถาม ช่วงที่เน้นเสียงพูดควรยังมีเสียงพื้นหลังเมื่อพื้นหลังมีผลต่อคำอธิบายที่ต้องการ ส่วนไฟล์ดนตรีหรือเอฟเฟกต์เสียงควรเก็บช่วงเปลี่ยนผ่านสำคัญแทนการตัดตรงขอบเขตที่เลือกตามอำเภอใจ การประมวลผลคลิปแยกกันช่วยเก็บรายละเอียดเฉพาะช่วง แต่ไม่ได้ยืนยันความต่อเนื่องอัตโนมัติหรือการเข้าใจบันทึกทั้งหมดข้ามคำขอ
ผลลัพธ์ข้อความมีประโยชน์อย่างไร
คู่มือวิธีใช้งานของผู้ผลิตแสดงคำบรรยายที่อธิบายเนื้อหาคำพูดและลักษณะการพูดก่อน แล้วจึงอธิบายฉากโดยรอบ ตัวอย่างอื่นอธิบายดนตรี เอฟเฟกต์ การเปลี่ยนความเข้มเสียง และลำดับเหตุการณ์เกี่ยวกับเสียงพูด แค็ตตาล็อกเสียงสามารถเก็บข้อความที่คืนมาควบคู่กับชื่อไฟล์และช่วงเวลา ผู้ตรวจทานสื่อสามารถใช้เป็นร่างบันทึกรายการเสียงได้ ผู้ตัดต่อสามารถเปรียบเทียบคำบรรยายกับคลิปเพื่อดูว่าคำอธิบายจับชั้นเสียงที่ต้องการได้หรือไม่ นี่เป็นตัวอย่างการประยุกต์ใช้ ไม่ใช่หลักฐานว่าโมเดลได้ฟังไฟล์ใดของผู้ใช้ล่วงหน้าแล้ว
เอาต์พุตเป็นคำบรรยายเชิงพรรณนา ไม่ใช่การรับประกันบทถอดเสียงคำต่อคำ ตารางแยกผู้พูด ไฟล์คำบรรยายพร้อมเวลา หรือเสียงประกอบที่สร้างขึ้น หากต้องการถ้อยคำที่พูดหรือเวลาที่แน่นอน ให้ตรวจคำบรรยายเทียบกับเสียงและใช้กระบวนการเฉพาะทางที่เหมาะกับชิ้นงานนั้น คำอธิบายที่ละเอียดอาจมีข้อมูลฉากหรือประเภทที่อนุมานขึ้น จึงควรคงความไม่แน่นอนไว้เมื่อเสียงเองไม่สามารถระบุแหล่งกำเนิดได้อย่างชัดเจน
ตัวอย่างการสร้างและข้อจำกัด
ตัวอย่างแบบเดี่ยวของผู้ผลิตตั้งบริบทโมเดลเป็น 32,768 โทเคนและงบการสร้างเป็น 16,384 โทเคน โดยใช้ temperature 0.6, top_p 0.95 และ top_k 20 คู่มือวิธีใช้งานใช้งบการสร้าง 8,192 โทเคนด้วยค่าการสุ่มเดียวกัน นี่เป็นการตั้งค่าตัวอย่าง ไม่ใช่ความยาวคำบรรยายสูงสุดที่ประกาศแยกต่างหาก การตั้งค่าข้อความพื้นฐานระบุ 65,536 ตำแหน่ง ซึ่งไม่ควรนำไปแปลงเป็นการรับประกันระยะเวลาของเสียง
โค้ดยูทิลิตีทั่วไปหรือฟิลด์การตั้งค่าที่ใช้ร่วมกับตระกูล Omni ไม่ลบล้างข้อกำหนดชัดเจนของ Captioner ที่รับหนึ่งเสียง ไม่มีข้อความอินพุต และคืนเฉพาะข้อความ ผลลัพธ์ที่มีประโยชน์คือคำอธิบายอย่างละเอียดของฉากเสียงสั้น ๆ ก่อนใช้เป็นบันทึกที่น่าเชื่อถือ ให้ตรวจข้อความอ้างอิงจากคำพูด จำนวนผู้พูด และแหล่งกำเนิดเสียงที่อนุมานไว้
งานตัวอย่างจริง
งานตัวอย่างจริง
คำอธิบายโมเดลกำหนดให้ใช้อินพุตเสียง แต่เส้นทางที่เลือกประกาศว่ารับอินพุตข้อความ จึงไม่มีตัวอย่างการสร้างที่พร้อมเรียกใช้สำหรับความไม่สอดคล้องนี้
ตัวอย่างทางเทคนิคภาษาอังกฤษ
Describe one short audio asset
Manufacturer 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.ผลลัพธ์ที่คาดหวัง
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.ตรวจสอบผลลัพธ์
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.Ailoot Ultra · OpenAI Chat POST /v1/chat/completions Qwen/Qwen3-Omni-30B-A3B-Captioner
Qwen/Qwen3-Omni-30B-A3B-Captioner
Qwen/Qwen3-Omni-30B-A3B-Captionerเริ่มต้น
Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย
- อินพุตที่รองรับ
- ข้อความ
- ผลลัพธ์
- ข้อความ
ใช้งานได้ใน Ailoot · อินพุตและเมธอด
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- ขาเข้า
text- ขาออก
text- รูปแบบเอาต์พุต
- json หรือ SSE
| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
|---|---|---|---|---|
ฟิลด์model | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด Qwen/Qwen3-Omni-30B-A3B-Captioner | ค่าเริ่มต้น— |
ฟิลด์messages | ประเภทmessage[] | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1 | ค่าเริ่มต้น— |
