Qwen-MT-Uni — 全模态翻译

POST

/services/aigc/multimodal-generation/generation

curl -X POST 'https://maas.qianwenaiapi.com/api/v1/services/aigc/multimodal-generation/generation' \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "qwen-mt-uni",
    "input": {
      "fileUrl": "https://maas-infra-public.oss-cn-hangzhou.aliyuncs.com/lzhe/test/03bc3a6a-a02b-11f1-8874-00163e79676e.jpg",
      "target_lang": "zh"
    }
  }'

{
  "output": {
    "Code": 200,
    "Data": {
      "FileType": "image",
      "TranslatedFileUrl": "http://dashscope-a717.oss-cn-beijing.aliyuncs.com/xxx.jpg?Expires=xxx"
    },
    "Message": "Success",
    "RequestId": "a20aa16a-2445-929f-9130-af70b4a0ade4",
    "Success": true
  },
  "usage": {
    "input_tokens": 1887,
    "input_tokens_details": {
      "audio_tokens": 0,
      "character_tokens": 0,
      "document_tokens": 0,
      "image_tokens": 1887
    },
    "output_tokens": 1887,
    "output_tokens_details": {
      "audio_tokens": 0,
      "character_tokens": 0,
      "document_tokens": 0,
      "image_tokens": 1887
    },
    "total_tokens": 3774
  },
  "request_id": "a20aa16a-2445-929f-9130-af70b4a0ade4"
}

获取 API Key 并设置为环境变量。

Qwen-MT-Uni 是一款面向图片、文本、音频及各类文档的全模态翻译模型，通过统一的格式识别、智能路由、内容抽取、跨模态翻译与原格式重构链路，实现多类型输入的一体化高保真翻译。

同步与异步

同步与异步共用本页的同一个接口，请求体参数完全一致，仅由请求头 X-DashScope-Async 决定返回形式：

调用模式	请求头	响应	适用场景
同步（默认）	不设置 `X-DashScope-Async`	等待处理完成，直接返回翻译结果（译文文本或译后文件 URL）	文本、图片、小文件等耗时较短的场景
异步	`X-DashScope-Async: enable`	立即返回 `task_id`，不等待翻译完成	大文档、长音频等耗时较长的场景

上方响应示例中，SYNC_SUCCESS 对应同步返回的翻译结果，ASYNC_PENDING 对应异步返回的 task_id。

异步调用流程

创建任务获取任务 ID：带 X-DashScope-Async: enable 发送本页的 POST 请求，返回 task_id。创建成功后 task_id 有效期为 24 小时，请勿重复创建任务，轮询获取即可。
根据任务 ID 查询结果：使用 task_id 调用查询任务结果接口轮询任务状态，直到任务完成并获得译后文件 URL 或译文文本。

支持的输入格式

输入与输出保持相同的格式形状：

字符串：输入 str 或 list[str]，输出保持相同的标量/数组形状。
PDF：输入 .pdf，输出 .pdf。
Word：输入 .docx，输出 .docx。
PowerPoint：输入 .pptx，输出 .pptx。
Excel：输入 .xlsx，输出 .xlsx。
TXT：输入 .txt，输出 .txt。
HTML：输入 .html、.htm，输出 .html。
Markdown：输入 .md、.markdown、.mdown、.mkd，输出 .md。
图像：输入 .png、.jpg、.jpeg，输出 .jpg。
音频：输入 .mp3、.wav，输出 .mp3。

单文件不超过 100 MB，文档不超过 200 页，音频时长需在 3 秒～60 分钟 之间。
URL 地址中不能包含中文字符。
旧版二进制 Word（.doc）和 PowerPoint（.ppt）需要先转换为 OOXML 格式（.docx/.pptx）再传入。

