{ "aboutHtml": "

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

", "aboutText": "ภาพรวม: คำอธิบายเสียงอย่างละเอียด\n\nQwen3-Omni-30B-A3B-Captioner เป็นโมเดลเฉพาะทางสำหรับอธิบายเสียงที่ปรับแต่งจาก Qwen3-Omni-30B-A3B-Instruct โดยเปลี่ยนคลิปเสียงเป็นคำบรรยายข้อความอย่างละเอียดเกี่ยวกับสิ่งที่ได้ยิน Qwen ออกแบบโมเดลนี้สำหรับเนื้อหาหลากหลาย ทั้งคำพูด เสียงสิ่งแวดล้อม ดนตรี เอฟเฟกต์แบบภาพยนตร์ และเสียงผสมจากหลายแหล่ง จึงมีประโยชน์ในการเตรียมคำอธิบายที่ค้นหาได้สำหรับไฟล์เสียง หรือทบทวนชั้นเสียงในช่วงสื่อสั้น ๆ\n\nการเข้าใจคำพูดและเสียงที่ไม่ใช่คำพูด\n\nผู้ผลิตอธิบายการวิเคราะห์ผู้พูดหลายคน การแสดงออกหลายภาษา อารมณ์ในน้ำเสียง และเจตนาที่ลักษณะการพูดชวนให้ตีความ ตัวอย่างของผู้ผลิตไปไกลกว่าบทถอดเสียง โดยอธิบายว่าเสียงพูดมีลักษณะอย่างไร ใช้ภาษาใด และมีสภาพเสียงโดยรอบอย่างไร สำหรับเสียงที่ไม่ใช่คำพูด โมเดลอธิบายบรรยากาศสิ่งแวดล้อม เสียงในโลกจริง ชั้นดนตรี และรายละเอียดที่เปลี่ยนแปลงในภาพยนตร์หรือสื่อ\n\nคำอธิบายอารมณ์ เจตนาของผู้พูด หรือบริบททางวัฒนธรรมเป็นการตีความสิ่งที่ได้ยิน ให้แยกจากคำพูดและเหตุการณ์เสียงที่ตรวจสอบได้โดยตรง คำบรรยายอาจช่วยให้ผู้ตรวจทานสังเกตการเปลี่ยนน้ำเสียงหรือชั้นเสียงพื้นหลัง แต่ไม่ใช่การวัดอารมณ์ภายในของบุคคลหรือหลักฐานยืนยันแหล่งกำเนิดทางกายภาพของเสียงที่กำกวม\n\nรุ่น Captioner และข้อกำหนดอินพุต\n\nเช็กพอยต์นี้ใช้การโต้ตอบรอบเดียว โดยรับอินพุตเสียงเพียงหนึ่งรายการต่อการอนุมานแต่ละครั้ง ไม่มีพรอมป์ต์ข้อความ และคืนเฉพาะข้อความ มีส่วนประกอบ thinker สำหรับทำความเข้าใจเสียง และการตั้งค่าที่เผยแพร่ปิดเอาต์พุตเสียงไว้อย่างชัดเจน อย่านำความสามารถด้านการสนทนา ภาพ วิดีโอ หรือการสร้างคำพูดของรุ่น Qwen3-Omni อื่นมาใช้กับ Captioner เพียงเพราะชื่ออยู่ในตระกูลเดียวกัน\n\nการไม่มีพรอมป์ต์ข้อความมีผลต่อการใช้งานจริง เตรียมช่วงเสียงที่ต้องการให้อธิบายแล้วส่งช่วงนั้นเป็นงานทั้งหมด อย่าเพิ่มคำสั่งให้สรุปแบบกำหนดเอง แปล ตอบผู้พูด หรือใช้สคีมาเอาต์พุต หากกระบวนการต้องการการแปลงเหล่านี้ ควรเป็นอีกขั้นตอนหนึ่งที่ทำงานกับคำอธิบายที่คืนมา ไม่ใช่ถือว่าเป็นตัวควบคุมของเช็กพอยต์สำหรับบรรยายเสียงนี้\n\nการเตรียมเสียงที่มีประโยชน์\n\nQwen แนะนำให้คลิปยาวไม่เกิน 30 วินาทีเพื่อคำอธิบายที่มีรายละเอียดปลีกย่อย นี่เป็นคำแนะนำด้านคุณภาพ เพราะเสียงที่ยาวเกินไปอาจลดการรับรู้รายละเอียด ไม่ได้ระบุว่าเป็นเกณฑ์ปฏิเสธตายตัวที่ใช้กับทุกกรณี สำหรับบันทึกที่ยาวกว่า