ฟิลด์messages[].role | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ตัวอย่าง: system, user, assistant, tool, function เงื่อนไข: บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์messages[].content | ประเภทstring|content_part[]|null | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].tool_calls | ประเภทtool_call[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].tool_call_id | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ใช้เมื่อ: role=tool โดยใช้ ID ที่ส่งกลับจริง | ค่าเริ่มต้น— |
ฟิลด์messages[].name | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].reasoning_content | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ใช้เมื่อ: ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น | ค่าเริ่มต้น— |
ฟิลด์messages[].reasoning_details | ประเภทobject|array | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์max_tokens | ประเภทinteger | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์max_completion_tokens | ประเภทinteger | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์stream | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้นfalse |
ฟิลด์stream_options.include_usage | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์temperature | ประเภทnumber | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์top_p | ประเภทnumber | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์stop | ประเภทstring|string[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์tools | ประเภทfunction_tool[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์tools[].type | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด function ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์tools[].function.name | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ใช้เมื่อ: มีเครื่องมือฟังก์ชันให้ใช้ | ค่าเริ่มต้น— |
ฟิลด์tools[].function.description | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์tools[].function.parameters | ประเภทJSON_schema | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์tool_choice | ประเภทstring|object | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์parallel_tool_calls | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์response_format | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์reasoning_effort | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์reasoning | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์service_tier | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์instructions | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ฟิลด์เพื่อความเข้ากันได้ | ค่าเริ่มต้น— |
ฟิลด์functions | ประเภทfunction[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์function_call | ประเภทstring|object | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์prompt_cache_options | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล | ค่าเริ่มต้น— |
ฟิลด์modalities | ประเภทstring[] | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด text | ค่าเริ่มต้น— |
ฟิลด์provider | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options | ค่าเริ่มต้น— |
ฟิลด์cache_control.ttl | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h | ค่าเริ่มต้น— |
ชุดผสมของสื่ออินพุต
ข้อความ · ข้อความ UTF8
messages[].content
พารามิเตอร์และวงจรการทำงานของเมธอด
| พารามิเตอร์ | ข้อกำหนด |
|---|---|
พารามิเตอร์content_type | ข้อกำหนดapplication/json |
พารามิเตอร์required | ข้อกำหนดmodel, messages |
พารามิเตอร์material_types | ข้อกำหนดtext |
พารามิเตอร์messages | ข้อกำหนดอาร์เรย์ข้อความที่มีโครงสร้าง role/content |
