用途:在需要一体化多模态理解或生成时使用阿里云百炼(Model Studio)Qwen Omni 模型,覆盖图像加音频加文本的助手、实时多模态智能体,以及基于视觉输入的口语回复等场景。
主要能力:提供统一接口 omni.chat。请求字段包括 model(字符串,可选,默认 qwen3-omni-flash)、text(可选)、image(可选)、audio(可选)、response_modalities(数组,可选,例如 ["text"] 或 ["text","audio"])。响应字段包括 text(可选)、audio_url 或 audio_chunk(可选)、usage(可选)。
模型名:必须使用以下精确字符串之一:qwen3-omni-flash、qwen3-omni-flash-realtime、qwen-omni-turbo、qwen-omni-turbo-realtime。
使用方式:可用脚本准备请求,命令为 python skills/ai/multimodal/alicloud-ai-multimodal-qwen-omni/scripts/prepare_omni_request.py --output output/alicloud-ai-multimodal-qwen-omni/request.json。校验方式:mkdir -p output/alicloud-ai-multimodal-qwen-omni,然后 python -m py_compile skills/ai/multimodal/alicloud-ai-multimodal-qwen-omni/scripts/prepare_omni_request.py && echo "py_compile_ok" > output/alicloud-ai-multimodal-qwen-omni/validate.txt;通过标准为命令退出码 0 且生成 validate.txt。
限制:资料未提供具体计费、价格、配额、平台支持范围与效果说明,暂未提供。参考文件为 references/sources.md。