Source: https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-omni-30b-a3b-captioner/
Canonical: https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-omni-30b-a3b-captioner/
Language: zh-hant-tw

# Qwen3 Omni 30B A3B Captioner

[Markdown](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-omni-30b-a3b-captioner/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-omni-30b-a3b-captioner/facts.json)

## [Qwen3 Omni 30B A3B Captioner](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-omni-30b-a3b-captioner/)

Qwen3-Omni-30B-A3B-Captioner 能將語音、音樂、環境聲與電影音效描述成文字。這個專用的單輪版本每次接受一個音訊輸入，不使用文字提示；Qwen 建議片段長度不超過30秒，以保留細微的聲音資訊。

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-omni-30b-a3b-captioner/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-omni-30b-a3b-captioner/#method-1)

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。

概覽：詳盡描述聲音

Qwen3-Omni-30B-A3B-Captioner 是以 Qwen3-Omni-30B-A3B-Instruct 微調而成的專用音訊描述模型。它將音訊片段轉換為詳盡的文字說明，記錄聽到的內容。Qwen 針對多種類型的素材設計此模型，包括語音、環境聲、音樂、電影音效，以及多個聲源混合的內容。因此，它適合用於替音訊素材建立可搜尋的描述，或檢視短篇媒體片段中的聲音層次。

理解語音與非語音內容

開發者說明，模型可以分析多位說話者、多語言表達、聲音情緒，以及說話方式所暗示的意圖。開發者提供的範例不僅是逐字稿，還會描述人聲的聽感、說話所用的語言，以及周圍的聲學場景。對於非語音音訊，模型會描述環境氛圍、現實世界中的聲音、音樂層次，以及電影或媒體內容中的動態細節。

對於情緒、說話者意圖或文化脈絡的描述，都是對可聽見素材的解讀。應將這些解讀與能直接核對的語音及聲音事件分開看待。音訊描述可以協助審閱者注意語氣變化或背景聲層，但不能用來測量一個人的內在情緒，也不能證明模糊聲音的實際物理來源。

Captioner 版本與輸入規格

這個模型版本採用單輪互動。每次推論只接受一個音訊輸入，不接受文字提示，且僅輸出文字。它包含用於理解音訊的 thinker 元件；公開設定明確停用了音訊輸出。不要因為名稱同屬 Qwen3-Omni 家族，就將其他版本的對話、影像、影片或語音生成功能套用到 Captioner。

不接受文字提示這項規格，在實際使用時很重要。請準備希望模型描述的音訊片段，並將該片段作為完整任務提交。不要附加要求自訂摘要、翻譯、代說話者回答或指定輸出結構的指令。如果工作流程需要這些轉換，應在另一個階段處理回傳的描述，而不是假設這個音訊描述模型版本具有這些控制選項。

準備合適的音訊

Qwen 建議將片段限制在不超過30秒，以取得細緻的描述。這是品質上的建議：過長的音訊可能降低模型對細節的感知能力。它並未被定義為所有情況一律適用的強制拒絕門檻。對於較長的錄音，請在要審閱的事件或場景附近選取具有意義的短片段。將來源識別碼與開始時間保存在模型請求之外，方便日後從回傳描述追溯原始錄音。

保留與問題相關的聲音層次。即使片段以人聲為主，只要背景會影響預期描述，就仍應包含背景聲；音樂或音效素材則應保留重要的轉折，不要在任意位置截斷。分別處理片段有助於保留局部細節，但不表示模型會自動維持不同請求之間的連貫性，或跨請求理解整段錄音。

文字結果的用途

開發者的操作範例展示了先描述語音內容與說話方式，再說明周圍場景的音訊描述；其他範例則描述音樂、音效、強度變化，以及人聲事件的先後順序。音訊目錄可以將回傳文字與素材名稱、時間範圍一起儲存。媒體審閱者可以將其用作聲音紀錄初稿。編輯可以將描述與片段對照，確認是否涵蓋預期的聲音層次。這些都是應用範例，並不表示模型已事先聽過任何特定使用者的素材。

輸出是描述性的音訊說明，並不保證是逐字轉錄稿、說話者分段表、附時間戳記的字幕檔，或生成的配樂。如果需要精確的原話或時間資訊，請對照音訊核查描述，並使用適合產出所需成品的專門流程。內容豐富的描述可能包含推斷出的場景或類型資訊，因此當聲音本身無法明確辨識來源時，應保留其不確定性。

生成範例與限制

開發者的獨立執行範例將模型上下文設為32,768個 token，生成額度設為16,384個 token，並使用 temperature 0.6、top\_p 0.95 與 top\_k 20。其操作範例手冊則使用8,192個 token 的生成額度，搭配相同的取樣值。這些都是範例設定，並非另外明定的音訊描述長度上限。底層文字設定列出65,536個位置，不應將其解讀為音訊時長保證。

