Qwen3.5-Omni-Plus 是 Alibaba 的多模態 Qwen 模型，適用於文字創作、語音助理及多媒體分析。它接收文字、影像、音訊及影片，包括混合輸入，並產生文字或附有語音的文字。未標日期的 Plus 名稱是家族別名；開發者目前將其描述為功能等同 Qwen3.5-Omni-Plus 2026-03-15。別名與具名快照仍是不同的模型選擇。
輸入可將圖片與口述問題結合，或將影片畫面及聲音與文字指令結合。當純文字摘要會失去所見與所聞之間的連結時，這便很有用。對於媒體任務說明，請分別要求可見順序、畫面文字及口述內容；若事件順序重要，請要求相對於來源的時間戳記。音效及其他非語音音訊，也可與語音一併用於分析。
若要語音回答，請指定答案的語言、讀者及表達方式。Qwen 指南記載音量、語速及情緒指令。它列出 113 種音訊輸入語言及方言，以及 36 種語音輸出語言及方言，包括英文、法文、德文及俄文。聲音目錄將 Tina 列為預設，並包含 Serena、Ethan 等選項。請選擇聲音，並要求以適中速度作精簡說明，而非依靠輸入聲音決定輸出風格。
文件所述的 HTTP 語音流程，會傳回串流文字及 Base64 編碼音訊區塊。其 WAV 範例採用 24 kHz、單聲道、16-bit PCM；應用程式可將區塊收集為音訊檔，或在區塊到達時解碼播放。這是提交請求後的串流生成。即時回合偵測、中斷處理及麥克風對話，屬於另行具名的即時模型。Qwen3.5-Omni 的家族表未提供深度思考模式。
模型卡列出網路搜尋。Function Calling 的文件說明適用於 Alibaba 北京 Chat Completions 部署及文字輸出，新加坡表格則標示不支援。JSON Object 輸出在北京列為支援，在新加坡則不支援。模型可以提出工具呼叫，應用程式則執行動作並回傳結果。Plus 表格將前綴補全、上下文快取及微調標示不支援；批次推論在北京的別名表格列為支援，新加坡表格則不支援。
公布的上下文視窗為 262,144 tokens，最大輸入為 196,608 tokens，最大輸出為 65,536 tokens。混合媒體與文字共用上下文額度。Alibaba 的 HTTP 指南允許此系列輸入最長三小時音訊或一小時影片；列出的音訊格式為 AMR、WAV、3GP、3GPP、AAC 及 MP3，影片格式為 MP4、AVI、MKV、MOV、FLV 及 WMV。URL 音訊或影片檔最大可為 2 GB，Base64 編碼媒體則必須小於 10 MB。這些是開發者的檔案流程限制，與模型介紹所述可理解超過十小時音訊，或以 1 FPS 取樣、超過 400 秒的 720p 影片不同。
該指南另有影像準備限制：每張 URL 影像最大 20 MB、兩邊尺寸均須大於 10 像素，長邊與短邊的比例不得超過 200:1。指南允許最多 2,048 個 URL 影像或音訊檔，以及 512 個 URL 影片檔；Base64 輸入則允許最多 250 個檔案。這些傳輸限制仍受共用的輸入 token 額度約束。此系列可在單一請求中結合多種媒體。請選擇相關摘錄、讓小型標籤清楚可讀，並解釋不同輸入的關係。文件記載的檔案數量上限，依模態及傳輸方式而異，而每項輸入仍須符合共用 token 額度。
未標日期的 Plus 模型，文件記載可透過獨立的先建立再使用聲音流程，進行自訂聲音複製。參考音訊必須包含至少三秒不中斷的清晰語音，停頓不得超過兩秒；請使用沒有音樂、歌唱、雜音或其他說話者的一般語音。WAV 請使用 16-bit 音訊。參考片段用來為具名目標模型建立聲音，而該目標必須與用於語音生成的模型相符。開發者建議使用 10–20 秒的清晰單聲道語音、至少 24 kHz，最長 60 秒，且檔案小於 10 MB。文件記載的參考格式為 WAV、MP3 及 M4A。3 月 15 日快照不支援複製，因此選擇具日期模型會改變這部分流程。
對於實用的學習助理，請提供圖解、學習者錄製的問題，以及簡短文字說明：「解釋標示部件如何連結，以英文回答口述問題，並採用平靜、較慢的表達方式。同時提供文字答案與語音。」對於媒體報告，請為事件、可見文字及語音定義獨立章節，並要求各自附上時間戳記。請在文字上下文中準備名稱或術語，並說明結果應為逐字稿、解釋，或可直接提供給讀者的摘要。
