# 千问AI平台文档 > 本文件列出千问AI平台全部开发文档,供 AI Agent 查找页面使用。全文合集:[llms-full.txt](https://platform.qianwenai.com/docs/llms-full.txt):包含全站文档正文,约 12MB,不建议一次性读入上下文。请优先通过本索引按需读取相关文档;需要全站检索时,再下载合集并提取相关片段。 > 上级入口:https://platform.qianwenai.com/llms.txt > 千问AI平台提供通义千问及主流第三方大语言模型、多模态模型服务,以及 Managed Agent、RAG、MCP、记忆库、Sandbox、Skill 等 Agent 开发能力;模型能力涵盖文本生成、视觉理解、图像生成、视频生成、语音识别、语音合成、语音对话、向量化及重排序,支持 OpenAI 兼容、Anthropic 兼容、DashScope 等多种接入方式。 ## Token Plan - [Token Plan 概述](https://platform.qianwenai.com/docs/token-plan/overview.md): Token Plan 是千问AI平台推出的 AI 大模型订阅服务,以 Credits 统一计量,支持在兼容的 AI 工具中交互式使用。 - [用量与额度](https://platform.qianwenai.com/docs/token-plan/token-plan-usage-quota.md): Token Plan 的 Credits 计费规则、抵扣顺序、重置规则、额度用尽和用量异常排查。 - [权限与使用规范](https://platform.qianwenai.com/docs/token-plan/token-plan-permissions-and-usage.md): Token Plan 的购买与订阅权限、使用范围、API Key 规范和数据使用政策。 - [Token Plan 常见问题](https://platform.qianwenai.com/docs/token-plan/token-plan-faq.md): Token Plan 的版本选择、购买订阅、退订退款、使用限制和接入问题。 - [个人版订阅与权益](https://platform.qianwenai.com/docs/token-plan/personal/token-plan-personal-overview.md): Token Plan 个人版的套餐权益、账号权限、升级续费、退订和使用规则。 - [Harness 权益](https://platform.qianwenai.com/docs/token-plan/personal/token-plan-harness-benefits.md): Token Plan 个人版 Standard 与 Pro 套餐附赠 Harness 权益,覆盖自研工具的每月免费额度与后付费折扣,使用按量付费 API Key 调用,不占用套餐 Credits。 - [接入 Harness 工具](https://platform.qianwenai.com/docs/token-plan/best-practices/built-in-tools.md): 接入 Token Plan 个人版 Harness 权益提供的自研工具,并示例联网搜索增强版 MCP 的接入流程。 - [团队版订阅与权益](https://platform.qianwenai.com/docs/token-plan/team/token-plan-team-overview.md): Token Plan 团队版的套餐权益、账号权限、席位管理、升级续费和退订规则。 - [团队管理](https://platform.qianwenai.com/docs/token-plan/team/team-management.md): 在 Token Plan 管理平台中添加和管理团队成员、分配和回收席位、配置 SSO 登录、监控 Credits 用量。 ## 接入AI工具 - [Qoder](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/qoder.md): 在 Qoder 中使用千问AI平台模型 - [Claude Code](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/claude-code.md): 在 Claude Code 中使用千问AI平台模型 - [Codex](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/codex.md): 在 Codex 中使用千问AI平台模型 - [Qwen Code](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/qwen-code.md): 在 Qwen Code 中使用千问AI平台模型 - [OpenClaw](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/openclaw.md): 在 OpenClaw 中使用千问AI平台模型 - [Hermes Agent](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/hermes-agent.md): 在 Hermes Agent 中使用千问AI平台模型 - [OpenCode](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/opencode.md): 在 OpenCode 中使用千问AI平台模型 - [Trae](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/trae.md): 在 Trae 中使用千问AI平台模型。 - [DeepSeek Harness](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/deepseek-harness.md): 在千问AI平台中使用 DeepSeek Harness - [接入 WorkBuddy](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/workbuddy.md): WorkBuddy 是一款桌面 AI Agent 工作台,可以通过按量计费、Token Plan 个人版或 Token Plan 团队版接入千问AI平台。 - [其他 AI 工具](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/other-tools.md): 兼容 OpenAI/Anthropic 协议的工具 - [Cursor](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/cursor.md): 在 Cursor 中使用千问AI平台模型 - [Cherry Studio](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/cherry-studio.md): 在 Cherry Studio 中使用千问AI平台模型 - [Chatbox](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/chatbox.md): 在 Chatbox 中使用千问AI平台模型 - [Cline](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/cline.md): 在 Cline 中使用千问AI平台模型 - [Kilo CLI](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/kilo-cli.md): 在 Kilo CLI 中使用千问AI平台模型 - [QwenPaw](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/qwenpaw.md): 在 QwenPaw 中使用千问AI平台模型 - [千问](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/qwen-office-assistant.md): 千问 APP 中的工作助理功能支持通过 Token Plan 接入千问AI平台,使用 Token Plan 模型处理文档、表格等办公任务。桌面端和手机 APP 均可使用。 - [VS Code](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/vscode.md): 在 VS Code 中使用千问AI平台模型。 - [ZCode](https://platform.qianwenai.com/docs/developer-guides/clients-and-developer-tools/zcode.md): 在 ZCode 中使用千问AI平台模型。 ## 进阶接入 - [接入概览](https://platform.qianwenai.com/docs/token-plan/best-practices/integration-overview.md): Agent 工具原生只处理文本生成协议。图像生成、视频生成、语音合成、语音识别、实时语音对话和决策模型需要通过 Slash Command、Skill 或 Agent 调用原生接口。 - [接入决策模型](https://platform.qianwenai.com/docs/token-plan/best-practices/decision-model.md): 通过 AI 工具的扩展机制接入 decision-model-preview 决策模型:以评论自动审核为例,一次请求并行判定多条内容,返回 choice、probabilities、confidence,按置信度自动放行、隐藏或转人工。 - [接入图像生成模型](https://platform.qianwenai.com/docs/token-plan/best-practices/image-generation.md): 在 Agent 工具中调用 Token Plan 图像生成模型,根据文字描述生成图片并下载到本地。 - [接入视频生成模型](https://platform.qianwenai.com/docs/token-plan/best-practices/video-generation.md): 在 Agent 工具中调用 Token Plan 视频生成模型,提交异步任务并在生成完成后下载视频。 - [接入语音合成模型](https://platform.qianwenai.com/docs/token-plan/best-practices/speech-synthesis.md): 在 Agent 工具中调用 Token Plan 语音合成模型,将文本转为音频并下载到本地。 - [接入语音识别模型](https://platform.qianwenai.com/docs/token-plan/best-practices/speech-recognition.md): 让 Agent 工具把本地音频或音频 URL 提交给 Token Plan 语音识别模型,返回转写文本。 - [接入实时语音对话模型](https://platform.qianwenai.com/docs/token-plan/best-practices/realtime-voice.md): 让 Agent 工具自动创建并运行语音客户端,接入 Token Plan 的实时语音对话模型。 - [添加视觉理解能力](https://platform.qianwenai.com/docs/token-plan/best-practices/add-vision-skill.md): 为编程模型添加视觉能力 ## 玩法攻略 - [玩法攻略概述](https://platform.qianwenai.com/docs/token-plan/playbooks/overview.md): Token Plan 40 个实测玩法攻略索引,覆盖 AI Coding、内容创作、资料与数据处理、生活娱乐、求职职场五大场景,每个玩法提供完整的提示词示例和实测产出。 - [AI Coding · 给现有系统加功能](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-ai-coding-feature.md): 一句话描述需求,AI 读入现有代码增量加功能不动老逻辑。 - [Qoder 搭个人小工具](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-qoder-tool.md): 在 Qoder 里对话式搭记账、单词卡等个人小应用,零基础也能上手。 - [一句话生成可玩小游戏](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-mini-game.md): 一句话描述玩法,模型直接生成可运行的单文件小游戏,打开即玩。 - [AI 代码安全审计 · 定位到修复](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-code-security.md): 把代码交给模型做安全审计,逐条给出漏洞、风险等级与可替换的修复代码。 - [文档驱动开发 · 一份文档换一个系统](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-doc-driven-dev.md): 写一份《技术文档》讲清功能与验收标准,模型一次性交付可运行系统,门槛从会写代码变成会写需求。 - [代码调研 · 摸清陌生项目架构](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-code-survey.md): 两轮法读懂大型仓库:先喂骨架出架构地图,再按点名文件补全文出调用链。 - [界面体检 · 截图挑毛病与定位报错](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-ui-review.md): 把界面截图交给视觉理解模型,按四个维度逐项挑刺并打分;页面报错、图片加载不出来也可截图配代码一起定位。 - [截图变代码 · 数据看板照结构还原](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-screenshot-to-code.md): 上传数据看板截图,Qwen3.8-Flash 视觉理解照结构还原,图表用纯 CSS 绘制、数字照抄,产出零外部依赖的单文件 HTML。 - [命令预检 · 执行前先过一道风险检查](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-cmd-guard.md): 输入待执行的命令清单,Qwen3.8-Flash 逐条判风险等级、给放行或拦截建议与更安全的替代写法,输出固定 5 字段 JSON。 - [提交信息 · 一上午的改动自动拆 commit](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-commit-writer.md): 输入未提交的 git diff,Qwen3.8-Flash 自动拆成多条 commit,写出符合 Conventional Commits 的标题正文并标注破坏性改动。 - [代码评审 · PR 合并前先过一遍 diff](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-code-review.md): 输入本次 PR diff,Qwen3.8-Flash 给出能不能合的结论与 blocking / suggestion / nit 三级意见,每条附具体后果与改法。 - [儿童趣味动物视频生成](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-kids-animal-video.md): 一个动物词生成儿童童话与三拍脚本,再文生视频出 5 秒动画。 - [睡前故事配音](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-bedtime-story-tts.md): 语音合成模型把童话文本念成温柔人声,输出睡前故事音频。 - [个人 IP 头像 / 表情包](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-ip-avatar-sticker.md): 一句话描述形象,文生图出头像,再用参考图编辑出角色一致的表情包。 - [小红书封面图 / 文案一次出](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-redbook-cover.md): 文本模型写标题正文与标签,文生图出竖版封面并把标题渲染进画面。 - [短剧脚本 · 把干货稿改成能拍的分镜](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-drama-script.md): 深度思考模型把干货稿改成 60 秒口播脚本,按 JSON 逐镜输出。 - [商品图变展示视频 · 静图秒变主图短视频](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-product-video.md): 一张商品图,让产品不动、只有光影流转,生成主图展示短视频。 - [让人物动起来 · 图生视频精准控运动](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-motion-control.md): 把运动写成可测量的数字,让图生视频真正走位而不原地踏步。 - [人物一致性换装组照 · 锁住这张脸,只换衣服和场景](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-outfit-change.md): 把身份锁定写在第一句,只让模型改服装场景,批量出同一个人的不同造型。 - [表格分析 · 脏数据出结论](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-sheet-analysis.md): 不把整表塞给模型,只发表头与样本让它写清洗分析脚本,数据留在本地跑。 - [网页提数 · 指定字段抓成表](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-web-extract.md): 网页抓取工具拿正文全文,按指定字段对齐成表,比联网搜索更老实。 - [合同体检 · 挑出对我不利的条款](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-contract-review.md): 让模型把关联条款串起来看,挑出对己方不利的组合型风险。 - [票据 / 文档识别归档](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-invoice-ocr.md): 视觉理解读图,OCR 提取字段成 JSON 并给出归档文件名。 - [跨境选品 · 识图定价](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-cross-border.md): 识图认商品,再算利润、做合规质检,识图与推理串成一条链。 - [长文 / 论文 / 合同秒读问答](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-doc-qa.md): 长上下文吃下整篇文档,先出中文速读再逐条追问回原文。 - [个人知识库问答 · RAG 三段式](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-knowledge-rag.md): 把公司制度、个人笔记做成能问的知识库,用大白话就能问出正确那一条。 - [周报汇总 · 五封邮件汇成四列进度表](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-weekly-report.md): 输入五封成员汇报邮件,Qwen3.8-Flash 按成员、任务、进度、风险四列汇总成一张进度表,并挑出原文没明说的阻塞。 - [长图变数据 · 促销图抽字段 + 文案风险初筛](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-poster-audit.md): 上传促销长图,Qwen3.8-Flash 视觉理解抽出商品、价格、券与规则字段,输出固定字段 JSON,并对图上文案做一遍投放前的风险初筛。 - [视频摘要 · 按时间线拆片段](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-video-digest.md): 上传视频,Qwen3.8-Flash 视觉理解按时间线拆成片段并逐段摘要,附时间戳、总体摘要与片段数量统计。 - [老照片修复上色 / 证件照换装](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-old-photo.md): 用参考图编辑去划痕、上色、换装,人物长相保持不变。 - [OpenClaw 个人任务管家](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-openclaw-agent.md): 一句话交办,OpenClaw 自动编排文本、图片生成与联网搜索,端到端办成一件事。 - [一句话规划周末出游 · 多步 Agent](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-weekend-planner.md): 一句话交办,模型一次调用里自主编排联网、算账、排程,跑完多步出游规划。 - [父母用药管家 · 服药 / 开药双提醒](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-med-reminder.md): 把真实困境连同界面要求一起写进提示词,模型产出一个能长期用的用药管家网页。 - [居家安全 · 拍张照排查隐患](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-home-hazard.md): 给家里拍张照交给视觉理解模型,连空间关系一起看,三段式排查隐患。 - [时光影像信 · 把想说的话做成会动、能听的一封信](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-photo-letter.md): 把零散心里话润色成信、念成语音、配上会动的分镜,合成一支短片。 - [简历诊断 · 按 JD 改写](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-resume-doctor.md): 对着 JD 先诊断简历差距,再用 STAR 法则重写经历。 - [AI 面试教练 · 出题追问打分](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-interview-coach.md): 模型扮演面试官出题、追问、打分,帮你逐轮复盘提分。 - [三维 CAD 建模 · 出 STEP/STL 文件](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-cad-3d.md): 一句话描述零件,模型生成建模脚本,本地 CAD 内核执行后产出 STEP/STL 文件。 - [教育社群故事化群日报](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-group-daily-report.md): 文本模型把群聊素材转成 story.json,本地离线渲染成 HTML 与 PNG 长图。 - [交互式教育解题 · 一题变讲解网页](https://platform.qianwenai.com/docs/token-plan/playbooks/token-plan-playbook-edu-solver.md): 一道题变成分步讲解 + 可拖动验证的单文件交互网页。 ## 快速入门 - [基于千问AI平台构建应用](https://platform.qianwenai.com/docs/developer-guides/getting-started/introduction.md): 千问AI平台提供文本、视觉、语音及图像视频生成的 AI 模型,兼容 OpenAI SDK,支持函数调用与结构化输出,快速构建智能体应用。 - [选择模型](https://platform.qianwenai.com/docs/developer-guides/getting-started/model-selection.md): 根据使用场景选择合适的模型 - [计费说明](https://platform.qianwenai.com/docs/developer-guides/getting-started/pricing.md): API 按量计费说明 - [模型价格](https://platform.qianwenai.com/docs/developer-guides/getting-started/model-prices.md): 全量模型单价一览:文本、图像、视频、语音、向量化等各类模型的计费单价。 - [最新模型:Qwen4-Max](https://platform.qianwenai.com/docs/developer-guides/getting-started/latest-model.md): 了解 Qwen4-Max 在编程、专业办公、长周期智能体与科学探索中的能力,以及模型规格、接入方式、显式缓存和思维链摘要功能。 ## 模型调用 - [文本生成与视觉理解](https://platform.qianwenai.com/docs/developer-guides/getting-started/text-generation-models.md): 选择适用于 AI 智能体、聊天机器人、文档处理、图像与视频理解等场景的模型。 - [分析图像与视频](https://platform.qianwenai.com/docs/developer-guides/multimodal/vision.md): 基于视觉输入生成内容 - [文字提取(Qwen-OCR)](https://platform.qianwenai.com/docs/developer-guides/multimodal/ocr.md): Qwen-OCR 是专为文字提取设计的视觉理解模型,支持从扫描文档、表格、票据等各类图像中提取文本或结构化数据,覆盖多语言场景,并内置信息抽取、表格解析、公式识别等高级任务。 - [文本生成](https://platform.qianwenai.com/docs/developer-guides/text-generation/quickstart.md): 发起第一次文本生成调用 - [前缀续写](https://platform.qianwenai.com/docs/developer-guides/text-generation/partial-mode.md): 从指定前缀继续生成内容 - [长上下文(Qwen-Long)](https://platform.qianwenai.com/docs/developer-guides/text-generation/qwen-long.md): 1000万Token上下文窗口,通过文件上传和引用机制处理超长文档 - [机器翻译(Qwen-MT)](https://platform.qianwenai.com/docs/developer-guides/text-generation/qwen-mt.md): 支持 92 种语言及术语干预 - [角色扮演(Qwen-Character)](https://platform.qianwenai.com/docs/developer-guides/text-generation/role-playing.md): NPC 与虚拟角色 - [数据挖掘(Qwen-Doc)](https://platform.qianwenai.com/docs/developer-guides/text-generation/document-understanding.md): 使用 Qwen-Doc-Turbo 模型从文档中提取结构化数据,支持信息抽取、内容审核、分类打标和摘要生成,并支持基于文档内容生成 PPT。 - [深入研究 (Qwen-Deep-Research)](https://platform.qianwenai.com/docs/developer-guides/text-generation/deep-research.md): 自动化多步研究与网络搜索 - [对话分析(Tongyi-Xiaomi-Analysis)](https://platform.qianwenai.com/docs/developer-guides/text-generation/dialogue-analysis.md): 通义晓蜜对话分析专注于对话信息抽取、场景分类、满意度判定等分析需求,擅长处理复杂业务逻辑的质检规则,支持自定义分析标准,具备强大的多轮对话理解和语义推理能力。 - [GUI-Plus 界面交互](https://platform.qianwenai.com/docs/developer-guides/text-generation/gui-interaction.md): GUI-Plus 模型基于屏幕截图和自然语言指令解析用户意图,转换为标准化的 GUI 操作 - [意图理解(Tongyi-Intent-Detect)](https://platform.qianwenai.com/docs/developer-guides/text-generation/intent-detect.md): tongyi-intent-detect-v3 能够在百毫秒级时间内快速、准确地解析用户意图,并选择合适的工具来解决用户的问题。 - [图像生成模型](https://platform.qianwenai.com/docs/developer-guides/getting-started/image-models.md): 选择适合文生图、图片编辑等场景的模型。 - [文生图](https://platform.qianwenai.com/docs/developer-guides/image-generation/text-to-image.md): 根据文本提示词生成图像。 - [图像编辑](https://platform.qianwenai.com/docs/developer-guides/image-generation/image-editing.md): 通过文本指令修改图片 - [图像编辑 - 万相2.7/2.6/2.5](https://platform.qianwenai.com/docs/developer-guides/image-generation/wan-image-editing.md): 万相图像编辑模型系列支持多图输入与多图输出,通过文本指令实现图像编辑、多图融合、主体特征保持、目标检测与分割等能力。 - [万相2.1 通用图像编辑](https://platform.qianwenai.com/docs/developer-guides/image-generation/wan21-image-editing.md): 使用万相-通用图像编辑模型,通过文本指令实现扩图、去水印、风格迁移、指令编辑、局部重绘等多种图像编辑任务。 - [涂鸦作画](https://platform.qianwenai.com/docs/developer-guides/image-generation/sketch-to-image.md): 根据手绘图加上任意文字描述,使用万相-涂鸦作画模型,即可轻松完成涂鸦作画。 - [图像局部重绘](https://platform.qianwenai.com/docs/developer-guides/image-generation/image-inpainting.md): 使用wanx-x-painting模型,根据原始图片、涂抹图和文本描述进行图像局部重绘 - [虚拟模特生成](https://platform.qianwenai.com/docs/developer-guides/image-generation/virtual-model.md): 万相-虚拟模特模型支持在保持真人实拍模特站姿不变的前提下,对拍摄背景图、模特进行替换,快速生成更多模特拍摄图。 - [鞋靴模特](https://platform.qianwenai.com/docs/developer-guides/image-generation/shoe-model.md): 输入模特模板图和鞋靴多视角图片,AI自动完成鞋靴试穿重绘生成。 - [创意海报生成](https://platform.qianwenai.com/docs/developer-guides/image-generation/creative-poster.md): 根据文字描述自动生成海报背景和文字排版,支持多种海报风格。 - [人物实例分割](https://platform.qianwenai.com/docs/developer-guides/image-generation/person-instance-segmentation.md): 识别图像中的不同人物对象,并画出每个对象边界的像素级掩码。 - [图像擦除补全](https://platform.qianwenai.com/docs/developer-guides/image-generation/image-erase-completion.md): 输入原图、待擦除区域掩码图像以及保留区域掩码图像,可以在保留原图背景的同时擦除指定图像区域。 - [视频生成模型](https://platform.qianwenai.com/docs/developer-guides/getting-started/video-models.md): 选择文生视频、图生视频、视频编辑等场景的模型。 - [万相3.0 视频生成](https://platform.qianwenai.com/docs/developer-guides/video-generation/wan30-video.md): wan3.0 系列是 All-in-One 视频生成模型,支持文生视频、图生视频、全模态参考、视频编辑与延长,单次最长 30 秒、30fps、原生有声输出。 - [文生视频](https://platform.qianwenai.com/docs/developer-guides/video-generation/text-to-video.md): 万相文生视频模型支持文本、图像、音频多模态输入生成视频。wan3.0-video 支持最长 30 秒、自适应宽高比、智能时长、480P/720P/1080P 分辨率、音频开关与参考音频。 - [图生视频:首帧](https://platform.qianwenai.com/docs/developer-guides/video-generation/image-to-video.md): 基于单张图片生成视频 - [图生视频:首尾帧](https://platform.qianwenai.com/docs/developer-guides/video-generation/image-to-video-first-last.md): 根据两帧图片生成过渡视频 - [参考视频生成](https://platform.qianwenai.com/docs/developer-guides/video-generation/reference-video.md): 万相-参考生视频模型支持多模态输入(文本、图片、视频、音频),可将人物或物体作为主角,根据提示词生成动作与音色一致的表演视频。 - [通用视频编辑](https://platform.qianwenai.com/docs/developer-guides/video-generation/video-editing.md): 重绘、延展与编辑 - [Tripo 3D模型生成](https://platform.qianwenai.com/docs/developer-guides/3d-generation/text-image-to-3d.md): 通过千问AI平台调用 Tripo 模型,支持三种生成模式:文生3D模型、单图生3D模型和多图生3D模型。 - [HappyOyster使用指南](https://platform.qianwenai.com/docs/developer-guides/getting-started/world-model/happyoyster-guide.md): HappyOyster 世界模型使用指南:Adventure(世界探索)模式的能力说明、效果展示与提示词编写方法。 - [语音合成模型](https://platform.qianwenai.com/docs/developer-guides/speech/tts-models.md): 选择适合语音合成、声音克隆和音色设计的模型,并查看各系列支持的音色类型、合成方式与语言范围。 - [实时语音合成](https://platform.qianwenai.com/docs/developer-guides/speech/realtime-streaming.md): 了解实时语音合成的模型特性、流式调用方法和合成效果优化方式。 - [非实时语音合成](https://platform.qianwenai.com/docs/developer-guides/speech/tts.md): 通过 HTTP 将完整文本转换为语音,了解模型特性、快速调用方法和合成效果优化方式。 - [音色复刻](https://platform.qianwenai.com/docs/developer-guides/speech/voice-cloning.md): 根据音频样本创建自定义音色,用于语音合成或实时语音对话。 - [音色设计](https://platform.qianwenai.com/docs/developer-guides/speech/voice-design.md): 通过文本描述创建自定义音色,无需音频样本,支持 CosyVoice 和 Qwen-Audio-TTS 模型。 - [SSML 与 LaTeX](https://platform.qianwenai.com/docs/developer-guides/speech/ssml.md): 通过 SSML 控制语速、停顿、发音等语音特征,或将 LaTeX 公式转换为自然语音 - [语音合成最佳实践](https://platform.qianwenai.com/docs/developer-guides/speech/tts-high-concurrency-best-practices.md): 介绍语音合成的文本提交、音频处理、连接与并发资源管理,以及性能评估和问题诊断的最佳实践。 - [Qwen-Audio-TTS音色列表](https://platform.qianwenai.com/docs/developer-guides/speech/voice-list/qwen-audio-tts.md): 查看 Qwen-Audio-TTS 各模型的系统音色,试听音色效果,并下载基础音色列表和试听音频。 - [CosyVoice 音色列表](https://platform.qianwenai.com/docs/developer-guides/speech/voice-list/cosyvoice.md): 系统预置音色列表 - [Qwen3-TTS 音色列表](https://platform.qianwenai.com/docs/developer-guides/speech/voice-list/qwen-tts.md): Qwen3-TTS 实时与非实时语音合成支持的音色 - [音频生成](https://platform.qianwenai.com/docs/developer-guides/speech/audio-generation.md): 通过文本描述和参考音频,一次生成语音、音效与环境音,构建多人对话、播客等完整声音场景。本文介绍效果示例及提示词写法。 - [语音识别模型](https://platform.qianwenai.com/docs/developer-guides/speech/speech-to-text-models.md): 千问AI平台语音识别支持实时音频和录音文件转写,提供多语言与方言、热词与上下文、文本润色、说话人分离等能力。 - [实时语音识别](https://platform.qianwenai.com/docs/developer-guides/speech/asr-realtime.md): 了解实时语音识别的模型特性、音频流调用方式和识别效果优化方法。 - [录音文件转写](https://platform.qianwenai.com/docs/developer-guides/speech/asr.md): 将音视频文件转为文字 - [提升识别准确率](https://platform.qianwenai.com/docs/developer-guides/speech/improve-recognition-accuracy.md): 通过热词(即时热词、预编译热词)和上下文增强,改善人名、产品名、行业术语等词汇的语音识别效果。 - [语音识别最佳实践](https://platform.qianwenai.com/docs/developer-guides/speech/best-practices.md): 介绍语音识别应用中的音频准备、连接复用、Java 并发处理、异步作业管理和异常处理方法。 - [语音到语音模型](https://platform.qianwenai.com/docs/developer-guides/speech/s2s-models.md): 为'语音输入 → 语音输出'场景(语音对话、语音翻译、同声传译等)选择模型。 - [Qwen-Audio 实时语音对话](https://platform.qianwenai.com/docs/developer-guides/speech/qwen-audio-realtime.md): Qwen-Audio 是端到端实时语音交互大模型,支持低延迟语音对话,适用于语音助手、智能客服、AI 伴侣等场景。 - [实时语音/音视频翻译-千问](https://platform.qianwenai.com/docs/developer-guides/speech/realtime-translation.md): 本文介绍千问实时语音/音视频翻译模型的能力、支持的模型和接入方式。模型可结合音频与图像输入进行实时翻译,输出目标语种的文本或语音,适用于实时语音交流和视频翻译等场景。 - [音视频文件翻译-千问](https://platform.qianwenai.com/docs/developer-guides/speech/file-translation.md): 千问3-LiveTranslate-Flash 是音视频翻译模型,支持 18 种语言(包括中文、英文、俄文、法文等)互译,可结合视觉上下文提升翻译准确性,并输出文本与语音。 - [全模态模型](https://platform.qianwenai.com/docs/developer-guides/speech/omni-models.md): 为多模态理解、音视频分析、语音对话、内容审核、语音翻译等全模态场景选择模型。 - [实时音视频理解](https://platform.qianwenai.com/docs/developer-guides/speech/realtime-multimodal-speech.md): 通过 WebSocket 或 WebRTC 接入 Qwen-Omni 系列模型,实现音频和视频的低延迟实时对话。 - [音视频文件理解](https://platform.qianwenai.com/docs/developer-guides/speech/multimodal-speech.md): 文本+图像/音频输入 - [音色列表](https://platform.qianwenai.com/docs/developer-guides/speech/omni-voice-list.md): Qwen-Omni 和 Qwen-LiveTranslate 模型支持的音色、试听、voice 参数值及语言范围。 - [声音复刻](https://platform.qianwenai.com/docs/developer-guides/speech/omni-voice-cloning.md): 上传录音创建音色,再用于 Qwen-Omni 或 Qwen-Omni-Realtime 对话。本文介绍支持的语言、音频要求、复刻步骤、费用和音色管理规则。 - [向量与重排模型](https://platform.qianwenai.com/docs/developer-guides/getting-started/embedding-models.md): 选择适用于语义搜索、RAG 检索、跨模态匹配和重排序的模型。 - [文本与多模态向量化](https://platform.qianwenai.com/docs/developer-guides/embeddings/embedding.md): 向量化模型可将文本、图像、视频等数据转换为数值向量,用于语义搜索、推荐、聚类、分类、异常检测等下游任务。 - [重排序](https://platform.qianwenai.com/docs/developer-guides/embeddings/reranking.md): 提升搜索精准度 - [函数调用](https://platform.qianwenai.com/docs/developer-guides/tool-calling/function-calling.md): 将模型连接到外部工具 - [联网搜索](https://platform.qianwenai.com/docs/developer-guides/tool-calling/web-search.md): 让模型响应基于实时网络数据——查询天气、股票价格、近期新闻等训练数据截止日期后的内容。 - [网页抓取](https://platform.qianwenai.com/docs/developer-guides/tool-calling/web-scraping.md): 抓取 URL 内容作为上下文 - [代码解释器](https://platform.qianwenai.com/docs/developer-guides/tool-calling/code-interpreter.md): 在沙箱中运行 Python 代码 - [图片搜索](https://platform.qianwenai.com/docs/developer-guides/tool-calling/image-search.md): 通过 Responses API 搜索图片 - [PDF理解](https://platform.qianwenai.com/docs/developer-guides/tool-calling/pdf-understanding.md): PDF文件通过VL模型解析 - [MCP](https://platform.qianwenai.com/docs/developer-guides/tool-calling/mcp.md): 在对话中使用外部工具 - [结构化输出](https://platform.qianwenai.com/docs/developer-guides/text-generation/structured-output.md): 让模型稳定返回合法 JSON,并可通过 JSON Schema 精确约束输出结构 - [思考模式](https://platform.qianwenai.com/docs/developer-guides/text-generation/thinking.md): 通过逐步推理解决复杂任务 - [思维链摘要与加密](https://platform.qianwenai.com/docs/developer-guides/text-generation/cot-summary.md): Qwen4-Max 返回可展示的思维链摘要和完整思维链的密文,用于多轮对话中恢复历史思考。 - [批量调用](https://platform.qianwenai.com/docs/developer-guides/text-generation/batch.md): 异步批量处理请求,费用低至实时调用的 50% - [批量推理](https://platform.qianwenai.com/docs/developer-guides/text-generation/batch-chat.md): 同步等待结果的批量对话接口,费用低至实时调用的 50% ## 运行与扩展 - [Prime 模式](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/prime-mode.md): Prime 模式为对输出速度敏感的场景提供更高的 TPS,适用于 AI 编程助手、Agent 多步推理、实时对话等场景。 - [多轮对话](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/multi-turn.md): 管理对话上下文 - [上下文缓存](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/context-cache.md): 通过前缀复用降低成本 - [显式缓存(Qwen4)](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/explicit-cache-qwen4.md): 仅适用于 Qwen4 系列模型的显式缓存。通过自动缓存或缓存断点指定需要复用的输入前缀,并按 5 分钟或 1 小时设置缓存有效期,减少重复计算,降低延迟和输入成本。 - [流式输出](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/streaming.md): 逐 token 实时接收模型生成的文本。 ## 实践教程 - [DeepSeek-千问AI平台](https://platform.qianwenai.com/docs/developer-guides/third-party-models/deepseek.md): 通过OpenAI兼容接口或DashScope SDK调用千问AI平台提供的DeepSeek系列模型。 - [DeepSeek-硅基流动](https://platform.qianwenai.com/docs/developer-guides/third-party-models/deepseek-siliconflow.md): 本文档介绍如何在千问AI平台平台通过OpenAI兼容接口或DashScope SDK调用硅基流动提供的DeepSeek系列模型。 - [DeepSeek-快手万擎](https://platform.qianwenai.com/docs/developer-guides/third-party-models/deepseek-kuaishou.md): 本文档介绍如何在千问AI平台平台调用快手万擎直供的 DeepSeek 系列模型推理服务。 - [Kimi-千问AI平台](https://platform.qianwenai.com/docs/developer-guides/third-party-models/kimi.md): 本文档介绍如何调用千问AI平台部署的 Kimi 模型推理服务。 - [Kimi-月之暗面](https://platform.qianwenai.com/docs/developer-guides/third-party-models/kimi-moonshot.md): 本文档介绍如何在千问AI平台平台调用月之暗面(Moonshot AI)直供的模型推理服务。 - [GLM-千问AI平台](https://platform.qianwenai.com/docs/developer-guides/third-party-models/glm.md): 通过API调用 GLM 系列模型进行对话。 - [GLM-智谱](https://platform.qianwenai.com/docs/developer-guides/third-party-models/glm-zhipu.md): 本文档介绍如何在千问AI平台平台调用智谱(ZHIPU AI)直供的模型推理服务。 - [MiMo-小米](https://platform.qianwenai.com/docs/developer-guides/third-party-models/mimo.md): 通过API调用小米直供的 MiMo 系列模型进行对话。 - [MiniMax-千问AI平台](https://platform.qianwenai.com/docs/developer-guides/third-party-models/minimax.md): 本文档介绍如何调用千问AI平台部署的 MiniMax 模型推理服务。 - [MiniMax-稀宇科技](https://platform.qianwenai.com/docs/developer-guides/third-party-models/minimax-minimaxi.md): 本文档介绍如何在千问AI平台平台调用稀宇科技(简称MiniMax)直供的模型推理服务。 - [Stepfun-阶跃星辰](https://platform.qianwenai.com/docs/developer-guides/third-party-models/stepfun.md): 本文档介绍如何在千问AI平台调用阶跃星辰(Stepfun)直供的 Step 系列模型推理服务。 - [Unisound-云知声](https://platform.qianwenai.com/docs/developer-guides/third-party-models/unisound.md): Unisound U2 是云知声推出的原生 Agent 旗舰模型,支持长文本理解、任务拆解、工具调用与多步骤执行。 - [Ling-蚂蚁数科](https://platform.qianwenai.com/docs/developer-guides/third-party-models/antdigital.md): 本文档介绍如何在千问AI平台调用蚂蚁数科直供的 Ling 系列模型推理服务。 - [Vidu视频生成Prompt指南](https://platform.qianwenai.com/docs/developer-guides/third-party-models/vidu-prompt-guide.md): 本文涵盖从提示词公式、关键词词典到进阶案例的完整实践方法。 - [模型调优](https://platform.qianwenai.com/docs/developer-guides/accuracy-tuning/overview.md): 在千问AI平台上提升文本、图像、视频、语音和视觉模型的输出准确性与一致性 - [文本生成微调](https://platform.qianwenai.com/docs/developer-guides/accuracy-tuning/text-generation.md): 设计高效的提示词 - [图像生成微调](https://platform.qianwenai.com/docs/developer-guides/accuracy-tuning/image-generation.md): 提升 Wan 图像生成效果 - [视频生成微调](https://platform.qianwenai.com/docs/developer-guides/accuracy-tuning/video-generation.md): 优化视频生成提示词的方法与技巧 - [语音识别最佳实践](https://platform.qianwenai.com/docs/developer-guides/accuracy-tuning/speech-recognition.md): 通过音频质量优化、词汇定制和后处理纠错,提升语音识别准确率。 - [显式缓存最佳实践](https://platform.qianwenai.com/docs/developer-guides/accuracy-tuning/explicit-cache-best-practice.md): 显式缓存通过在请求中添加缓存标记,确保相同输入内容确定性命中缓存,从而显著降低成本和延迟。 - [延迟优化](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/latency-optimization.md): 降低千问AI平台文本、图像、视频和语音模型的响应延迟 - [成本优化](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/cost-optimization.md): 在保证输出质量的同时,降低文本、图像、视频和语音 API 调用费用 - [安全](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/safety.md): 覆盖所有模态的内容审核、输入/输出防护与负责任的 AI 实践 - [异步任务管理](https://platform.qianwenai.com/docs/developer-guides/run-and-scale/async-task-management.md): 千问AI平台的两种异步模式:Task API 用于媒体生成,Batch API 用于大规模文本处理 - [通过WebRTC使用qwen3.8-omni-flash-realtime实现实时通话](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/webrtc-omni-realtime.md): 通过 WebRTC 协议使用 qwen3.8-omni-flash-realtime 模型实现实时通话 - [通过AOQ使用qwen3.8-omni-flash-realtime实现实时通话](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/aoq-omni-realtime.md): 通过 AOQ 协议使用 qwen3.8-omni-flash-realtime 模型实现实时通话 - [使用 AOQ 接入 qwen3.8-omni-flash-realtime 实现按键语音对话](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/aoq-omni-ptt.md): 通过 AOQ 接入 qwen3.8-omni-flash-realtime,由客户端控制语音起止,实现按键通话和可选的拍照提问。客户端代码以 iOS Swift 为例。 - [使用 AOQ 接入 qwen-audio-3.1-asr-flash-streaming 实现语音输入法](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/aoq-asr-streaming.md): 本文介绍如何使用 AOQ SDK 接入 qwen-audio-3.1-asr-flash-streaming 实时语音识别模型,实现语音输入法功能。 - [使用 AOQ 接入 qwen3.8-livetranslate-flash-realtime 实现实时语音翻译](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/aoq-livetranslate.md): 本文以 Android 平台为例,介绍如何接入 AOQ Client SDK,使用 qwen3.8-livetranslate-flash-realtime 实现语音的实时翻译。其他平台的接入流程和模型事件处理方式类似,使用对应平台的 SDK 接口即可;下文客户端代码统一使用 Java。 - [使用 AOQ 接入 Qwen-Audio 实现实时语音对话](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/aoq-audio-realtime.md): 通过 AOQ 接入 qwen-audio-3.1-realtime-plus,使用服务端 VAD 自动划分轮次,实现低延迟的实时语音对话。客户端代码以 Android Java 为例。 - [使用 AOQ 接入 qwen-audio-3.0-tts-flash 实现语音合成](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/aoq-tts-realtime.md): 通过 AOQ 接入 qwen-audio-3.0-tts-flash,分段发送文本并实时播放合成语音。客户端代码以 Android Java 为例。 - [使用AOQ接入fun-asr-realtime实现实时语音识别](https://platform.qianwenai.com/docs/developer-guides/tutorials/realtime/aoq-fun-asr-realtime.md): 通过 AOQ 接入 fun-asr-realtime,发送麦克风音频并实时接收语音识别结果。客户端代码以 Android Java 为例,AOQ 支持的其他平台使用相同的接口。 ## 管理 - [API Key](https://platform.qianwenai.com/docs/developer-guides/administration/api-keys.md): 创建和管理 API Key - [业务空间](https://platform.qianwenai.com/docs/developer-guides/administration/workspace.md): 管理模型权限、速率限制和 API Key - [限流](https://platform.qianwenai.com/docs/developer-guides/administration/rate-limits.md): 了解和管理 API 限流 - [动态限流](https://platform.qianwenai.com/docs/developer-guides/administration/dynamic-rate-limits.md): 千问AI平台对部分模型采用动态限流,TPM 限流值随平台月消费额度按月调整,实际可用 TPM 不低于限流值。 - [用量分析与请求日志](https://platform.qianwenai.com/docs/developer-guides/integrations/mlops-observability.md): 查看 Token 消耗、请求日志与性能指标,并按 Request ID 排查单次调用 ## 模型生产 - [数据集概览](https://platform.qianwenai.com/docs/developer-guides/datasets/overview.md): 在千问AI平台上管理用于模型微调和模型评测的数据集。 - [创建数据集](https://platform.qianwenai.com/docs/developer-guides/datasets/create-dataset.md): 上传训练数据或评测数据到千问AI平台,用于模型微调或模型评测。 - [管理数据集](https://platform.qianwenai.com/docs/developer-guides/datasets/manage-datasets.md): 在千问AI平台上发布、编辑和删除数据集。 - [模型微调概览](https://platform.qianwenai.com/docs/developer-guides/fine-tuning/overview.md): 通过千问AI平台的 SFT、DPO、CPT 微调 Qwen 模型,支持 LoRA 和全参训练模式。 - [创建微调任务](https://platform.qianwenai.com/docs/developer-guides/fine-tuning/create-fine-tuning-job.md): 在工作台中创建模型微调任务的步骤指南。 - [管理微调任务](https://platform.qianwenai.com/docs/developer-guides/fine-tuning/manage-fine-tuning-jobs.md): 在工作台中监控、管理和部署微调任务。 - [超参数参考](https://platform.qianwenai.com/docs/developer-guides/fine-tuning/hyperparameters.md): 千问AI平台微调超参数的参考说明与调参建议。 - [微调训练计费](https://platform.qianwenai.com/docs/developer-guides/fine-tuning/training-billing.md): 千问AI平台模型微调的训练计费规则、公式与各模型训练单价。 - [自定义模型概览](https://platform.qianwenai.com/docs/developer-guides/custom-models/overview.md): 查看和管理您在千问AI平台上微调的模型。 - [模型评测概览](https://platform.qianwenai.com/docs/developer-guides/evaluation/overview.md): 通过千问AI平台的模型评测功能,从多维度量化模型表现,支持 LLM 自动打分与人工标注两种方式。 - [评测维度](https://platform.qianwenai.com/docs/developer-guides/evaluation/evaluation-dimensions.md): 在千问AI平台上创建和管理评测维度,支持 LLM 数值打分、LLM 分类判定和人工标注三种类型。 - [评测任务](https://platform.qianwenai.com/docs/developer-guides/evaluation/evaluation-tasks.md): 在千问AI平台上创建评测任务,选择数据来源、评测模型和评测维度,量化模型输出质量。 - [创建部署](https://platform.qianwenai.com/docs/developer-guides/deployment/overview.md): 在千问AI平台上部署自定义模型,为生产工作负载创建专属推理服务。 - [管理部署](https://platform.qianwenai.com/docs/developer-guides/deployment/manage-deployments.md): 在千问AI平台上监控和管理模型部署的生命周期。 ## 安全与合规 - [数据安全与隐私](https://platform.qianwenai.com/docs/developer-guides/security-compliance/data-security.md): 千问AI平台如何保护您的数据 - [审计与访问日志](https://platform.qianwenai.com/docs/developer-guides/security-compliance/audit-logs.md): 追踪 API 使用情况,满足合规要求 - [模型备案信息公示](https://platform.qianwenai.com/docs/developer-guides/security-compliance/model-filing.md): 千问AI平台接入大模型的算法备案号与大模型备案号公示 - [开源模型协议条款说明](https://platform.qianwenai.com/docs/developer-guides/security-compliance/open-source-model-terms.md): 千问AI平台平台开源模型的开源协议及许可证条款说明 ## 模型列表 - [模型列表](https://platform.qianwenai.com/docs/models/model-list.md): 千问AI平台模型总览,按文本生成、图像生成、视频生成、3D模型生成、世界模型、语音、全模态、向量与重排序等能力分类。 - [文本生成](https://platform.qianwenai.com/docs/models/model-list-text-generation.md): 文本生成模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen3.8-max](https://platform.qianwenai.com/docs/models/qwen3-8-max.md): 2.4万亿参数的MoE架构旗舰模型,在编程与办公场景能力提升,适用于法律、金融、设计等专业任务。具备原生视觉理解能力,支持超长文档与长视频的语义解析,并支持长程任务的自主规划与迭代。 - [qwen3.7-max](https://platform.qianwenai.com/docs/models/qwen3-7-max.md): Qwen3.7系列中规模最大的Max模型,当前开放纯文本模型能力供体验。Qwen3.7是面向智能体时代的旗舰模型,核心优势在于智能体能力的广度与深度:在编程、办公与生产力、长周期自主执行方面均能胜任各项任务。该模型版本功能等同于快照模型 qwen3.7-max-2026-05-20。 - [qwen-max](https://platform.qianwenai.com/docs/models/qwen-max.md): 千问2.5系列千亿级别超大规模语言模型,支持中文、英文等不同语言输入。随着模型的升级,qwen-max将滚动更新升级。如果希望使用固定版本,请使用历史快照版本。该模型版本功能等同于快照模型 qwen-max-2025-01-25。 - [qwen3.7-plus](https://platform.qianwenai.com/docs/models/qwen3-7-plus.md): Qwen3.7系列中高性价比Plus模型,在强大文本能力的基础上全面升级了视觉-语言能力,同时保持了在编码、工具使用和生产力工作流方面的完整智能体能力。其核心特色为多模态交互混合智能体能力,能够感知真实世界场景、读取屏幕并操作 GUI、基于视觉参考生成代码、端到端导航移动应用。该模型版本功能等同于快照模型 qwen3.7-plus-2026-05-26。 - [qwen3.6-plus](https://platform.qianwenai.com/docs/models/qwen3-6-plus.md): Qwen3.6原生视觉语言系列Plus模型,效果相较3.5系列显著提升。模型在Agentic coding、前端编程、Vibe coding等代码能力、多模态万物识别、OCR、物体定位等能力上显著增强。该模型版本功能等同于快照模型 qwen3.6-plus-2026-04-02。 - [qwen3.5-plus](https://platform.qianwenai.com/docs/models/qwen3-5-plus.md): Qwen3.5原生视觉语言系列Plus模型,基于混合架构设计,融合了线性注意力机制与稀疏混合专家模型,实现了更高的推理效率。在多项任务评测中,3.5系列在纯文本与多模态方面相较3系列均实现显著提升。该模型版本功能等同于快照模型 qwen3.5-plus-2026-02-15。 - [qwen-plus](https://platform.qianwenai.com/docs/models/qwen-plus.md): Qwen3 系列 Plus 模型,融合思考模式和非思考模式,可在对话中切换模式。该模型版本功能等同于快照模型 qwen-plus-2025-12-01。 - [qwen3.8-flash](https://platform.qianwenai.com/docs/models/qwen3-8-flash.md): Qwen3.8-Flash 是通义千问多模态大模型,兼具强大的理解与生成能力和响应速度。模型原生支持百万级上下文窗口,能够一次性处理超长文档、代码仓库和复杂对话。在编程辅助、智能体协作、图文理解等场景中表现尤为出色——无论是自动修复代码、操作桌面应用,还是分析图表与长视频,都能给出准确、高质量的结果。同时兼容 OpenAI 与 Anthropic 主流接口协议,可无缝接入 Claude Code、Codex 等开发者工具,轻松构建高并发应用与智能工作流。 - [qwen3.7-flash](https://platform.qianwenai.com/docs/models/qwen3-7-flash.md): Qwen3.7原生视觉语言系列Flash模型,相较3.6-Flash全面提升多模态理解与Agent执行能力。重点强化多模态基础能力、万物识别能力更强,真实世界感知与空间智能进一步提升,Search Agent、CI Agent等多模态Agent场景能力显著升级、端到端任务执行更稳定,多模态Coding能力优化、vibe coding 体验更加流畅。 - [qwen3.6-flash](https://platform.qianwenai.com/docs/models/qwen3-6-flash.md): Qwen3.6原生视觉语言系列Flash模型,模型效果相较3.5-Flash显著提升。本模型重点提升agentic coding能力(在多项代码智能体基准上大幅超越前代)、数学推理和代码推理能力;视觉方面在空间智能能力上显著增强,物体定位与目标检测提升尤为突出。 - [qwen3.5-flash](https://platform.qianwenai.com/docs/models/qwen3-5-flash.md): Qwen3.5原生视觉语言系列Flash模型,基于混合架构设计,融合了线性注意力机制与稀疏混合专家模型,实现了更高的推理效率。模型效果在纯文本与多模态方面相较3系列均实现飞跃式进步;响应速度快,兼具推理速度和性能。该模型版本功能等同于快照模型 qwen3.5-flash-2026-02-23。 - [qwen-flash](https://platform.qianwenai.com/docs/models/qwen-flash.md): Qwen3系列Flash模型,实现思考模式和非思考模式的有效融合,可在对话中切换模式。复杂推理类任务性能优秀,指令遵循、文本理解等能力显著提高。支持1M上下文长度,按照上下文长度进行阶梯计费。该模型版本功能等同于快照模型 qwen-flash-2025-07-28。 - [qwen-plus-character](https://platform.qianwenai.com/docs/models/qwen-plus-character.md): 千问系列角色扮演模型,本模型是动态更新版本,模型更新会提前通知,适合拟人化的角色扮演,同时优化了限定人设指令遵循、话题推进、倾听共情等能力,支持个性化角色的深度还原。 - [qwen-flash-character](https://platform.qianwenai.com/docs/models/qwen-flash-character.md): 千问系列多语言角色扮演模型,本模型是动态更新版本,模型更新会提前通知,适合拟人化的角色扮演,同时优化了限定人设指令遵循、话题推进、倾听共情等能力,支持个性化角色的深度还原。 - [qwen-long](https://platform.qianwenai.com/docs/models/qwen-long.md): Qwen-Long是在通义千问针对超长上下文处理场景的大语言模型,支持中文、英文等不同语言输入,支持最长1000万tokens(约1500万字或1.5万页文档)的超长上下文对话。