支持的语种

若不确定源语种，可将 source_lang 留空以自动识别。下表列出全部受支持的翻译方向：

源语种（中文名）	源语种（编码）	可选目标语种
中文（简体）	`zh`	中文（繁体）（`zh-tw`）、英语（`en`）、日语（`ja`）、韩语（`ko`）、哈萨克语（`kk`）、马来语（`ms`）、泰语（`th`）
中文（繁体）	`zh-tw`	中文（简体）（`zh`）、英语（`en`）、日语（`ja`）、韩语（`ko`）、哈萨克语（`kk`）、马来语（`ms`）、泰语（`th`）
英语	`en`	阿拉伯语（`ar`）、阿塞拜疆语（`az`）、孟加拉语（`bn`）、波斯尼亚语（`bs`）、捷克语（`cs`）、丹麦语（`da`）、德语（`de`）、希腊语（`el`）、西班牙语（`es`）、爱沙尼亚语（`et`）、芬兰语（`fi`）、法语（`fr`）、希伯来语（`he`）、印地语（`hi`）、匈牙利语（`hu`）、印度尼西亚语（`id`）、意大利语（`it`）、日语（`ja`）、韩语（`ko`）、立陶宛语（`lt`）、拉脱维亚语（`lv`）、马来语（`ms`）、缅甸语（`my`）、尼泊尔语（`ne`）、荷兰语（`nl`）、挪威语（`no`）、波兰语（`pl`）、葡萄牙语-巴西（`pt`）、葡萄牙语-葡萄牙（`pt-pt`）、罗马尼亚语（`ro`）、罗马尼亚语-乌尔都（`ro_ur`）、俄语（`ru`）、僧伽罗语（`si`）、斯洛伐克语（`sk`）、斯洛文尼亚语（`sl`）、塞尔维亚语（`sr`）、瑞典语（`sv`）、泰语（`th`）、菲律宾语（`tl`）、土耳其语（`tr`）、乌克兰语（`uk`）、乌尔都语（`ur`）、越南语（`vi`）、中文（简体）（`zh`）、中文（繁体）（`zh-tw`）
西班牙语	`es`	保加利亚语（`bg`）、捷克语（`cs`）、丹麦语（`da`）、德语（`de`）、希腊语（`el`）、英语（`en`）、爱沙尼亚语（`et`）、芬兰语（`fi`）、法语（`fr`）、克罗地亚语（`hr`）、匈牙利语（`hu`）、意大利语（`it`）、立陶宛语（`lt`）、拉脱维亚语（`lv`）、荷兰语（`nl`）、挪威语（`no`）、波兰语（`pl`）、葡萄牙语-巴西（`pt`）、葡萄牙语-葡萄牙（`pt-pt`）、罗马尼亚语（`ro`）、俄语（`ru`）、斯洛伐克语（`sk`）、瑞典语（`sv`）
阿拉伯语	`ar`	英语（`en`）、土耳其语（`tr`）
土耳其语	`tr`	阿拉伯语（`ar`）、捷克语（`cs`）、德语（`de`）、希腊语（`el`）、英语（`en`）、匈牙利语（`hu`）、罗马尼亚语（`ro`）、斯洛伐克语（`sk`）
罗马尼亚语	`ro`	英语（`en`）、土耳其语（`tr`）
阿塞拜疆语	`az`	英语（`en`）
孟加拉语	`bn`	英语（`en`）
捷克语	`cs`	英语（`en`）
德语	`de`	英语（`en`）
希腊语	`el`	英语（`en`）
芬兰语	`fi`	英语（`en`）
法语	`fr`	英语（`en`）
希伯来语	`he`	英语（`en`）
印地语	`hi`	英语（`en`）
匈牙利语	`hu`	英语（`en`）
印度尼西亚语	`id`	英语（`en`）
意大利语	`it`	英语（`en`）
日语	`ja`	英语（`en`）
韩语	`ko`	英语（`en`）
马来语	`ms`	英语（`en`）
缅甸语	`my`	英语（`en`）
尼泊尔语	`ne`	英语（`en`）
荷兰语	`nl`	英语（`en`）
波兰语	`pl`	英语（`en`）
葡萄牙语（巴西）	`pt`	英语（`en`）
俄语	`ru`	英语（`en`）
僧伽罗语	`si`	英语（`en`）
瑞典语	`sv`	英语（`en`）
泰语	`th`	英语（`en`）
菲律宾语	`tl`	英语（`en`）
乌克兰语	`uk`	英语（`en`）
乌尔都语	`ur`	英语（`en`）
越南语	`vi`	英语（`en`）
保加利亚语	`bg`	英语（`en`）
波斯尼亚语	`bs`	英语（`en`）
丹麦语	`da`	英语（`en`）
爱沙尼亚语	`et`	英语（`en`）
克罗地亚语	`hr`	英语（`en`）
立陶宛语	`lt`	英语（`en`）
拉脱维亚语	`lv`	英语（`en`）
挪威语	`no`	英语（`en`）
葡萄牙语（葡萄牙）	`pt-pt`	英语（`en`）
罗马尼亚语（乌尔都）	`ro_ur`	英语（`en`）
斯洛伐克语	`sk`	英语（`en`）
斯洛文尼亚语	`sl`	英语（`en`）
塞尔维亚语	`sr`	英语（`en`）