", "aboutText": "Qwen3.5-Omni-Plus 是 Alibaba 的多模態 Qwen 模型，適用於文字創作、語音助理及多媒體分析。它接收文字、影像、音訊及影片，包括混合輸入，並產生文字或附有語音的文字。未標日期的 Plus 名稱是家族別名；開發者目前將其描述為功能等同 Qwen3.5-Omni-Plus 2026-03-15。別名與具名快照仍是不同的模型選擇。\n\n輸入可將圖片與口述問題結合，或將影片畫面及聲音與文字指令結合。當純文字摘要會失去所見與所聞之間的連結時，這便很有用。對於媒體任務說明，請分別要求可見順序、畫面文字及口述內容；若事件順序重要，請要求相對於來源的時間戳記。音效及其他非語音音訊，也可與語音一併用於分析。\n\n若要語音回答，請指定答案的語言、讀者及表達方式。Qwen 指南記載音量、語速及情緒指令。它列出 113 種音訊輸入語言及方言，以及 36 種語音輸出語言及方言，包括英文、法文、德文及俄文。聲音目錄將 Tina 列為預設，並包含 Serena、Ethan 等選項。請選擇聲音，並要求以適中速度作精簡說明，而非依靠輸入聲音決定輸出風格。\n\n文件所述的 HTTP 語音流程，會傳回串流文字及 Base64 編碼音訊區塊。其 WAV 範例採用 24 kHz、單聲道、16-bit PCM；應用程式可將區塊收集為音訊檔，或在區塊到達時解碼播放。這是提交請求後的串流生成。即時回合偵測、中斷處理及麥克風對話，屬於另行具名的即時模型。Qwen3.5-Omni 的家族表未提供深度思考模式。\n\n模型卡列出網路搜尋。Function Calling 的文件說明適用於 Alibaba 北京 Chat Completions 部署及文字輸出，新加坡表格則標示不支援。JSON Object 輸出在北京列為支援，在新加坡則不支援。模型可以提出工具呼叫，應用程式則執行動作並回傳結果。Plus 表格將前綴補全、上下文快取及微調標示不支援；批次推論在北京的別名表格列為支援，新加坡表格則不支援。\n\n公布的上下文視窗為 262,144 tokens，最大輸入為 196,608 tokens，最大輸出為 65,536 tokens。混合媒體與文字共用上下文額度。Alibaba 的 HTTP 指南允許此系列輸入最長三小時音訊或一小時影片；列出的音訊格式為 AMR、WAV、3GP、3GPP、AAC 及 MP3，影片格式為 MP4、AVI、MKV、MOV、FLV 及 WMV。URL 音訊或影片檔最大可為 2 GB，Base64 編碼媒體則必須小於 10 MB。這些是開發者的檔案流程限制，與模型介紹所述可理解超過十小時音訊，或以 1 FPS 取樣、超過 400 秒的 720p 影片不同。\n\n該指南另有影像準備限制：每張 URL 影像最大 20 MB、兩邊尺寸均須大於 10 像素，長邊與短邊的比例不得超過 200:1。指南允許最多 2,048 個 URL 影像或音訊檔，以及 512 個 URL 影片檔；Base64 輸入則允許最多 250 個檔案。這些傳輸限制仍受共用的輸入 token 額度約束。此系列可在單一請求中結合多種媒體。請選擇相關摘錄、讓小型標籤清楚可讀，並解釋不同輸入的關係。文件記載的檔案數量上限，依模態及傳輸方式而異，而每項輸入仍須符合共用 token 額度。\n\n未標日期的 Plus 模型，文件記載可透過獨立的先建立再使用聲音流程，進行自訂聲音複製。參考音訊必須包含至少三秒不中斷的清晰語音，停頓不得超過兩秒；請使用沒有音樂、歌唱、雜音或其他說話者的一般語音。WAV 請使用 16-bit 音訊。參考片段用來為具名目標模型建立聲音，而該目標必須與用於語音生成的模型相符。開發者建議使用 10–20 秒的清晰單聲道語音、至少 24 kHz，最長 60 秒，且檔案小於 10 MB。文件記載的參考格式為 WAV、MP3 及 M4A。3 月 15 日快照不支援複製，因此選擇具日期模型會改變這部分流程。\n\n對於實用的學習助理，請提供圖解、學習者錄製的問題，以及簡短文字說明：「解釋標示部件如何連結，以英文回答口述問題，並採用平靜、較慢的表達方式。同時提供文字答案與語音。」對於媒體報告，請為事件、可見文字及語音定義獨立章節，並要求各自附上時間戳記。請在文字上下文中準備名稱或術語，並說明結果應為逐字稿、解釋，或可直接提供給讀者的摘要。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.qwen3.5-omni-plusQwen3.5-Omni-Plus 可一起理解文字、圖片、音訊與影片，並回傳文字或語音回應。它的多模態流程適合語音助理與詳細媒體分析，支援語音風格指示，並有 262,144 詞元上下文。