Omni 家族共用的一般工具程式碼或設定欄位，不能取代 Captioner 明確規定的單一音訊、不接受文字提示、僅輸出文字的介面規格。它提供的實用結果，是對短篇可聽見場景的詳盡描述；在將其用作權威紀錄之前，請核對引述的語音、說話者人數，以及推斷的聲源。

實用任務

### 實用任務

模型說明要求音訊輸入，但所選路由宣告的是文字輸入。針對此不一致，不提供可直接執行的生成範例。

英文技術範例

```
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.
```

#### 預期結果

```
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.
```

#### 檢查結果

```
Compare the caption with the same clip for sound sequence and sources; reconcile the Ailoot text-input mismatch before use. Do not send this preparation note as a text prompt.
```

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen/Qwen3-Omni-30B-A3B-Captioner`

[`Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/#m=Qwen%2FQwen3-Omni-30B-A3B-Captioner&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Captioner&fmt=chat)

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

### 入門

Qwen3-Omni-30B-A3B-Captioner 能將語音、音樂、環境聲與電影音效描述成文字。這個專用的單輪版本每次接受一個音訊輸入，不使用文字提示；Qwen 建議片段長度不超過30秒，以保留細微的聲音資訊。

接受的輸入

文字

結果

文字

### Ailoot 可用 · 輸入與方法

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

輸入

`text`

輸出

`text`

輸出格式

json 或 SSE

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 Qwen/Qwen3-Omni-30B-A3B-Captioner | 預設值— |
| 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
| 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
| 欄位`messages[].content` | 類型`string\|content_part[]\|null` | 要求選填 | 值與限制 | 預設值— |
| 欄位`messages[].tool_calls` | 類型`tool_call[]` | 要求選填 | 值與限制 | 預設值— |
| 欄位`messages[].tool_call_id` | 類型`string` | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
| 欄位`messages[].name` | 類型`string` | 要求選填 | 值與限制 | 預設值— |
| 欄位`messages[].reasoning_content` | 類型`string` | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
| 欄位`messages[].reasoning_details` | 類型`object\|array` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`max_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
| 欄位`max_completion_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
| 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false |
| 欄位`stream_options.include_usage` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`top_p` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`stop` | 類型`string\|string[]` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`tools` | 類型`function_tool[]` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`tools[].type` | 類型`string` | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
| 欄位`tools[].function.name` | 類型`string` | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
| 欄位`tools[].function.description` | 類型`string` | 要求選填 | 值與限制 | 預設值— |
| 欄位`tools[].function.parameters` | 類型`JSON_schema` | 要求選填 | 值與限制 | 預設值— |
| 欄位`tool_choice` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`parallel_tool_calls` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`response_format` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`reasoning_effort` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`reasoning` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`service_tier` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`instructions` | 類型`string` | 要求選填 | 值與限制 相容性欄位 | 預設值— |
| 欄位`functions` | 類型`function[]` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`function_call` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`prompt_cache_options` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— |
| 欄位`modalities` | 類型`string[]` | 要求選填 | 值與限制 text | 預設值— |
| 欄位`provider` | 類型`object` | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
| 欄位`cache_control.ttl` | 類型`string` | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |

輸入素材組合

**文字** · UTF8 文字

`messages[].content`

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`content_type` | 規格application/json |
| 參數`required` | 規格model, messages |
| 參數`material_types` | 規格text |
| 參數`messages` | 規格具有 role/content 結構的訊息陣列 |
| 參數`file_material` | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
| 參數`optional_controls` | 規格stream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice |
| 參數`control_scope` | 規格依模型而定；使用者函式工具與託管工具不同 |
| 參數`output_modalities` | 規格text |
| 參數`hosted_operations` | 規格false |
| 參數`multimodal_input_binding` | 規格null |

生命週期： `synchronous_or_streamed`

將確切模型 ID 與 messages 一併送出。

上下文長度不是輸出上限。

文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。

### 方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式

未指定 選取快速模式時

flex 模式

未指定 選取 flex 模式時

最高推理強度

未指定 最高推理強度採用 default 調整值時

#### Ailoot 費率

#### 各設定的價格

| 設定 | 費率表 | 費用 |
| --- | --- | --- |
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token **$0.0002** / 1K Token 輸出 · 輸出 Token **$0.0008** / 1K Token 輸入 · 讀取快取 **$0** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token |

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

模型說明要求音訊輸入，但所選路由宣告的是文字輸入。針對此不一致，不提供可直接執行的生成範例。

`manufacturer: audio → text`

`route: text → text`

### 接收並儲存結果

#### Ailoot Ultra · OpenAI Chat

json 或 SSE

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。

##### 需要檢查原始回應時

保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`choices[].index` | 類型integer |
| 欄位`choices[].message.content` | 類型string\|null |
| 欄位`choices[].message.tool_calls` | 類型tool\_call\[\] |
| 欄位`choices[].message.reasoning_content` | 類型string |
| 欄位`choices[].message.reasoning_details` | 類型object\|array |
| 欄位`choices[].finish_reason` | 類型string\|null |
| 欄位`usage` | 類型object |