ให้เลือกช่วงสั้นที่มีความหมายรอบเหตุการณ์หรือฉากที่กำลังตรวจทาน เก็บตัวระบุแหล่งที่มาและเวลาเริ่มต้นไว้นอกคำขอถึงโมเดล เพื่อให้ติดตามคำบรรยายกลับไปยังบันทึกต้นฉบับได้ภายหลัง\n\nเก็บชั้นเสียงที่เกี่ยวข้องกับคำถาม ช่วงที่เน้นเสียงพูดควรยังมีเสียงพื้นหลังเมื่อพื้นหลังมีผลต่อคำอธิบายที่ต้องการ ส่วนไฟล์ดนตรีหรือเอฟเฟกต์เสียงควรเก็บช่วงเปลี่ยนผ่านสำคัญแทนการตัดตรงขอบเขตที่เลือกตามอำเภอใจ การประมวลผลคลิปแยกกันช่วยเก็บรายละเอียดเฉพาะช่วง แต่ไม่ได้ยืนยันความต่อเนื่องอัตโนมัติหรือการเข้าใจบันทึกทั้งหมดข้ามคำขอ\n\nผลลัพธ์ข้อความมีประโยชน์อย่างไร\n\nคู่มือวิธีใช้งานของผู้ผลิตแสดงคำบรรยายที่อธิบายเนื้อหาคำพูดและลักษณะการพูดก่อน แล้วจึงอธิบายฉากโดยรอบ ตัวอย่างอื่นอธิบายดนตรี เอฟเฟกต์ การเปลี่ยนความเข้มเสียง และลำดับเหตุการณ์เกี่ยวกับเสียงพูด แค็ตตาล็อกเสียงสามารถเก็บข้อความที่คืนมาควบคู่กับชื่อไฟล์และช่วงเวลา ผู้ตรวจทานสื่อสามารถใช้เป็นร่างบันทึกรายการเสียงได้ ผู้ตัดต่อสามารถเปรียบเทียบคำบรรยายกับคลิปเพื่อดูว่าคำอธิบายจับชั้นเสียงที่ต้องการได้หรือไม่ นี่เป็นตัวอย่างการประยุกต์ใช้ ไม่ใช่หลักฐานว่าโมเดลได้ฟังไฟล์ใดของผู้ใช้ล่วงหน้าแล้ว\n\nเอาต์พุตเป็นคำบรรยายเชิงพรรณนา ไม่ใช่การรับประกันบทถอดเสียงคำต่อคำ ตารางแยกผู้พูด ไฟล์คำบรรยายพร้อมเวลา หรือเสียงประกอบที่สร้างขึ้น หากต้องการถ้อยคำที่พูดหรือเวลาที่แน่นอน ให้ตรวจคำบรรยายเทียบกับเสียงและใช้กระบวนการเฉพาะทางที่เหมาะกับชิ้นงานนั้น คำอธิบายที่ละเอียดอาจมีข้อมูลฉากหรือประเภทที่อนุมานขึ้น จึงควรคงความไม่แน่นอนไว้เมื่อเสียงเองไม่สามารถระบุแหล่งกำเนิดได้อย่างชัดเจน\n\nตัวอย่างการสร้างและข้อจำกัด\n\nตัวอย่างแบบเดี่ยวของผู้ผลิตตั้งบริบทโมเดลเป็น 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\n\nโค้ดยูทิลิตีทั่วไปหรือฟิลด์การตั้งค่าที่ใช้ร่วมกับตระกูล Omni ไม่ลบล้างข้อกำหนดชัดเจนของ Captioner ที่รับหนึ่งเสียง ไม่มีข้อความอินพุต และคืนเฉพาะข้อความ ผลลัพธ์ที่มีประโยชน์คือคำอธิบายอย่างละเอียดของฉากเสียงสั้น ๆ ก่อนใช้เป็นบันทึกที่น่าเชื่อถือ ให้ตรวจข้อความอ้างอิงจากคำพูด จำนวนผู้พูด และแหล่งกำเนิดเสียงที่อนุมานไว้", "editorialOverlay": { "copy_fields": { "practical_html": "

งานตัวอย่างจริง

คำอธิบายโมเดลกำหนดให้ใช้อินพุตเสียง แต่เส้นทางที่เลือกประกาศว่ารับอินพุตข้อความ จึงไม่มีตัวอย่างการสร้างที่พร้อมเรียกใช้สำหรับความไม่สอดคล้องนี้

ตัวอย่างทางเทคนิคภาษาอังกฤษ

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.