พารามิเตอร์file_material | ข้อกำหนดแทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์ |
พารามิเตอร์optional_controls | ข้อกำหนดstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
พารามิเตอร์control_scope | ข้อกำหนดขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้ |
พารามิเตอร์output_modalities | ข้อกำหนดtext |
พารามิเตอร์hosted_operations | ข้อกำหนดfalse |
พารามิเตอร์multimodal_input_binding | ข้อกำหนดnull |
วงจรการทำงาน: synchronous_or_streamed
ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages
ความยาวบริบทไม่ใช่เพดานผลลัพธ์
ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง
ราคา
ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก
- โหมดรวดเร็ว
- ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
- โหมดยืดหยุ่น
- ไม่ได้ระบุ เมื่อเลือกโหมด flex
- ระดับการใช้เหตุผลสูงสุด
- ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด
อัตราค่าบริการ Ailoot
ราคาตามการตั้งค่า
| การตั้งค่า | ตารางอัตราค่าบริการ | ค่าบริการ |
|---|---|---|
| การตั้งค่าอัตราราคาพื้นฐานของโทเคน | ตารางอัตราค่าบริการอัตราพื้นฐาน | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0002 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0008 / 1K โทเค็น ขาเข้า · การอ่านแคช $0 / 1K โทเค็น ขาเข้า · การเขียนแคช $0 / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →
ตัวอย่างคำขอ
คำอธิบายโมเดลกำหนดให้ใช้อินพุตเสียง แต่เส้นทางที่เลือกประกาศว่ารับอินพุตข้อความ จึงไม่มีตัวอย่างการสร้างที่พร้อมเรียกใช้สำหรับความไม่สอดคล้องนี้
manufacturer: audio → text
route: text → text
รับและบันทึกผลลัพธ์
Ailoot Ultra · OpenAI Chat
json หรือ SSE
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด
เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน
เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย
เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ
เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้
ฟิลด์การตอบกลับ
| ฟิลด์ | ประเภท |
|---|---|
ฟิลด์choices[].index | ประเภทinteger |
ฟิลด์choices[].message.content | ประเภทstring|null |
ฟิลด์choices[].message.tool_calls | ประเภทtool_call[] |
ฟิลด์choices[].message.reasoning_content | ประเภทstring |
ฟิลด์choices[].message.reasoning_details | ประเภทobject|array |
ฟิลด์choices[].finish_reason | ประเภทstring|null |
ฟิลด์usage | ประเภทobject |
ข้อผิดพลาดและขั้นตอนถัดไป
| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
|---|---|---|
การตอบกลับ400 · invalid_request_error | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
ชื่ออื่น
ชื่ออื่นของโมเดล
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Captioner
ชื่อพาธเมธอดอื่น
ใช้พาธเมธอดที่แสดงด้านบน
ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล
Ailoot Ultra · Anthropic Messages POST /v1/messages Qwen/Qwen3-Omni-30B-A3B-Captioner
Qwen/Qwen3-Omni-30B-A3B-Captioner
Qwen/Qwen3-Omni-30B-A3B-Captionerเริ่มต้น
Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย
- อินพุตที่รองรับ
- ข้อความ
- ผลลัพธ์
- json · sse
ใช้งานได้ใน Ailoot · อินพุตและเมธอด
Ailoot Ultra · Anthropic Messages POST /v1/messages
- ขาเข้า
text- ขาออก
json,sse- รูปแบบเอาต์พุต
- JSON หรือ SSE
| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
|---|---|---|---|---|
ฟิลด์model | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด Qwen/Qwen3-Omni-30B-A3B-Captioner | ค่าเริ่มต้น— |