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。
Qwen3.5-Omni-Plus 是 Alibaba 的多模態 Qwen 模型，適用於文字創作、語音助理及多媒體分析。它接收文字、影像、音訊及影片，包括混合輸入，並產生文字或附有語音的文字。未標日期的 Plus 名稱是家族別名；開發者目前將其描述為功能等同 Qwen3.5-Omni-Plus 2026-03-15。別名與具名快照仍是不同的模型選擇。
輸入可將圖片與口述問題結合，或將影片畫面及聲音與文字指令結合。當純文字摘要會失去所見與所聞之間的連結時，這便很有用。對於媒體任務說明，請分別要求可見順序、畫面文字及口述內容；若事件順序重要，請要求相對於來源的時間戳記。音效及其他非語音音訊，也可與語音一併用於分析。
若要語音回答，請指定答案的語言、讀者及表達方式。Qwen 指南記載音量、語速及情緒指令。它列出 113 種音訊輸入語言及方言，以及 36 種語音輸出語言及方言，包括英文、法文、德文及俄文。聲音目錄將 Tina 列為預設，並包含 Serena、Ethan 等選項。請選擇聲音，並要求以適中速度作精簡說明，而非依靠輸入聲音決定輸出風格。
文件所述的 HTTP 語音流程，會傳回串流文字及 Base64 編碼音訊區塊。其 WAV 範例採用 24 kHz、單聲道、16-bit PCM；應用程式可將區塊收集為音訊檔，或在區塊到達時解碼播放。這是提交請求後的串流生成。即時回合偵測、中斷處理及麥克風對話，屬於另行具名的即時模型。Qwen3.5-Omni 的家族表未提供深度思考模式。
模型卡列出網路搜尋。Function Calling 的文件說明適用於 Alibaba 北京 Chat Completions 部署及文字輸出，新加坡表格則標示不支援。JSON Object 輸出在北京列為支援，在新加坡則不支援。模型可以提出工具呼叫，應用程式則執行動作並回傳結果。Plus 表格將前綴補全、上下文快取及微調標示不支援；批次推論在北京的別名表格列為支援，新加坡表格則不支援。
公布的上下文視窗為 262,144 tokens，最大輸入為 196,608 tokens，最大輸出為 65,536 tokens。混合媒體與文字共用上下文額度。Alibaba 的 HTTP 指南允許此系列輸入最長三小時音訊或一小時影片；列出的音訊格式為 AMR、WAV、3GP、3GPP、AAC 及 MP3，影片格式為 MP4、AVI、MKV、MOV、FLV 及 WMV。URL 音訊或影片檔最大可為 2 GB，Base64 編碼媒體則必須小於 10 MB。這些是開發者的檔案流程限制，與模型介紹所述可理解超過十小時音訊，或以 1 FPS 取樣、超過 400 秒的 720p 影片不同。
該指南另有影像準備限制：每張 URL 影像最大 20 MB、兩邊尺寸均須大於 10 像素，長邊與短邊的比例不得超過 200:1。指南允許最多 2,048 個 URL 影像或音訊檔，以及 512 個 URL 影片檔；Base64 輸入則允許最多 250 個檔案。這些傳輸限制仍受共用的輸入 token 額度約束。此系列可在單一請求中結合多種媒體。請選擇相關摘錄、讓小型標籤清楚可讀，並解釋不同輸入的關係。文件記載的檔案數量上限，依模態及傳輸方式而異，而每項輸入仍須符合共用 token 額度。
未標日期的 Plus 模型，文件記載可透過獨立的先建立再使用聲音流程，進行自訂聲音複製。參考音訊必須包含至少三秒不中斷的清晰語音，停頓不得超過兩秒；請使用沒有音樂、歌唱、雜音或其他說話者的一般語音。WAV 請使用 16-bit 音訊。參考片段用來為具名目標模型建立聲音，而該目標必須與用於語音生成的模型相符。開發者建議使用 10–20 秒的清晰單聲道語音、至少 24 kHz，最長 60 秒，且檔案小於 10 MB。文件記載的參考格式為 WAV、MP3 及 M4A。3 月 15 日快照不支援複製，因此選擇具日期模型會改變這部分流程。
對於實用的學習助理，請提供圖解、學習者錄製的問題，以及簡短文字說明：「解釋標示部件如何連結，以英文回答口述問題，並採用平靜、較慢的表達方式。同時提供文字答案與語音。」對於媒體報告，請為事件、可見文字及語音定義獨立章節，並要求各自附上時間戳記。請在文字上下文中準備名稱或術語，並說明結果應為逐字稿、解釋，或可直接提供給讀者的摘要。