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.

" }, "copy_sha256": "0184515416a5ab721ffca12f0e744b18b4a3874da63af27084d815ce3354f259", "copy_source": { "locale": "th", "pack_sha256": "0f56d90ba41881e1134accf82e57338f246f8753ca4c0cee929aaffada5d10e7", "record_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "source_facts_sha256": "f4a75c152d22051f584818ca97007d77a9b29ab64fd74e74dae5d526a8b6c311", "validation_sha256": "a2ac2f28056280fc0b2ea34a501bf156d5ce155406e57e708edf30bfdf6bfdc6" }, "html_sha256": "b550a3166e2638b535f0f7a845605ed10df577c9590901beed4ca349fa87671b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "th", "methods": [ { "html": "

Al

Qwen3 Omni 30B A3B Captioner

Alibaba /Qwen/Qwen3-Omni-30B-A3B-Captioner

เริ่มต้น

Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: ข้อความ

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

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions

ขาเข้า: text
ขาออก: text
รูปแบบเอาต์พุต: json หรือ SSE

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด Qwen/Qwen3-Omni-30B-A3B-Captioner	ค่าเริ่มต้น—
ฟิลด์`messages`	ประเภท`message[]`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1	ค่าเริ่มต้น—
ฟิลด์`messages[].role`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ตัวอย่าง: system, user, assistant, tool, function เงื่อนไข: บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`messages[].content`	ประเภท`string\|content_part[]\|null`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].tool_calls`	ประเภท`tool_call[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].tool_call_id`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ใช้เมื่อ: role=tool โดยใช้ ID ที่ส่งกลับจริง	ค่าเริ่มต้น—
ฟิลด์`messages[].name`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].reasoning_content`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ใช้เมื่อ: ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น	ค่าเริ่มต้น—
ฟิลด์`messages[].reasoning_details`	ประเภท`object\|array`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`max_tokens`	ประเภท`integer`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`max_completion_tokens`	ประเภท`integer`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขั้นต่ำ: 1 ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`stream`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้นfalse
ฟิลด์`stream_options.include_usage`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`temperature`	ประเภท`number`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`top_p`	ประเภท`number`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`stop`	ประเภท`string\|string[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools`	ประเภท`function_tool[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools[].type`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด function ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`tools[].function.name`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ใช้เมื่อ: มีเครื่องมือฟังก์ชันให้ใช้	ค่าเริ่มต้น—
ฟิลด์`tools[].function.description`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`tools[].function.parameters`	ประเภท`JSON_schema`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`tool_choice`	ประเภท`string\|object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`parallel_tool_calls`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`response_format`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`reasoning_effort`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`reasoning`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`service_tier`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`instructions`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ฟิลด์เพื่อความเข้ากันได้	ค่าเริ่มต้น—
ฟิลด์`functions`	ประเภท`function[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`function_call`	ประเภท`string\|object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`prompt_cache_options`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด ขึ้นอยู่กับโมเดล	ค่าเริ่มต้น—
ฟิลด์`modalities`	ประเภท`string[]`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด text	ค่าเริ่มต้น—
ฟิลด์`provider`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด เงื่อนไข: เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options	ค่าเริ่มต้น—
ฟิลด์`cache_control.ttl`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด เงื่อนไข: ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h	ค่าเริ่มต้น—

ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF8

messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, messages
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`messages`	ข้อกำหนดอาร์เรย์ข้อความที่มีโครงสร้าง role/content
พารามิเตอร์`file_material`	ข้อกำหนดแทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์
พารามิเตอร์`optional_controls`	ข้อกำหนดstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
พารามิเตอร์`control_scope`	ข้อกำหนดขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้
พารามิเตอร์`output_modalities`	ข้อกำหนดtext
พารามิเตอร์`hosted_operations`	ข้อกำหนดfalse
พารามิเตอร์`multimodal_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
ฟิลด์`choices[].index`	ประเภทinteger
ฟิลด์`choices[].message.content`	ประเภทstring\|null
ฟิลด์`choices[].message.tool_calls`	ประเภทtool_call[]
ฟิลด์`choices[].message.reasoning_content`	ประเภทstring
ฟิลด์`choices[].message.reasoning_details`	ประเภทobject\|array
ฟิลด์`choices[].finish_reason`	ประเภทstring\|null
ฟิลด์`usage`	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

