Qwen3-Omni-Flash
复制成功!
多模态
概述
多模态
千问3-Omni-Flash多模态大模型,基于Thinker–Talker混合专家(MoE)架构,支持文本、图像、音频、视频的高效理解与语音生成能力,可进行119种语言文本交互和20种语言语音交互,支持49种语音音色,生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能,灵活适配对话风格与角色设定,广泛应用于文本创作、语音助手、多媒体分析等场景,提供自然流畅的多模态交互体验。此版本为2025年12月01日的快照版本。
输入
文本图像音频视频
输出
文本音频
功能
定价
- 输入:文本¥1.8/M tokens
- 输入:音频¥15.8/M tokens
- 输入:图片/视频¥3.3/M tokens
- 输出:文本(输入仅包含文本时)¥6.9/M tokens
- 输出:文本(输入包含图片/音频/视频时)¥12.7/M tokens
- 输出:文本+音频(输出的文本不计费)¥62.6/M tokens
- 输入:文本(思考)¥1.8/M tokens
- 输入:音频(思考)¥15.8/M tokens
- 输入:图片/视频(思考)¥3.3/M tokens
- 输出:文本(思考模式下,输入仅包含文本时)¥6.9/M tokens
- 输出:文本(思考模式下,输入包含图片/音频/视频时)¥12.7/M tokens
速率限制与上下文
- 最大输入49.15K
- 最大输出16.38K
- RPM每分钟请求数60
- TPM每分钟 Token 数100K
- 最大输入(思考模式)16.38K
- 最大输出(思考模式)16.38K
- 上下文65.53K
API 参考
获取 API Key复制成功!
12345678910111213141516171819202122232425
import os
from openai import OpenAI
client = OpenAI(
# 新加坡和北京地域的API Key不同。获取API Key:https://www.alibabacloud.com/help/zh/model-studio/get-api-key
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
model="qwen3-omni-flash-2025-12-01",
messages=[{"role": "user", "content": "你是谁"}],
# 设置输出数据的模态,当前支持两种:["text","audio"]、["text"]
modalities=["text", "audio"],
audio={"voice": "Ethan", "format": "wav"},
# stream 必须设置为 True,否则会报错
stream=True,
stream_options={"include_usage": True},
)
for chunk in completion:
if chunk.choices:
print(chunk.choices[0].delta)
else:
print(chunk.usage)