POST /v1/chat/completionstexttext| 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 qwen3.5-omni-plus | 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— |
文字 · UTF8 文字
messages[].content
| 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。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 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 $0.0022 / 1K Token 輸出 · 輸出 Token $0.012584 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-omni-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3.5-omni-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3.5-omni-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 或 SSE
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。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 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 |
| 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。 |
Ailoot Ultra qwen3.5-omni-plus
請使用上方列出的 API 方法路徑。
qwen3.5-omni-plusQwen3.5-Omni-Plus 可一起理解文字、圖片、音訊與影片，並回傳文字或語音回應。它的多模態流程適合語音助理與詳細媒體分析，支援語音風格指示，並有 262,144 詞元上下文。
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。
Qwen3.5-Omni-Plus 是 Alibaba 的多模態 Qwen 模型，適用於文字創作、語音助理及多媒體分析。它接收文字、影像、音訊及影片，包括混合輸入，並產生文字或附有語音的文字。未標日期的 Plus 名稱是家族別名；開發者目前將其描述為功能等同 Qwen3.5-Omni-Plus 2026-03-15。別名與具名快照仍是不同的模型選擇。
輸入可將圖片與口述問題結合，或將影片畫面及聲音與文字指令結合。當純文字摘要會失去所見與所聞之間的連結時，這便很有用。對於媒體任務說明，請分別要求可見順序、畫面文字及口述內容；若事件順序重要，請要求相對於來源的時間戳記。音效及其他非語音音訊，也可與語音一併用於分析。
若要語音回答，請指定答案的語言、讀者及表達方式。Qwen 指南記載音量、語速及情緒指令。它列出 113 種音訊輸入語言及方言，以及 36 種語音輸出語言及方言，包括英文、法文、德文及俄文。聲音目錄將 Tina 列為預設，並包含 Serena、Ethan 等選項。請選擇聲音，並要求以適中速度作精簡說明，而非依靠輸入聲音決定輸出風格。
文件所述的 HTTP 語音流程，會傳回串流文字及 Base64 編碼音訊區塊。其 WAV 範例採用 24 kHz、單聲道、16-bit PCM；應用程式可將區塊收集為音訊檔，或在區塊到達時解碼播放。這是提交請求後的串流生成。即時回合偵測、中斷處理及麥克風對話，屬於另行具名的即時模型。Qwen3.5-Omni 的家族表未提供深度思考模式。
模型卡列出網路搜尋。Function Calling 的文件說明適用於 Alibaba 北京 Chat Completions 部署及文字輸出，新加坡表格則標示不支援。JSON Object 輸出在北京列為支援，在新加坡則不支援。模型可以提出工具呼叫，應用程式則執行動作並回傳結果。Plus 表格將前綴補全、上下文快取及微調標示不支援；批次推論在北京的別名表格列為支援，新加坡表格則不支援。