Qwen/Qwen3-Omni-30B-A3B-Captioner

", "method_identity": { "effective_request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|Qwen%2FQwen3-Omni-30B-A3B-Captioner", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "ข้อความ UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-Omni-30B-A3B-Captioner" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool โดยใช้ ID ที่ส่งกลับจริง" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "มีเครื่องมือฟังก์ชันให้ใช้" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages", "ความยาวบริบทไม่ใช่เพดานผลลัพธ์", "ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง" ], "input": { "content_type": "application/json", "control_scope": "ขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้", "file_material": "แทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์", "hosted_operations": false, "material_types": [ "text" ], "messages": "อาร์เรย์ข้อความที่มีโครงสร้าง role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"Qwen/Qwen3-Omni-30B-A3B-Captioner\", \"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Captioner',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\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Captioner',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\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "

Al

Qwen3 Omni 30B A3B Captioner

Alibaba /Qwen/Qwen3-Omni-30B-A3B-Captioner

เริ่มต้น

Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: json · sse

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

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · Anthropic Messages POST /v1/messages

ขาเข้า: text
ขาออก: json, sse
รูปแบบเอาต์พุต: JSON หรือ SSE

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด Qwen/Qwen3-Omni-30B-A3B-Captioner	ค่าเริ่มต้น—
ฟิลด์`messages`	ประเภท`message[]`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`messages[].role`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด user, assistant	ค่าเริ่มต้น—
ฟิลด์`messages[].content`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`max_tokens`	ประเภท`integer`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—
ฟิลด์`stream`	ประเภท`boolean`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้นfalse

ชุดผสมของสื่ออินพุต

ข้อความ · ข้อความ UTF-8

สตริง messages[].content

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, messages, max_tokens
พารามิเตอร์`optional_controls`	ข้อกำหนดstream
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`text_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
ฟิลด์`id`	ประเภทstring
ฟิลด์`model`	ประเภทstring
ฟิลด์`content[]`	ประเภทtext\|thinking\|tool_use\|other content block
ฟิลด์`stop_reason`	ประเภทstring\|null
ฟิลด์`usage`	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

Qwen/Qwen3-Omni-30B-A3B-Captioner

", "method_identity": { "effective_request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|Qwen%2FQwen3-Omni-30B-A3B-Captioner", "ordinal": 1, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "สตริง messages[].content", "required_material": "ข้อความ UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-Omni-30B-A3B-Captioner" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "Qwen/Qwen3-Omni-30B-A3B-Captioner" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"Qwen/Qwen3-Omni-30B-A3B-Captioner\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Captioner', '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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Captioner', '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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.2, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "nativeProvenance": { "input_facts_canonical_sha256": "d34ea3308f844db422a70bc345d0ccb9a48e7aa3423b1e4db28ed3af1700b0d7", "input_html_sha256": "d002ed8da29a24e70cb45db9710073c9f78b9820432f55aa2010ecddfe2f2afb", "private_audit_sha256": "fc176a3bcebd986ae4374cf4ee0e009677e2573fd75888b0de9cf5f405706dab", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/th/qwen-qwen3-omni-30b-a3b-captioner/", "description": "Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย", "locale": "th", "md_url": "https://ailoot.ai/models/th/qwen-qwen3-omni-30b-a3b-captioner/index.md", "title": "Qwen3 Omni 30B A3B Captioner — Ailoot", "url": "https://ailoot.ai/models/th/qwen-qwen3-omni-30b-a3b-captioner/" }, "practicalHtml": "

งานตัวอย่างจริง

คำอธิบายโมเดลกำหนดให้ใช้อินพุตเสียง แต่เส้นทางที่เลือกประกาศว่ารับอินพุตข้อความ จึงไม่มีตัวอย่างการสร้างที่พร้อมเรียกใช้สำหรับความไม่สอดคล้องนี้

ตัวอย่างทางเทคนิคภาษาอังกฤษ

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.

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.

