用途：面向需要一体化多模态理解或生成的场景，使用阿里云百炼（Model Studio）Qwen Omni 系列模型，可组合图像、音频与文本输入，并输出文本或语音。
主要能力：支持图像+音频+文本的助手式交互、实时多模态智能体，以及基于视觉输入的口语化回复。
模型名称：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。
统一接口 omni.chat：请求字段包括 model（可选，默认 qwen3-omni-flash）、text（可选）、image（可选）、audio（可选）、response_modalities（可选，如 ["text"] 或 ["text","audio"]）；响应字段包括 text（可选）、audio_url 或 audio_chunk（可选）、usage（可选）。
使用方式：可先运行校验命令 mkdir -p output/aliyun-qwen-omni 与 python -m py_compile skills/ai/multimodal/aliyun-qwen-omni/scripts/prepare_omni_request.py && echo "py_compile_ok" > output/aliyun-qwen-omni/validate.txt，通过标准为命令退出码 0 且生成 output/aliyun-qwen-omni/validate.txt。快速开始：python skills/ai/multimodal/aliyun-qwen-omni/scripts/prepare_omni_request.py --output output/aliyun-qwen-omni/request.json。参考资料见 references/sources.md。
限制：资料未提供具体收费、价格、平台支持范围、配额或效果指标，暂未提供。