ฟิลด์messages | ประเภทmessage[] | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์messages[].role | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด user, assistant | ค่าเริ่มต้น— |
ฟิลด์messages[].content | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์max_tokens | ประเภทinteger | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์stream | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้นfalse |
ชุดผสมของสื่ออินพุต
ข้อความ · ข้อความ UTF-8
สตริง messages[].content
พารามิเตอร์และวงจรการทำงานของเมธอด
| พารามิเตอร์ | ข้อกำหนด |
|---|---|
พารามิเตอร์content_type | ข้อกำหนดapplication/json |
พารามิเตอร์required | ข้อกำหนดmodel, messages, max_tokens |
พารามิเตอร์optional_controls | ข้อกำหนดstream |
พารามิเตอร์material_types | ข้อกำหนดtext |
พารามิเตอร์text_file_material | ข้อกำหนดอ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ |
วงจรการทำงาน: synchronous_or_streamed
ราคา
ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก
- โหมดรวดเร็ว
- ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
- โหมดยืดหยุ่น
- ไม่ได้ระบุ เมื่อเลือกโหมด flex
- ระดับการใช้เหตุผลสูงสุด
- ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด
อัตราค่าบริการ Ailoot
ราคาตามการตั้งค่า
| การตั้งค่า | ตารางอัตราค่าบริการ | ค่าบริการ |
|---|---|---|
| การตั้งค่าอัตราราคาพื้นฐานของโทเคน | ตารางอัตราค่าบริการอัตราพื้นฐาน | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.0002 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0.0008 / 1K โทเค็น ขาเข้า · การอ่านแคช $0 / 1K โทเค็น ขาเข้า · การเขียนแคช $0 / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →
ตัวอย่างคำขอ
คำอธิบายโมเดลกำหนดให้ใช้อินพุตเสียง แต่เส้นทางที่เลือกประกาศว่ารับอินพุตข้อความ จึงไม่มีตัวอย่างการสร้างที่พร้อมเรียกใช้สำหรับความไม่สอดคล้องนี้
manufacturer: audio → text
route: text → json, sse
รับและบันทึกผลลัพธ์
Ailoot Ultra · Anthropic Messages
JSON หรือ SSE
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด
เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน
เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด
เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ
เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้
ฟิลด์การตอบกลับ
| ฟิลด์ | ประเภท |
|---|---|
ฟิลด์id | ประเภทstring |
ฟิลด์model | ประเภทstring |
ฟิลด์content[] | ประเภทtext|thinking|tool_use|other content block |
ฟิลด์stop_reason | ประเภทstring|null |
ฟิลด์usage | ประเภทobject |
ข้อผิดพลาดและขั้นตอนถัดไป
| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
|---|---|---|
การตอบกลับ400 · invalid_request_error | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
ชื่ออื่น
ชื่ออื่นของโมเดล
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Captioner
ชื่อพาธเมธอดอื่น
ใช้พาธเมธอดที่แสดงด้านบน
ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล
FAQ · Qwen/Qwen3-Omni-30B-A3B-Captioner
- มีอินพุตและผลลัพธ์ใดบ้าง?
POST /v1/chat/completions·Qwen/Qwen3-Omni-30B-A3B-Captioner:text→textPOST /v1/messages·Qwen/Qwen3-Omni-30B-A3B-Captioner:text→json,sse- คำขอใช้ฟิลด์ใดบ้าง?
POST /v1/chat/completions·Qwen/Qwen3-Omni-30B-A3B-Captioner:model,messages,stream,modalities,providerPOST /v1/messages·Qwen/Qwen3-Omni-30B-A3B-Captioner:model,messages,max_tokens,stream- มีข้อจำกัดใดบ้าง?
POST /v1/chat/completions·Qwen/Qwen3-Omni-30B-A3B-Captioner:messages.min_items:1