", "practicalText": "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.", "rawModel": { "about": "ภาพรวม: คำอธิบายเสียงอย่างละเอียด\n\nQwen3-Omni-30B-A3B-Captioner เป็นโมเดลเฉพาะทางสำหรับอธิบายเสียงที่ปรับแต่งจาก Qwen3-Omni-30B-A3B-Instruct โดยเปลี่ยนคลิปเสียงเป็นคำบรรยายข้อความอย่างละเอียดเกี่ยวกับสิ่งที่ได้ยิน Qwen ออกแบบโมเดลนี้สำหรับเนื้อหาหลากหลาย ทั้งคำพูด เสียงสิ่งแวดล้อม ดนตรี เอฟเฟกต์แบบภาพยนตร์ และเสียงผสมจากหลายแหล่ง จึงมีประโยชน์ในการเตรียมคำอธิบายที่ค้นหาได้สำหรับไฟล์เสียง หรือทบทวนชั้นเสียงในช่วงสื่อสั้น ๆ\n\nการเข้าใจคำพูดและเสียงที่ไม่ใช่คำพูด\n\nผู้ผลิตอธิบายการวิเคราะห์ผู้พูดหลายคน การแสดงออกหลายภาษา อารมณ์ในน้ำเสียง และเจตนาที่ลักษณะการพูดชวนให้ตีความ ตัวอย่างของผู้ผลิตไปไกลกว่าบทถอดเสียง โดยอธิบายว่าเสียงพูดมีลักษณะอย่างไร ใช้ภาษาใด และมีสภาพเสียงโดยรอบอย่างไร สำหรับเสียงที่ไม่ใช่คำพูด โมเดลอธิบายบรรยากาศสิ่งแวดล้อม เสียงในโลกจริง ชั้นดนตรี และรายละเอียดที่เปลี่ยนแปลงในภาพยนตร์หรือสื่อ\n\nคำอธิบายอารมณ์ เจตนาของผู้พูด หรือบริบททางวัฒนธรรมเป็นการตีความสิ่งที่ได้ยิน ให้แยกจากคำพูดและเหตุการณ์เสียงที่ตรวจสอบได้โดยตรง คำบรรยายอาจช่วยให้ผู้ตรวจทานสังเกตการเปลี่ยนน้ำเสียงหรือชั้นเสียงพื้นหลัง แต่ไม่ใช่การวัดอารมณ์ภายในของบุคคลหรือหลักฐานยืนยันแหล่งกำเนิดทางกายภาพของเสียงที่กำกวม\n\nรุ่น Captioner และข้อกำหนดอินพุต\n\nเช็กพอยต์นี้ใช้การโต้ตอบรอบเดียว โดยรับอินพุตเสียงเพียงหนึ่งรายการต่อการอนุมานแต่ละครั้ง ไม่มีพรอมป์ต์ข้อความ และคืนเฉพาะข้อความ มีส่วนประกอบ thinker สำหรับทำความเข้าใจเสียง และการตั้งค่าที่เผยแพร่ปิดเอาต์พุตเสียงไว้อย่างชัดเจน อย่านำความสามารถด้านการสนทนา ภาพ วิดีโอ หรือการสร้างคำพูดของรุ่น Qwen3-Omni อื่นมาใช้กับ Captioner เพียงเพราะชื่ออยู่ในตระกูลเดียวกัน\n\nการไม่มีพรอมป์ต์ข้อความมีผลต่อการใช้งานจริง เตรียมช่วงเสียงที่ต้องการให้อธิบายแล้วส่งช่วงนั้นเป็นงานทั้งหมด อย่าเพิ่มคำสั่งให้สรุปแบบกำหนดเอง แปล ตอบผู้พูด หรือใช้สคีมาเอาต์พุต หากกระบวนการต้องการการแปลงเหล่านี้ ควรเป็นอีกขั้นตอนหนึ่งที่ทำงานกับคำอธิบายที่คืนมา ไม่ใช่ถือว่าเป็นตัวควบคุมของเช็กพอยต์สำหรับบรรยายเสียงนี้\n\nการเตรียมเสียงที่มีประโยชน์\n\nQwen แนะนำให้คลิปยาวไม่เกิน 30 วินาทีเพื่อคำอธิบายที่มีรายละเอียดปลีกย่อย นี่เป็นคำแนะนำด้านคุณภาพ เพราะเสียงที่ยาวเกินไปอาจลดการรับรู้รายละเอียด ไม่ได้ระบุว่าเป็นเกณฑ์ปฏิเสธตายตัวที่ใช้กับทุกกรณี สำหรับบันทึกที่ยาวกว่า ให้เลือกช่วงสั้นที่มีความหมายรอบเหตุการณ์หรือฉากที่กำลังตรวจทาน เก็บตัวระบุแหล่งที่มาและเวลาเริ่มต้นไว้นอกคำขอถึงโมเดล เพื่อให้ติดตามคำบรรยายกลับไปยังบันทึกต้นฉบับได้ภายหลัง\n\nเก็บชั้นเสียงที่เกี่ยวข้องกับคำถาม ช่วงที่เน้นเสียงพูดควรยังมีเสียงพื้นหลังเมื่อพื้นหลังมีผลต่อคำอธิบายที่ต้องการ ส่วนไฟล์ดนตรีหรือเอฟเฟกต์เสียงควรเก็บช่วงเปลี่ยนผ่านสำคัญแทนการตัดตรงขอบเขตที่เลือกตามอำเภอใจ การประมวลผลคลิปแยกกันช่วยเก็บรายละเอียดเฉพาะช่วง แต่ไม่ได้ยืนยันความต่อเนื่องอัตโนมัติหรือการเข้าใจบันทึกทั้งหมดข้ามคำขอ\n\nผลลัพธ์ข้อความมีประโยชน์อย่างไร\n\nคู่มือวิธีใช้งานของผู้ผลิตแสดงคำบรรยายที่อธิบายเนื้อหาคำพูดและลักษณะการพูดก่อน แล้วจึงอธิบายฉากโดยรอบ ตัวอย่างอื่นอธิบายดนตรี เอฟเฟกต์ การเปลี่ยนความเข้มเสียง และลำดับเหตุการณ์เกี่ยวกับเสียงพูด แค็ตตาล็อกเสียงสามารถเก็บข้อความที่คืนมาควบคู่กับชื่อไฟล์และช่วงเวลา ผู้ตรวจทานสื่อสามารถใช้เป็นร่างบันทึกรายการเสียงได้ ผู้ตัดต่อสามารถเปรียบเทียบคำบรรยายกับคลิปเพื่อดูว่าคำอธิบายจับชั้นเสียงที่ต้องการได้หรือไม่ นี่เป็นตัวอย่างการประยุกต์ใช้ ไม่ใช่หลักฐานว่าโมเดลได้ฟังไฟล์ใดของผู้ใช้ล่วงหน้าแล้ว\n\nเอาต์พุตเป็นคำบรรยายเชิงพรรณนา ไม่ใช่การรับประกันบทถอดเสียงคำต่อคำ ตารางแยกผู้พูด ไฟล์คำบรรยายพร้อมเวลา หรือเสียงประกอบที่สร้างขึ้น หากต้องการถ้อยคำที่พูดหรือเวลาที่แน่นอน ให้ตรวจคำบรรยายเทียบกับเสียงและใช้กระบวนการเฉพาะทางที่เหมาะกับชิ้นงานนั้น คำอธิบายที่ละเอียดอาจมีข้อมูลฉากหรือประเภทที่อนุมานขึ้น จึงควรคงความไม่แน่นอนไว้เมื่อเสียงเองไม่สามารถระบุแหล่งกำเนิดได้อย่างชัดเจน\n\nตัวอย่างการสร้างและข้อจำกัด\n\nตัวอย่างแบบเดี่ยวของผู้ผลิตตั้งบริบทโมเดลเป็น 