公布的上下文視窗為 262,144 tokens，最大輸入為 196,608 tokens，最大輸出為 65,536 tokens。混合媒體與文字共用上下文額度。Alibaba 的 HTTP 指南允許此系列輸入最長三小時音訊或一小時影片；列出的音訊格式為 AMR、WAV、3GP、3GPP、AAC 及 MP3，影片格式為 MP4、AVI、MKV、MOV、FLV 及 WMV。URL 音訊或影片檔最大可為 2 GB，Base64 編碼媒體則必須小於 10 MB。這些是開發者的檔案流程限制，與模型介紹所述可理解超過十小時音訊，或以 1 FPS 取樣、超過 400 秒的 720p 影片不同。
該指南另有影像準備限制：每張 URL 影像最大 20 MB、兩邊尺寸均須大於 10 像素，長邊與短邊的比例不得超過 200:1。指南允許最多 2,048 個 URL 影像或音訊檔，以及 512 個 URL 影片檔；Base64 輸入則允許最多 250 個檔案。這些傳輸限制仍受共用的輸入 token 額度約束。此系列可在單一請求中結合多種媒體。請選擇相關摘錄、讓小型標籤清楚可讀，並解釋不同輸入的關係。文件記載的檔案數量上限，依模態及傳輸方式而異，而每項輸入仍須符合共用 token 額度。
未標日期的 Plus 模型，文件記載可透過獨立的先建立再使用聲音流程，進行自訂聲音複製。參考音訊必須包含至少三秒不中斷的清晰語音，停頓不得超過兩秒；請使用沒有音樂、歌唱、雜音或其他說話者的一般語音。WAV 請使用 16-bit 音訊。參考片段用來為具名目標模型建立聲音，而該目標必須與用於語音生成的模型相符。開發者建議使用 10–20 秒的清晰單聲道語音、至少 24 kHz，最長 60 秒，且檔案小於 10 MB。文件記載的參考格式為 WAV、MP3 及 M4A。3 月 15 日快照不支援複製，因此選擇具日期模型會改變這部分流程。
對於實用的學習助理，請提供圖解、學習者錄製的問題，以及簡短文字說明：「解釋標示部件如何連結，以英文回答口述問題，並採用平靜、較慢的表達方式。同時提供文字答案與語音。」對於媒體報告，請為事件、可見文字及語音定義獨立章節，並要求各自附上時間戳記。請在文字上下文中準備名稱或術語，並說明結果應為逐字稿、解釋，或可直接提供給讀者的摘要。
POST /v1/messagestextjson, 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 qwen3.5-omni-plus | 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 |
文字 · UTF-8 文字
messages[].content 字串
| 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
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 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 $0.0022 / 1K Token 輸出 · 輸出 Token $0.012584 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "qwen3.5-omni-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
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。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 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 |
| 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。 |
Ailoot Ultra qwen3.5-omni-plus
請使用上方列出的 API 方法路徑。
英文技術範例
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.