计费与限流

按 input_tokens 计费。同步与异步价格一致。
模型调用失败或处理错误不产生任何费用，也不消耗新人免费额度。
限流说明请参见限流。

鉴权

string

header

必填

千问AI平台 API Key。详见获取 API Key。

Header 参数

enum<string>

异步处理配置参数。

不设置（默认）：同步模式，响应直接返回翻译结果。
设置为 enable：异步模式，响应返回 task_id，需轮询查询接口获取结果。

可选值：enable

请求体

application/json

enum<string>

必填

模型名称，必须设置为 qwen-mt-uni。

可选值：qwen-mt-uni

object

必填

输入参数对象。fileUrl 与 source_texts 必须且只能提供一个。

显示子属性

string

必填

目标语言代码或项目支持的语言名称，例如 ko。详见支持的语种。

string

可访问的 HTTP(S) URL，服务端自动判断模态类型（文档 / 图片 / 音频）。与 source_texts 必须且只能提供一个。

支持格式：PDF、DOCX、PPTX、XLSX、TXT、HTML、Markdown、JPG、PNG、MP3、WAV。
大小限制：单文件不超过 100 MB，文档不超过 200 页，音频时长需在 3 秒～60 分钟之间。
URL 地址中不能包含中文字符。

string

一条非空字符串或非空字符串数组（string | array<string>）。批量翻译保持输入顺序，响应保持标量/数组形状。与 fileUrl 必须且只能提供一个。

string

源语言代码，例如 zh。不填则自动识别。

object

可选扩展参数。

显示子属性

string

英文领域提示，最多 200 个英文单词。为使译文风格更贴合特定领域，可以使用英文描述使用场景、译文风格等需求。

领域提示语句当前只支持英文。

示例：These sentences are from seller-buyer conversations on a B2C ecommerce platform. Translate them into clear, engaging customer service language.

string

格式提示。当 fileUrl 没有可识别后缀时，用它显式指定格式，如 pdf、image。

string[]

敏感词列表，区分大小写，最多 50 个非空字符串。提取文本与某项完全相同时保留原文且不发送给模型。

示例：["全场9折", "七天无理由退换"]

取值范围：items <= 50

object[]

术语表，最多 100 组 {"src": "源文本", "tgt": "目标文本"}。当前作为 Prompt 术语表接入，支持保持原文、指定翻译和空目标词。

示例：[{"src": "应用程序接口", "tgt": "API"}, {"src": "机器学习", "tgt": "ML"}]

取值范围：items <= 100

显示子属性

string

必填

术语的源文本。

string

必填

术语的目标文本。

object

额外配置选项。

显示子属性

boolean

默认值false

仅图像格式生效。是否开启图像主体分割。开启后，将跳过对图像中主体（如人物、商品、Logo）上文字的翻译。

false：（默认值）翻译图像中的所有文字
true：不翻译图像主体的文字

响应

200-application/json

object

string

顶层请求 ID，成功和失败均返回。

object

业务结果容器；成功时返回。

显示子属性

boolean

是否成功，成功为 true。

integer

业务结果码，成功为 200。

string

结果说明，成功固定为 Success。

string

本次调用的唯一 ID，便于问题排查。

object

翻译结果。

显示子属性

enum<string>

结果类型：strings（文本）/ document（文档）/ image（图片）/ audio（音频）。

可选值：strings,document,image,audio

string

文本翻译结果。仅传 source_texts 时返回，形状与入参一致（string | array<string>）。

string

译后文件的下载地址（带签名，有有效期）。仅传 fileUrl 时返回。

object

Token 用量统计（在 output 之外的顶层），按 input_tokens 计费。

显示子属性

integer

输入 Token 总量。

integer

输出 Token 总量。

integer

输入与输出 Token 总量。

object

按内容类型划分的输入 Token 用量明细。

显示子属性

integer

文档类输入 Token 数。

integer

音频类输入 Token 数。

integer

字符类输入 Token 数。

integer

图像类输入 Token 数。

object

按内容类型划分的输出 Token 用量明细，字段同 input_tokens_details。

显示子属性

integer

文档类输出 Token 数。

integer

音频类输出 Token 数。

integer

字符类输出 Token 数。

integer

图像类输出 Token 数。

​同步与异步

​异步调用流程

​支持的输入格式

​支持的语种

​计费与限流

鉴权

Header 参数

请求体

响应

同步与异步

异步调用流程

支持的输入格式

支持的语种

计费与限流