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\n\nโค้ดยูทิลิตีทั่วไปหรือฟิลด์การตั้งค่าที่ใช้ร่วมกับตระกูล Omni ไม่ลบล้างข้อกำหนดชัดเจนของ Captioner ที่รับหนึ่งเสียง ไม่มีข้อความอินพุต และคืนเฉพาะข้อความ ผลลัพธ์ที่มีประโยชน์คือคำอธิบายอย่างละเอียดของฉากเสียงสั้น ๆ ก่อนใช้เป็นบันทึกที่น่าเชื่อถือ ให้ตรวจข้อความอ้างอิงจากคำพูด จำนวนผู้พูด และแหล่งกำเนิดเสียงที่อนุมานไว้", "alias_of": null, "aliases": [], "author": "Alibaba", "available": null, "canonical_model": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "capabilities": { "context_length": 64000, "manufacturer_input": [], "manufacturer_output": [] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด" } ], "ctx": null, "display_name": "Qwen3 Omni 30B A3B Captioner", "entity_type": "model", "formats": [ "chat", "messages" ], "id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "A model-dependent field needs the exact published model profile; unspecified defaults/enums are not guessed.", "Tool calls propose actions; the client application returns actual observations with the returned call ID.", "Guarded canonical keys must occur once; duplicate or case-varied model/tools/cap fields are rejected." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "ข้อความ UTF8" } ], "operation_modes": [ "conversation", "function_tool_continuation", "streaming" ], "outputs": { "all_results": "เก็บทุกตัวเลือกพร้อมเนื้อหา/การเรียกเครื่องมือ/การใช้เหตุผล ใน SSE ให้ประกอบส่วนเพิ่มตามดัชนีตัวเลือก/เครื่องมือ และเก็บเหตุผลสิ้นสุดกับข้อมูลการใช้งานสุดท้าย", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-Omni-30B-A3B-Captioner" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "conditions": "บทบาทเหล่านี้แทนอย่างชัดเจนด้วยชนิดข้อมูลเพื่อความเข้ากันได้ในซอร์สโค้ด แต่ชุดบทบาทที่แน่นอนยังขึ้นกับแต่ละโมเดล", "default": null, "default_known": false, "enum": [ "system", "user", "assistant", "tool", "function" ], "enum_exhaustive": false, "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string|content_part[]|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_calls", "required": false, "type": "tool_call[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].tool_call_id", "required": false, "type": "string", "when": "role=tool โดยใช้ ID ที่ส่งกลับจริง" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].name", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_content", "required": false, "type": "string", "when": "ส่งเนื้อหาการใช้เหตุผลที่คืนจริงกลับในคำขอถัดไป เมื่อโมเดลนี้ใช้เนื้อหานั้น" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].reasoning_details", "required": false, "type": "object|array" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_tokens", "required": false, "type": "integer" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "max_completion_tokens", "required": false, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stream_options.include_usage", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "temperature", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "top_p", "required": false, "type": "number" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "stop", "required": false, "type": "string|string[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools", "required": false, "type": "function_tool[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": [ "function" ], "enum_known": true, "name": "tools[].type", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.name", "required": true, "type": "string", "when": "มีเครื่องมือฟังก์ชันให้ใช้" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.description", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tools[].function.parameters", "required": false, "type": "JSON_schema" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "tool_choice", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "parallel_tool_calls", "required": false, "type": "boolean" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "response_format", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning_effort", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "reasoning", "required": false, "type": "object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "service_tier", "required": false, "type": "string" }, { "availability": "source_compatibility", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "instructions", "required": false, "type": "string" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "functions", "required": false, "type": "function[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "function_call", "required": false, "type": "string|object" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "prompt_cache_options", "required": false, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text" ], "enum_known": true, "name": "modalities", "required": false, "type": "string[]" }, { "availability": "source_interface", "conditions": "เส้นทางข้อความ Ultra นี้ปฏิเสธ provider.options", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" }, { "availability": "source_interface", "conditions": "ตำแหน่งแคชพรอมป์ต์จริงปฏิเสธ 1h", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cache_control.ttl", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงทุกตัวพร้อม messages", "ความยาวบริบทไม่ใช่เพดานผลลัพธ์", "ไฟล์ข้อความให้ข้อความตามต้นฉบับได้ ส่วนข้อมูลเข้าภาพ/เสียง/ออบเจ็กต์ไฟล์ต้องมีการผูกที่ตรงตามจริง" ], "input": { "content_type": "application/json", "control_scope": "ขึ้นกับโมเดล เครื่องมือฟังก์ชันของผู้ใช้ต่างจากเครื่องมือที่โฮสต์จัดให้", "file_material": "แทรกเอกสาร UTF-8 จริงเป็นข้อความตามต้นฉบับ โดยไม่อนุมาน ID ไฟล์", "hosted_operations": false, "material_types": [ "text" ], "messages": "อาร์เรย์ข้อความที่มีโครงสร้าง role/content", "multimodal_input_binding": null, "optional_controls": [ "stream", "temperature", "top_p", "stop", "max_tokens", "max_completion_tokens", "reasoning", "response_format", "tools", "tool_choice" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"Qwen/Qwen3-Omni-30B-A3B-Captioner\", \"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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Captioner',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\"))\n", "label": "Python SDK · all choices", "language": "python" }, { "code": "from openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get(\"AILOOT_API_KEY\", \"\").strip(): raise SystemExit(\"Set AILOOT_API_KEY before making a request\")\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem=\"result\"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + \".json\").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding=\"utf-8\")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b\"-_\", validate=True)\n ext = \"png\" if raw.startswith(b\"\\x89PNG\\r\\n\\x1a\\n\") else \"jpg\" if raw.startswith(b\"\\xff\\xd8\") else \"webp\" if raw[:4] == b\"RIFF\" and raw[8:12] == b\"WEBP\" else suffix\n file = Path(stem + \"-\" + label + \".