SuperAPI AI 工具集

alicloud-ai-entry-modelstudio

设计与创作

查看项目

更新于 10-15 17:34

技能介绍

用途:作为阿里云百炼(Model Studio)的入口路由技能,把请求分发到仓库中已有的本地子技能,避免在每个技能里重复记录模型与参数细节。

主要能力:按需求匹配目标子技能,包括文本生成/推理/工具调用、代码与仓库推理、深度多步研究、文生图与图像编辑、文生视频/图生视频/参考生视频、数字人、EMO、LivePortrait、AnimateAnyone、表情包视频、TTS、ASR、实时语音识别与实时 TTS、实时语音翻译、CosyVoice 声音克隆与声音设计、Omni 多模态交互、视觉推理、OCR/文档与表格解析、文本与多模态向量、重排、向量检索(DashVector/OpenSearch/Milvus)、文档理解、视频编辑、视频对口型替换等。

使用方式:建议使用虚拟环境安装 SDK:python3 -m venv .venv、. .venv/bin/activate、python -m pip install dashscope。配置 DASHSCOPE_API_KEY(优先环境变量,或 ~/.alibabacloud/credentials 中的 dashscope_api_key)。异步任务(如视频)在返回 X-DashScope-Async: enable 时,用 GET https://dashscope.aliyuncs.com/api/v1/tasks/<task_id> 轮询,附带 Authorization: Bearer $DASHSCOPE_API_KEY,建议 15-20 秒一次,最多 10 次,成功后下载 output.video_url。产物与证据保存在 output/alicloud-ai-entry-modelstudio/。

适用场景:不确定该用哪个百炼模型技能时先经此路由;需要文本、图像、音频、视频或多模态处理、检索等任务分发。

限制:未匹配时需先澄清模型能力与输入输出类型,仓库缺失的能力需先新增技能;当前仓库已知缺口包括图像翻译、虚拟试穿/数字人/高级视频人设等。多模态或 ASR 下载失败时优先使用公开 URL;ASR 参数错误时在 input_audio.data 使用 data URI;多模态向量 400 时确保 input.contents 为数组。内部路由细节与完整参数以各子技能 SKILL.md 与 references/*.md 为准。