錯誤與後續步驟

| 回應 | 條件 | 下一步 |
| --- | --- | --- |
| 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |

### 別名

#### 模型別名

**Ailoot Ultra** [`Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/#m=Qwen%2FQwen3-Omni-30B-A3B-Captioner&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Captioner&fmt=chat)

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

[`Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/#m=Qwen%2FQwen3-Omni-30B-A3B-Captioner&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Captioner&fmt=chat)

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen/Qwen3-Omni-30B-A3B-Captioner`

[`Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/#m=Qwen%2FQwen3-Omni-30B-A3B-Captioner&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Captioner&fmt=messages)

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

### 入門

Qwen3-Omni-30B-A3B-Captioner 能將語音、音樂、環境聲與電影音效描述成文字。這個專用的單輪版本每次接受一個音訊輸入，不使用文字提示；Qwen 建議片段長度不超過30秒，以保留細微的聲音資訊。

接受的輸入

文字

結果

json · sse

### Ailoot 可用 · 輸入與方法

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages`

輸入

`text`

輸出

`json`, `sse`

輸出格式

JSON 或 SSE

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 Qwen/Qwen3-Omni-30B-A3B-Captioner | 預設值— |
| 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 | 預設值— |
| 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 user, assistant | 預設值— |
| 欄位`messages[].content` | 類型`string` | 要求必填 | 值與限制 | 預設值— |
| 欄位`max_tokens` | 類型`integer` | 要求必填 | 值與限制 | 預設值— |
| 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false |

輸入素材組合

**文字** · UTF-8 文字

`messages[].content 字串`

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`content_type` | 規格application/json |
| 參數`required` | 規格model, messages, max\_tokens |
| 參數`optional_controls` | 規格stream |
| 參數`material_types` | 規格text |
| 參數`text_file_material` | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |

生命週期： `synchronous_or_streamed`

### 方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式

未指定 選取快速模式時

flex 模式

未指定 選取 flex 模式時

最高推理強度

未指定 最高推理強度採用 default 調整值時

#### Ailoot 費率

#### 各設定的價格

| 設定 | 費率表 | 費用 |
| --- | --- | --- |
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token **$0.0002** / 1K Token 輸出 · 輸出 Token **$0.0008** / 1K Token 輸入 · 讀取快取 **$0** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token |

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

模型說明要求音訊輸入，但所選路由宣告的是文字輸入。針對此不一致，不提供可直接執行的生成範例。

`manufacturer: audio → text`

`route: text → json, sse`

### 接收並儲存結果

#### Ailoot Ultra · Anthropic Messages

JSON 或 SSE

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。

##### 需要檢查原始回應時

保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`id` | 類型string |
| 欄位`model` | 類型string |
| 欄位`content[]` | 類型text\|thinking\|tool\_use\|other content block |
| 欄位`stop_reason` | 類型string\|null |
| 欄位`usage` | 類型object |

錯誤與後續步驟

| 回應 | 條件 | 下一步 |
| --- | --- | --- |
| 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |

### 別名

#### 模型別名

**Ailoot Ultra** [`Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/#m=Qwen%2FQwen3-Omni-30B-A3B-Captioner&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Captioner&fmt=messages)

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

[`Qwen/Qwen3-Omni-30B-A3B-Captioner`](https://ailoot.ai/models/zh-hant-tw/#m=Qwen%2FQwen3-Omni-30B-A3B-Captioner&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Captioner&fmt=messages)

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

可以使用哪些輸入與結果？

`POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Captioner`: `text` → `text` `POST /v1/messages` · `Qwen/Qwen3-Omni-30B-A3B-Captioner`: `text` → `json`, `sse`

請求使用哪些欄位？

`POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Captioner`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `Qwen/Qwen3-Omni-30B-A3B-Captioner`: `model`, `messages`, `max_tokens`, `stream`

適用哪些限制？

`POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Captioner`: `messages.min_items`: `1`

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

## 公司及其專案組合

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

## 優惠購買 token。

訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。

訂閱

為定期請求選擇優惠方案。

最高 50% 折扣碼

購買時輸入代碼，價格依活動重算。

歷史中的費用

每次請求保存模型、token 與金額。

[選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/)

## 將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。

商用應用程式

在付費功能加入文字、圖片、影片與聲音生成。

經銷授權

提供專案說明與存取方式，要求書面使用和轉售條件。

網站文件

串接前可閱讀正式服務條款、授權合約與資料處理政策。

[申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw)

## Ailoot · 公司及其專案組合





Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。





公司及其專案組合：數百萬客戶，每月銷售額達數十億。





Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。