\" + ext)\n file.write_bytes(raw)\n print(\"Saved\", file)\n for index, block in enumerate(data.get(\"content\") or []):\n print(\"Content\", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get(\"choices\") or []:\n print(\"Choice\", choice.get(\"index\"), json.dumps(choice.get(\"message\", choice.get(\"delta\", {})), ensure_ascii=False))\n for index, item in enumerate(data.get(\"output\") or []):\n print(\"Output\", index, json.dumps(item, ensure_ascii=False))\n if item.get(\"type\") == \"image_generation_call\" and item.get(\"result\"):\n save_blob(item[\"result\"], item.get(\"output_format\") or \"bin\", \"output-\" + str(index))\n for ci, candidate in enumerate(data.get(\"candidates\") or []):\n for pi, part in enumerate((candidate.get(\"content\") or {}).get(\"parts\") or []):\n print(\"Candidate/part\", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get(\"inlineData\") or part.get(\"inline_data\")\n if blob and blob.get(\"data\"):\n mime = blob.get(\"mimeType\") or blob.get(\"mime_type\")\n suffix = {\"image/png\":\"png\", \"image/jpeg\":\"jpg\", \"image/webp\":\"webp\", \"audio/wav\":\"wav\", \"audio/mpeg\":\"mp3\", \"video/mp4\":\"mp4\"}.get(mime, \"bin\")\n save_blob(blob[\"data\"], suffix, \"candidate-\" + str(ci) + \"-part-\" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Captioner',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\")\n", "label": "Python SDK streaming · all events", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.2, "input": [ "text" ], "label": "OpenAI Chat", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "เก็บ ID และส่วนหัวของคำขอ/คำตอบ ไม่มี URL ทั่วไปสำหรับดึงงานข้อความให้ใช้" }, "material_combinations": [ { "mode": "text", "representation": "สตริง messages[].content", "required_material": "ข้อความ UTF-8" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "เก็บทุกบล็อกเนื้อหา ลายเซ็นการคิด และ ID การใช้เครื่องมือจริง ประกอบส่วนเพิ่มของบล็อก SSE ทั้งหมด บล็อกข้อความแรกไม่ใช่ผลลัพธ์ทั้งหมด", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON หรือ SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "Qwen/Qwen3-Omni-30B-A3B-Captioner" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "Qwen/Qwen3-Omni-30B-A3B-Captioner" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"Qwen/Qwen3-Omni-30B-A3B-Captioner\",\n \"max_tokens\": 128,\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Summarize the incident report.\"\n }\n ],\n \"stream\": false\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Captioner', '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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Captioner', '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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.2, "input": [ "text" ], "label": "Anthropic Messages", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0.8, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0008000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000008", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "request_model_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "route_label": "Ultra" } ], "name": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "price": { "in": 0.2, "in_label": null, "out": 0.8, "out_label": null, "scope_label": "Token rates", "sort_in": 0.2, "sort_out": 0.8, "varies": false }, "public_id": "Qwen/Qwen3-Omni-30B-A3B-Captioner", "short": "Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Qwen3-Omni-30B-A3B-Captioner อธิบายเสียงพูด ดนตรี เสียงแวดล้อม และเสียงภาพยนตร์เป็นข้อความ รุ่นเฉพาะรอบเดียวนี้รับเสียงหนึ่งรายการโดยไม่มีพรอมป์ต์ข้อความ Qwen แนะนำคลิปไม่เกิน 30 วินาทีเพื่อรักษารายละเอียดปลีกย่อย", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "01b6563c8f1148d9ff5926669bc11c6c99c524f0955d4615856dddb0e52f6bf4", "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9" }, "sourceRevision": "304ead42a83435b62fbe27d8d8358f6cb9aacad6cbc13c7d512a8c143f78a996" }