配合同步上线的文档服务,可支持文本文件( TXT、DOCX、PDF、XLSX、EPUB、MOBI、MD、CSV)和图片文件(BMP、PNG、JPG/JPEG、GIF 以及PDF扫描件)的解析和对话。说明:通过HTTP直接提交请求,支持1M tokens长度,超过此长度建议通过文件方式提交。 - [qwen3-coder-flash](https://platform.qianwenai.com/docs/models/qwen3-coder-flash.md): 基于Qwen3的代码生成模型,继承Qwen3-Coder-Plus的coding agent能力,支持多轮工具交互,重点优化仓库级别理解能力并增加工具调用稳定性。该模型版本功能等同于快照模型 qwen3-coder-flash-2025-07-28。 - [qwen-mt-uni](https://platform.qianwenai.com/docs/models/qwen-mt-uni.md): 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。 - [qwen-mt-plus](https://platform.qianwenai.com/docs/models/qwen-mt-plus.md): 基于Qwen3全面升级的旗舰级翻译大模型,支持92个语种互译,模型性能和翻译效果全面升级,并提供更稳定的术语定制、格式还原度、领域提示能力,让译文更精准、自然。 - [qwen-mt-flash](https://platform.qianwenai.com/docs/models/qwen-mt-flash.md): 基于Qwen3全面升级的轻量级文本翻译大模型,支持92个语种互译,模型性能和翻译效果全面升级,并提供更稳定的术语定制、格式还原度、领域提示能力,让译文更精准、自然。 - [qwen-mt-lite](https://platform.qianwenai.com/docs/models/qwen-mt-lite.md): 基于Qwen3全面升级的基础级文本翻译大模型,支持32个语种互译,模型性能和翻译效果全面升级,并提供更稳定的术语定制、格式还原度、领域提示能力,让译文更精准、自然。 - [qwen-doc-turbo](https://platform.qianwenai.com/docs/models/qwen-doc-turbo.md): 快速对文档进行精准信息抽取,打标分类,内容审核及摘要总结。 - [qwen-deep-research](https://platform.qianwenai.com/docs/models/model-qwen-deep-research.md): 千问深入研究是一款面向复杂研究任务的高级智能体系统,具备多轮推理与全局规划能力,能够运用互联网搜索等多种工具,对任务进行精细化拆解,开展推理与分析,最终为用户生成可溯源、逻辑严谨的研究型报告。 - [tongyi-intent-detect-v3](https://platform.qianwenai.com/docs/models/tongyi-intent-detect-v3.md): 意图识别和槽位填充是对话系统中的基础任务。本模型实现了一个基于 API的意图(intent)和槽位参数(slots)联合预测。在一次模型输出中,同时完成多个指令API的返回和槽位参数的填充。返回的结果为标准json格式。 - [tongyi-xiaomi-analysis-flash](https://platform.qianwenai.com/docs/models/tongyi-xiaomi-analysis-flash.md): 伶鹊-对话分析-flash是专注于日常任务,如对话信息抽取、场景分类等分析类需求的模型,自定义分析标准遵循与对话语义理解能力显著提升,适用于低时延的离线在线分析任务。 - [tongyi-xiaomi-analysis-pro](https://platform.qianwenai.com/docs/models/tongyi-xiaomi-analysis-pro.md): 伶鹊-对话分析-pro是专注于高阶复杂分析,如针对具备复杂业务逻辑的复杂质检规则等分析需求的模型,支持自定义更细粒度的分析标准,具备更强的多轮上下文建模、深层语义理解与推理能力。 - [qwen3-vl-plus](https://platform.qianwenai.com/docs/models/qwen3-vl-plus.md): Qwen3系列视觉理解模型,实现思考模式和非思考模式的有效融合,视觉智能体能力在OS World等公开测试集上达到世界水平。此版本在视觉coding、空间感知、多模态思考等方向全面升级;视觉感知与识别能力大幅提升,支持超长视频理解。 - [qwen3.5-ocr](https://platform.qianwenai.com/docs/models/qwen3-5-ocr.md): Qwen3.5系列OCR模型,在文档解析、文本定位、关键信息提取等方面全面升级,在真实场景的业务卡证(如国内国际身份证、驾驶证等业务场景中)抽取上效果显著提升。 - [qwen-vl-ocr](https://platform.qianwenai.com/docs/models/qwenvl-ocr.md): 千问VL-OCR(qwen-vl-ocr),即基于Qwen-VL训练的OCR识别大模型。通过统一模型的方式聚合多种图文识别、解析、处理类任务,提供强大的图文识别能力。该模型版本功能等同于快照模型 qwen-vl-ocr-2025-11-20。 - [gui-plus](https://platform.qianwenai.com/docs/models/gui-plus.md): GUI系列图形界面交互基础模型,针对手机端与电脑端图形界面理解与交互任务,性能优于开源版同类GUI模型。全面升级跨平台界面理解与多步任务规划,支持跨应用复杂任务;具备精细化动作执行与多角色多智能体协作能力,胜任真实复杂交互场景。 - [qwen3.8-2.4t-a95b](https://platform.qianwenai.com/docs/models/qwen3-8-2-4t-a95b.md): Qwen3.8-2.4T-A95B 是通义千问旗舰系列的开源版本,2026 年 8 月发布。采用稀疏 MoE 架构,总参数 2.4 万亿,每步激活约 950 亿,配合混合注意力机制,支持 100 万 Token 上下文。核心基准:GPQA Diamond 92.6、PaperBench 93.0、OSWorld 86.1、BabyVision 82.0,CodeArena 全球第 4。 - [qwen3.8-27b](https://platform.qianwenai.com/docs/models/qwen3-8-27b.md): Qwen3.8系列27B原生视觉语言Dense模型,模型效果相较3.6-27B重点提升了文本和视觉模态下的编程和办公场景能力,能更可靠地端到端完成复杂任务,输出值得信赖的成果。 - [qwen3.6-27b](https://platform.qianwenai.com/docs/models/qwen3-6-27b.md): Qwen3.6系列27B原生视觉语言Dense模型,模型效果相较3.5-27B重点提升了Agentic coding能力、模型STEM与推理能力进一步增强;视觉模态方面在空间智能、物体定位与检测能力上显著增强,视频理解、文档OCR及视觉Agent能力稳步提升。 - [qwen3.6-35b-a3b](https://platform.qianwenai.com/docs/models/qwen3-6-35b-a3b.md): Qwen3.6系列35B-A3B原生视觉语言模型,基于混合架构设计,融合了线性注意力机制与稀疏混合专家模型,实现了更高的推理效率。模型效果相较3.5-35B-A3B显著提升了agentic coding能力、数学推理和代码推理能力、空间智能能力、物体定位与目标检测能力。 - [qwen3.5-122b-a10b](https://platform.qianwenai.com/docs/models/qwen3-5-122b-a10b.md): Qwen3.5系列122B-A10B原生视觉语言模型,基于混合架构设计,融合了线性注意力机制与稀疏混合专家模型,实现了更高的推理效率。该模型的综合表现仅次于Qwen3.5-397B-A17B,文本能力显著优于Qwen3-235B-2507,视觉能力优于Qwen3-VL-235B。 - [qwen3.5-27b](https://platform.qianwenai.com/docs/models/qwen3-5-27b.md): Qwen3.5系列27B原生视觉语言Dense模型,融合了线性注意力机制;响应速度快,兼具推理速度和性能。该模型的综合能力接近于Qwen3.5-122B-A10B。 - [qwen3.5-35b-a3b](https://platform.qianwenai.com/docs/models/qwen3-5-35b-a3b.md): Qwen3.5系列35B-A3B原生视觉语言模型,基于混合架构设计,融合了线性注意力机制与稀疏混合专家模型,实现了更高的推理效率。该模型的综合表现接近于Qwen3.5-27B。 - [qwen3.5-397b-a17b](https://platform.qianwenai.com/docs/models/qwen3-5-397b-a17b.md): Qwen3.5系列397B-A17B原生视觉语言模型,基于混合架构设计,融合了线性注意力机制与稀疏混合专家模型,实现了更高的推理效率。在语言理解、逻辑推理、代码生成、智能体任务、图像理解、视频理解、图形用户界面(GUI)等多种任务中,均展现出与当前前沿模型相媲美的性能。具备强大的代码生成与智能体能力,对于各类智能体场景具有良好的泛化性。 - [deepseek-v4-pro](https://platform.qianwenai.com/docs/models/deepseek-v4-pro.md): 旗舰级 MoE 大模型,总参1.6T、激活 49B,原生支持百万级超长上下文。依托海量高质量训练数据,具备数学逻辑、复杂推理、专业代码与长文本深度解析能力,适配高阶科研、复杂办公、深度智能代理等高难度场景。 - [deepseek-v4.1-flash](https://platform.qianwenai.com/docs/models/deepseek-v4-1-flash.md): DeepSeek-V4.1-Flash 是 DeepSeek 新架构系列中的轻量模型,采用 552B 总参数 MoE 架构。它采用 Causal Encoder-Decoder 非对称架构,输入激活 8B、输出激活 16B,并具备原生多模态视觉理解能力。KV Cache 压缩至上一代 HBM 的 1/4、SSD 的 1/8,降低长上下文与 Agent 任务成本。支持 1M 上下文与 384K 最大输出。 - [deepseek-v4-flash-0731](https://platform.qianwenai.com/docs/models/deepseek-v4-flash-0731.md): DeepSeek-V4-Flash-0731 是高效轻量化的 MoE 模型,总参数 284B、激活参数 13B,原生支持 1M 超长上下文。模型推理速度快、延迟低,适合日常对话、内容创作、基础 RAG 和批量文案处理等场景。 - [vanchin/deepseek-v3.2-think](https://platform.qianwenai.com/docs/models/deepseek-v3-2-think.md): DeepSeek-V3.2 在计算效率与推理及代理(Agent)性能之间取得平衡。该模型建立在 DeepSeek-V3 的基础之上,引入 DeepSeek 稀疏注意力(DSA)、可扩展的强化学习框架以及大规模代理任务合成流水线等关键技术。 - [siliconflow/deepseek-v3.1-terminus](https://platform.qianwenai.com/docs/models/deepseek-v3-1-terminus.md): DeepSeek-V3.1-Terminus 是由深度求索(DeepSeek)发布的 V3.1 模型的更新版本,定位为混合智能体大语言模型。此次更新在保持模型原有能力的基础上,专注于修复用户反馈的问题并提升稳定性。它显著改善了语言一致性,减少了中英文混用和异常字符的出现。模型集成了“思考模式”(Thinking Mode)和“非思考模式”(Non-thinking Mode),用户可通过聊天模板灵活切换以适应不同任务。作为一个重要的优化,V3.1-Terminus 增强了代码智能体(Code Agent)和搜索智能体(Search Agent)的性能,使其在工具调用和执行多步复杂任务方面更加可靠 - [deepseek-r1-distill-qwen-1.5b](https://platform.qianwenai.com/docs/models/deepseek-r1-distill-qwen-1-5b.md): DeepSeek-R1-Distill-Qwen-1.5B是一个基于Qwen2.5-Math-1.5B的蒸馏大型语言模型,使用了 DeepSeek R1 的输出。 - [vanchin/deepseek-ocr](https://platform.qianwenai.com/docs/models/deepseek-ocr.md): DeepSeek-OCR以 “探索视觉 - 文本压缩边界” 为核心目标,从大语言模型(LLM)视角重新定义视觉编码器的功能定位,为文档识别、图像转文本等高频场景提供了兼顾精度与效率的全新解决方案。 - [kimi-k3.1-pro](https://platform.qianwenai.com/docs/models/kimi-k3-1-pro.md): Kimi-K3.1-Pro 是月之暗面(Moonshot AI)K3.1 系列的首款模型,也是 3T 级开放权重模型,为 Kimi K3 的大规模后训练版本,后训练算力大幅增加。支持 100 万 token 上下文窗口,原生具备视觉理解能力(文本、图片输入,文本输出),并通过跨数百个领域的大规模联合强化学习,在代码、3D 创作、金融研究与长程 Agent 任务上显著提升:Terminal-Bench 4.0 得分 65.7%;金融文档分析 OfficeQA Pro v2 取得 64.4 的成绩;声明级幻觉率较 K3 从 23.4% 降至 8.3%,综合智能水平已接近全球闭源模型。 - [kimi-k3](https://platform.qianwenai.com/docs/models/kimi-k3.md): Kimi-K3 是 Kimi 旗舰模型,拥有 2.8 万亿参数,基于 KDA 混合线性注意力机制(Kimi Delta Attention)和注意力残差(Attention Residuals)技术构建,原生支持视觉理解,并拥有 100 万 token 上下文窗口。它是面向长程编程、知识工作和推理等前沿智能场景而设计。 - [kimi-k2.7-code](https://platform.qianwenai.com/docs/models/kimi-k2-7-code.md): kimi-k2.7-code是 kimi coding模型,在长上下文中更可靠地遵循指令,能以更高的成功率完成编程任务,同时支持文本、图片与视频输入,思考模式,对话与 Agent 任务。 - [kimi/kimi-k2.7-code-highspeed](https://platform.qianwenai.com/docs/models/kimi-k2-7-code-highspeed.md): K2.7 Code 高速版与普通版是同一个模型,但输出速度约为普通版的 5-6 倍。常规编程场景下(取输入长度中位数)输出速度约 180 Token/s,短上下文场景可达 260 Token/s。 - [kimi-k2.6](https://platform.qianwenai.com/docs/models/kimi-k2-6.md): kimi-k2.6是Kimi模型,具备更强更稳的长程代码编写能力,指令遵循和自我纠错能力显著提升,同时支持文本、图片与视频输入,思考与非思考模式,对话与Agent任务。 - [kimi-k2.5](https://platform.qianwenai.com/docs/models/kimi-k2-5.md): kimi-k2.5是月之暗面模型,原生多模态架构设计,同时支持视觉与文本输入、思考与非思考模式、对话与Agent任务。 - [glm-5.3](https://platform.qianwenai.com/docs/models/glm-5-3.md): GLM-5.3 是智谱旗舰大语言模型,编程与智能体能力全面进阶,内部编程基准较上代提升 50%,可端到端交付生产级成果。模型具备网络安全能力,支持 1M 上下文、128K 输出与三档深度思考,胜任长程复杂任务。 - [glm-5.3-prime](https://platform.qianwenai.com/docs/models/glm-5-3-prime.md): GLM-5.3-Prime 是 GLM-5.3 的高速版本,通过推理加速将输出吞吐提升至 1.5–2 倍。支持 1M 上下文、128K 输出和三档深度思考,面向编程、智能体、实时对话和多轮编排等场景。 - [glm-5.2-fast-preview](https://platform.qianwenai.com/docs/models/glm-5-2-fast.md): GLM-5.2-Fast-Preview 是智谱 AI 旗舰模型 GLM-5.2 的高速版本,支持 1M 超长上下文,模型能力对齐 GLM-5.2 标准版,具备逻辑推理、长文本理解与代码生成能力。通过推理加速优化,输出 TPS 可达 GLM-5.2 标准版的 1.5~2 倍,显著提升输出速度,适用于实时对话、Agent 多轮调用、流式代码生成等对输出速度敏感的场景。 - [glm-5.2](https://platform.qianwenai.com/docs/models/glm-5-2.md): GLM-5.2是智谱AI推出的面向长程任务(Long Horizon Task)设计的旗舰模型,支持1M超长上下文。拥有强大逻辑推理、长文本理解与代码生成能力、兼顾性能与推理效率;在多任务基准中表现优异,适用于智能交互、企业应用、开发辅助等场景。 - [glm-5.1](https://platform.qianwenai.com/docs/models/glm-5-1.md): GLM-5.1是智谱AI推出的面向长程任务(Long Horizon Task)设计的模型,总参数744B,支持200K超长上下文,最大输出 128K tokens。拥有强大逻辑推理、长文本理解与代码生成能力、兼顾性能与推理效率;在多任务基准中表现优异,适用于智能交互、企业应用、开发辅助等场景。 - [glm-5](https://platform.qianwenai.com/docs/models/glm-9.md): GLM-5 是面向 Coding 与 Agent 场景的大模型,基于 744B 基座、异步强化学习与稀疏注意力构建,支持复杂系统工程与长程任务。 - [MiniMax/MiniMax-M3.1-Flash](https://platform.qianwenai.com/docs/models/minimax-m3-1-flash.md): MiniMax M3.1 Flash 是面向 Agentic 任务的高性能多模态模型,支持 100 万 Token 上下文窗口,在复杂任务、软件开发和网络安全等场景中兼顾效果、推理速度与使用成本。 - [MiniMax/MiniMax-M3](https://platform.qianwenai.com/docs/models/minimax-m3.md): MiniMax M3 凭借 Coding 与 Agentic 能力、1M 超长上下文窗口以及原生多模态特性,可胜任企业级长文档理解、高质量内容生成、代码编写、Bug 修复及原生应用构建等任务;强大的 Agentic 能力端到端贯通工作流,原生多模态更带来流畅自然的图文混合交互体验。 - [MiniMax/MiniMax-M2.7](https://platform.qianwenai.com/docs/models/minimax-m2-7.md): M2.7 能够自行构建复杂 Agent Harness,并基于 Agent Teams、复杂 Skills、Tool Search tool 等能力,完成高度复杂的生产力任务。 - [MiniMax-M2.5](https://platform.qianwenai.com/docs/models/minimax-m2-5.md): MiniMax-M2.5 是 MiniMax 的旗舰级开源大模型,经过数十万个真实复杂环境中的大规模强化学习训练,在编程、工具调用、搜索与办公等生产力场景中具备较强能力。 - [xiaomi/mimo-v2.6-pro-ultraspeed](https://platform.qianwenai.com/docs/models/mimo-v2-6-pro-ultraspeed.md): MiMo-V2.6-Pro-UltraSpeed 是小米旗舰模型 MiMo-V2.6-Pro 的高速版本。该模型基于同一 1 万亿参数 MiMo-V2.6-Pro 检查点构建,在保持与原模型同等质量的前提下,输出速度提升约 10 倍。模型支持 100 万 token 上下文窗口,具备原生多模态能力。针对智能体工作流做了专项优化,在代码、视觉、通用问答与科研场景下均拥有性能,擅长处理复杂、长周期任务,可在各类智能体测试框架中展现泛化能力。 - [xiaomi/mimo-v2.5-pro](https://platform.qianwenai.com/docs/models/mimo-v2-5-pro.md): MiMo-V2.5-Pro 是小米发布的旗舰模型。与前代模型相比,它在通用智能体能力、复杂软件工程以及长程任务等方面都有显著提升。它能够独立且完全自主地完成需要人类专家耗时数天甚至数周的专业任务,涉及上千次工具调用。其高达 100 万 token 的上下文长度,非常适合集成到各种智能体框架中使用。 - [stepfun/step-5-preview](https://platform.qianwenai.com/docs/models/step-5-preview.md): Step 5 Preview,一款面向真实世界 Agentic 任务的旗舰基座模型。Step 5 Preview 在 AI 编程、软件工程、专业知识工作等任务上达到前沿水平,并在金融领域展现出尤为突出的能力。采用稀疏 MoE 架构,总参数量 600B,每个 Token 激活 27B 参数,支持 1M Token 上下文窗口和视觉输入。 - [stepfun/step-3.7-flash](https://platform.qianwenai.com/docs/models/step-3-7-flash.md): Step 3.7 Flash 是阶跃星辰生产级 Agent 高效率 Flash 模型,专为 Agent、Coding、Search 与多模态工作流打造,在速度、成本、执行可靠性与复杂任务完成能力之间实现了更优平衡。具备多模态感知与执行、视觉搜索与工具增强、高可靠工具调用与编排,以及 Agent 生态兼容优化等核心能力。 - [vanchin/deepseek-v4.1-flash](https://platform.qianwenai.com/docs/models/deepseek-v4-1-flash-by-vanchin.md): DeepSeek-V4.1-Flash 是 DeepSeek 全新模型结构系列中尺寸最小的模型,具备原生多模态视觉理解能力。全新模型结构的设计初衷是:能力上限更高、推理速度更快、吞吐更大,并可扩展到更大参数模型。 - [vanchin/deepseek-v4-pro](https://platform.qianwenai.com/docs/models/deepseek-v4-pro-by-vanchin.md): DeepSeek-V4系列是强大的混合专家(MoE)语言模型,包含DeepSeek-V4-Pro(1.6T总参数,49B激活参数)。支持高达100万(1M)token的上下文长度,是在超过32T高质量多样化token上预训练的开源模型。 - [siliconflow/deepseek-v3.2](https://platform.qianwenai.com/docs/models/deepseek-v3-2-by-siliconflow.md): DeepSeek-V3.2 是一款兼具高计算效率与推理和 Agent 性能的模型。其方法建立在三大关键技术突破之上:DeepSeek 稀疏注意力(DSA),一种高效的注意力机制,在保持模型性能的同时显著降低了计算复杂性,并特别针对长上下文场景进行了优化;可扩展的强化学习框架,通过该框架,模型性能可与 GPT-5 相媲美,其高算力版本在推理能力上可与 Gemini-3.0-Pro 匹敌;以及大规模 Agent 任务合成管线,旨在将推理能力整合到工具使用场景中,从而提高在复杂交互环境中的指令遵循和泛化能力。该模型在 2025 年国际数学奥林匹克(IMO)和国际信息学奥林匹克(IOI)中取得了金牌表现 - [vanchin/deepseek-v3.1-terminus](https://platform.qianwenai.com/docs/models/deepseek-v3-1-terminus-by-vanchin.md): DeepSeek-V3.1-Terminus 是 DeepSeek-V3.1 的更新版本,旨在保持模型原有核心能力的同时,针对用户反馈的问题进行了修复和优化。该版本的模型结构与 DeepSeek-V3 保持一致,并在特定领域进行了显著增强。 - [siliconflow/deepseek-v3-0324](https://platform.qianwenai.com/docs/models/deepseek-v3-by-siliconflow.md): 新版 DeepSeek-V3 (DeepSeek-V3-0324)与之前的 DeepSeek-V3-1226 使用同样的 base 模型,仅改进了后训练方法。新版 V3 模型借鉴 DeepSeek-R1 模型训练过程中所使用的强化学习技术,大幅提高了在推理类任务上的表现水平,在数学、代码类相关评测集上取得了超过 GPT-4.5 的得分成绩。此外该模型在工具调用、角色扮演、问答闲聊等方面也得到了一定幅度的能力提升。 - [vanchin/deepseek-v3](https://platform.qianwenai.com/docs/models/deepseek-v3-by-vanchin.md): DeepSeek-V3 由深度求索(DeepSeek)于 2024 年 12 月发布,是目前开源社区混合专家(MoE)语言模型:总参数 671B,每个 token 仅激活 37B 参数。模型在 14.8 万亿高质量 tokens 上完成预训练,原生支持 128k 上下文。通过创新的无辅助损失负载均衡策略、多头潜在注意力(MLA)架构和 FP8 混合精度训练。 - [siliconflow/deepseek-r1-0528](https://platform.qianwenai.com/docs/models/deepseek-r1-by-siliconflow.md): DeepSeek-R1-0528 是一款强化学习(RL)驱动的推理模型,解决了模型中的重复性和可读性问题。在 RL 之前,DeepSeek-R1 引入了冷启动数据,进一步优化了推理性能。它在数学、代码和推理任务中与 OpenAI-o1 表现相当,并且通过精心设计的训练方法,提升了整体效果。 - [vanchin/deepseek-r1](https://platform.qianwenai.com/docs/models/deepseek-r1-by-vanchin.md): DeepSeek-R1 是深度求索于 2025 年 1 月开源的 6710 亿参数混合专家(MoE)推理模型,推理时仅激活 370 亿参数。作为首个通过纯强化学习(无监督微调)训练的千亿级模型,实现了链式思维(CoT)的自然涌现。模型在 RL 前加入冷启动数据解决了 R1-Zero 的重复和混语问题,在数学、代码、推理任务上达到 OpenAI o1 水平。 - [ZHIPU/GLM-5.3-Flash](https://platform.qianwenai.com/docs/models/glm-5-3-flash-by-zhipu.md): 智谱原厂直供。GLM-5.3-Flash 采用稀疏注意力与线性注意力混合架构,支持 1M 上下文,并原生支持图像、视频与文件输入。 - [ZHIPU/GLM-5.3-FlashX](https://platform.qianwenai.com/docs/models/glm-5-3-flashx-by-zhipu.md): 智谱原厂直供的高速模型。GLM-5.3-FlashX 推理速度达 200 tokens/s,支持 1M 上下文,原生支持图像、视频与文件输入,提供更快、更流畅的模型体验。 - [ZHIPU/GLM-5.3](https://platform.qianwenai.com/docs/models/glm-5-3-by-zhipu.md): 智谱原厂直供的开源模型 GLM-5.3,支持 1M 上下文,适用于长程任务。 - [ZHIPU/GLM-5.2](https://platform.qianwenai.com/docs/models/glm-5-2-by-zhipu.md): 智谱原厂直供。GLM-5.2 支持真正可用的 1M 上下文。 - [ZHIPU/GLM-5.1](https://platform.qianwenai.com/docs/models/glm-5-1-by-zhipu.md): GLM-5.1 是智谱旗舰模型,代码能力大大增强,长程任务显著提升,能够在单次任务中持续、自主地工作长达 8 小时,完成从规划、执行到迭代优化的完整闭环,交付工程级成果。 在综合能力与 Coding 能力上,GLM-5.1 整体表现对齐 Claude Opus 4.6,并在长程自主执行、复杂工程优化与真实开发场景中展现出更强的持续工作能力,是构建 Autonomous Agent 与长程 Coding Agent 的基座。 - [ZHIPU/GLM-5](https://platform.qianwenai.com/docs/models/glm-5-by-zhipu.md): 智谱旗舰基座,面向AgenticEngineering,实现从代码到工程的范式跃迁,擅长复杂系统工程与长程Agent任务。 - [kimi/kimi-k3.1-pro](https://platform.qianwenai.com/docs/models/kimi-k3-1-pro-by-moonshot.md): kimi/kimi-k3.1-pro 是由月之暗面提供推理服务的 Kimi 模型,支持文本和图像输入,上下文长度为 1048576 Token。 - [kimi/kimi-k3.1-pro-highspeed](https://platform.qianwenai.com/docs/models/kimi-k3-1-pro-highspeed-by-moonshot.md): kimi/kimi-k3.1-pro-highspeed 是由月之暗面提供推理服务的 Kimi 高速版模型,支持文本和图像输入,上下文长度为 1048576 Token。 - [kimi/kimi-k3](https://platform.qianwenai.com/docs/models/kimi-k3-by-moonshot.md): Kimi-K3 是 Kimi 旗舰模型,拥有 2.8 万亿参数,基于 KDA 混合线性注意力机制(Kimi Delta Attention)和注意力残差(Attention Residuals)技术构建,原生支持视觉理解,并拥有 100 万 token 上下文窗口。它是面向长程编程、知识工作和推理等前沿智能场景而设计。 - [kimi/kimi-k2.8-preview](https://platform.qianwenai.com/docs/models/kimi-k2-8-preview-by-moonshot.md): Kimi-K2.8-Preview 是 Kimi 的预览模型,综合性能接近 K3,思考效率更高,支持 thinking effort 档位调节和 1M 超长上下文。 - [kimi/kimi-k2.7-code](https://platform.qianwenai.com/docs/models/kimi-k2-7-code-by-moonshot.md): Kimi K2.7 Code 是月之暗面 Kimi 发布并开源的编程专用模型,定位为 Kimi Coding 模型。Kimi K2.7 Code 是一个以编码为中心的智能体模型(coding-focused agentic model),专为长程软件工程任务优化。它擅长跨多文件重构、功能实现、长会话调试等需要可靠指令遵循和端到端完成率的复杂工作流。 - [kimi/kimi-k2.6](https://platform.qianwenai.com/docs/models/kimi-k2-6-by-moonshot.md): Kimi K2.6 是 Kimi 模型,Kimi K2.6 的通用 Agent、代码、视觉理解等综合能力得到全面提升,其中在博士级难度的完整版人类最后的考试(Humanity’s Last Exam)、在考察模型真实软件工程能力的 SWE-Bench Pro、评估 Agent 深度检索能力的 DeepSearchQA 等基准测试中均取得成绩,同时支持文本、图片与视频输入,思考与非思考模式,对话与 Agent 任务。 - [antdigital/Ling-3.1-flash](https://platform.qianwenai.com/docs/models/ling-3-1-flash-by-antdigital.md): antdigital/Ling-3.1-flash 是由蚂蚁数科提供推理服务的 Ling 模型,总参数约 560B,每个 Token 激活约 25B 参数,上下文窗口上限为 1M,适用于通用智能体、搜索、日常办公和软件研发等任务。仅支持文本输入。 - [MiniMax/MiniMax-M2.5](https://platform.qianwenai.com/docs/models/minimax-m2-5-by-minimax.md): MiniMax-M2.5 是 MiniMax 的开源大模型,经过大规模强化学习训练,面向编程、工具调用、搜索与办公等生产力场景,支持智能体任务。 - [MiniMax/MiniMax-M2.1](https://platform.qianwenai.com/docs/models/minimax-m2-1-by-minimax.md): M2.1 的设计目标是在开源模型中提供 Agent 能力。我们在模型层面进行了针对性优化,显著提升了模型在代码生成、工具调用、复杂指令遵循及长程规划任务中的性能。从自动化进行多语言的软件开发,到执行多步骤的复杂办公工作流,MiniMax-M2.1 均表现出稳定性。我们致力于为开发者提供一个完全透明、可控且高可用的基础模型,以构建下一代自主智能体应用。 - [unisound/unisound-u2](https://platform.qianwenai.com/docs/models/unisound-u2-by-unisound.md): 云知声直供的推理模型,默认开启思考模式,可通过 thinking 参数开启或关闭思考模式,并通过 reasoning_effort 控制思考强度。仅支持文本输入。 - [decision-model-preview](https://platform.qianwenai.com/docs/models/decision-model-preview.md): 面向高频业务判断的结构化决策模型,可根据文本或业务状态并行完成分类、是非判断与评分,并返回概率分布和置信度,适用于工单分流、内容审核、智能体路由与结果校验等场景。 - [图像生成](https://platform.qianwenai.com/docs/models/model-list-image-generation.md): 图像生成模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen-image-3.0-pro](https://platform.qianwenai.com/docs/models/qwen-image-3-0-pro.md): 内容丰实:支持最大 4.5k token 输入,支持图中图密集信息排版,让报纸、分镜、菜单、试卷等复杂版面一次生成。 细节真实:支持 10px 小字精准渲染,微表情、毛孔、发丝等细节生动还原,逼近真实摄影的质感。 知识厚实:支持 12 国语言、多种字体原生渲染,主流网页、游戏、直播等界面仿真,外部知识全纳入。 Qwen-Image-3.0-Pro 不只是在追求"好看",更在追求“好用”——让图像生成真正成为可落地的生产力工具。 - [qwen-image-3.0](https://platform.qianwenai.com/docs/models/qwen-image-3-0.md): 指令理解清晰:支持最大 4.5k token 输入,复杂图文指令一次生成到位。 文字渲染稳定:10px 小字、12 国语言、多种字体原生渲染,信息图和界面直接可用。 批量产出趁手:海报、网页、界面等日常任务可批量生成,成本更优,适合持续创作。 Qwen-Image-3.0 不只在追求生成效果,更在追求日常创作里的顺手与省心——让图像生成成为可持续的内容生产力。 - [qwen-image-2.1-pro](https://platform.qianwenai.com/docs/models/qwen-image-2-1-pro.md): Qwen-Image-2.1-Pro 是通义千问(Qwen)系列中一个统一的文本到图像生成与图像编辑模型。其视觉生成组件仅包含 70 亿参数(32 层单流 DiT),在生成质量、推理效率和多功能性之间取得了良好平衡。本次发布包含四项关键改进:紧凑高效:采用轻量级架构,结合混合粒度注意力机制和前缀 KV 缓存复用,在低计算开销下实现高质量图像生成。原生透明支持,统一生成与编辑:可从文本生成普通或透明(RGBA)图像,编辑透明图层,并从照片中提取主体——全部由单一模型完成。多功能编辑:支持最多 10 张参考图像,可通过圆形、手绘标注或独立蒙版指定局部编辑区域,并保留人物与产品的身份特征。逼真纹理与精细美学:改进字体排印、人像光照和细节表现,生成更具视觉吸引力的结果。 - [qwen-image-2.1-turbo](https://platform.qianwenai.com/docs/models/qwen-image-2-1-turbo.md): Qwen-Image-2.1-Turbo 是 Qwen-Image 系列的开源图像生成模型,模型轻量、性价比较高。原生支持透明背景,生成与编辑一体化,支持多参考图、局部控制、高保真还原与全面编辑能力。 - [qwen-image-2.0-pro](https://platform.qianwenai.com/docs/models/qwen-image-2-0-pro.md): Qwen-Image-2.0系列满血版模型,实现了图片生成和图片编辑的融合;具备更专业的文字渲染1k token指令支持能力、更细腻的真实质感,细腻刻画写实场景、更强的语义遵循能力。满血版增强了文字渲染能力和真实质感。该模型版本功能等同于快照模型 qwen-image-2.0-pro-2026-04-22。 - [qwen-image-2.0](https://platform.qianwenai.com/docs/models/qwen-image-2-0.md): Qwen-Image-2.0 系列加速版模型融合图片生成和图片编辑能力,具备文字渲染 1k token 指令支持、真实质感与较强的语义遵循能力。加速版在模型效果和性能之间取得平衡。该模型版本功能等同于快照模型 qwen-image-2.0-2026-03-03。 - [qwen-mt-image](https://platform.qianwenai.com/docs/models/qwen-mt-image.md): 专注做图片翻译的模型服务,能将中、英、日等11个语言的图片翻译到指定的语言,精准还原图片排版和内容信息,支持术语定义、敏感词过滤、商品主体检测等自定义功能,提供灵活、准确、高效的图像本地化服务。 - [qwen-mt-image-2.0](https://platform.qianwenai.com/docs/models/qwen-mt-image-2-0.md): 专注做图片翻译的模型服务,能将中、英、日等11个语言的图片翻译到指定的语言,精准还原图片排版和内容信息,支持术语定义、敏感词过滤、商品主体检测等自定义功能,提供灵活、准确、高效的图像本地化服务。 - [wan2.7-image-pro](https://platform.qianwenai.com/docs/models/wan2-7-image-pro.md): 万相2.7-图像生成与编辑旗舰版模型,支持文生图、文生组图、图生组图、图像编辑、多图参考生成、交互式编辑,在文字渲染、主体一致性、复杂指令遵循上都有更强表现。 - [wan2.7-image](https://platform.qianwenai.com/docs/models/wan2-7-image.md): 万相2.7-图像生成与编辑,支持文生图、文生组图、图生组图、图像编辑、多图参考生成、交互式编辑,在文字渲染、主体一致性、复杂指令遵循上都有更强表现 - [wan2.6-image](https://platform.qianwenai.com/docs/models/wan2-6-image.md): 万相2.6-图像生成,全能图像生成模型,支持图文一体化推理生成,具备多图创意融合、商用级一致性、美学要素迁移与镜头光影精确控制,全面提升图像生成的一致性、可控性和表现力。 - [wan2.6-t2i](https://platform.qianwenai.com/docs/models/wan2-6-t2i.md): 万相2.6-文生图,画面质感、美学表现、指令遵循升级,在艺术风格精准控制、真实感人像、长文本生图及广泛历史文化IP覆盖上均表现出能力,可生成高质量且富有表现力的视觉内容。 - [wan2.5-i2i-preview](https://platform.qianwenai.com/docs/models/wan2-5-i2i.md): 万相2.5-图像编辑-Preview,全新升级模型架构。支持指令控制实现丰富的图像编辑能力,指令遵循能力进一步提升,支持高一致性保持的多图参考生成,文字生成表现优异。 - [wan2.5-t2i-preview](https://platform.qianwenai.com/docs/models/wan2-5-t2i.md): 万相2.5-文生图-Preview,全新升级模型架构。画面美学、设计感、真实质感显著提升,精准指令遵循,擅长中英文和小语种文字生成,支持复杂结构化长文本和图表、架构图等内容生成。 - [wan2.2-t2i-flash](https://platform.qianwenai.com/docs/models/wan2-2-t2i-flash.md): 全新升级的万相2.2文生图,更快的生成速度。在生成图像创意性、稳定性、写实质感方面全面升级,指令遵循更强,原生支持多种风格。支持最大200万像素生成,支持智能提示词改写等。 - [wan2.2-t2i-plus](https://platform.qianwenai.com/docs/models/wan2-2-t2i-plus.md): 全新升级的万相2.2文生图,更丰富的画面细节。在生成图像创意性、稳定性、写实质感方面全面升级,指令遵循更强,原生支持多种风格。支持最大200万像素生成,支持智能提示词改写等。 - [wanx2.1-imageedit](https://platform.qianwenai.com/docs/models/wanx2-1-imageedit.md): 万相-通义图像编辑,支持预设编辑任务与指令式编辑,包含多种局部/全图编辑能力,如图像风格化、线稿生图、局部重绘、参考图生成、图像外扩、图像超分等。 - [wanx2.1-t2i-plus](https://platform.qianwenai.com/docs/models/wanx2-1-t2i-plus.md): 万相2.1-文生图-Plus,更丰富的画面细节,在图像美观度、真实感、艺术性上全面升级,更强的语义理解能力、丰富的风格泛化性、支持最大200万像素生成,支持智能提示词改写等。 - [wanx2.1-t2i-turbo](https://platform.qianwenai.com/docs/models/wanx2-1-t2i-turbo.md): 万相2.1-文生图-Turbo,更快的生成速度,在图像美观度、真实感、艺术性上全面升级,更强的语义理解能力、丰富的风格泛化性、支持最大200万像素生成,支持智能提示词改写等。 - [wanx2.0-t2i-turbo](https://platform.qianwenai.com/docs/models/wanx2-0-t2i-turbo.md): Wan2.0-T2I-Turbo,更擅长质感人像和创意设计画作生成,在图像美观度、真实感、艺术性上全面升级,支持最大200万像素生成,支持智能提示词改写等。 - [wanx-poster-generation-v1](https://platform.qianwenai.com/docs/models/wanx-poster-generation-v1.md): 创意海报生成,您的创意海报魔法工厂!它能够根据你的要求自动生成海报的背景和文字排版,支持多种海报风格,从宣传到祝福,让每一张海报都成为你的个性宣言。无需设计基础,轻松制作出彩作品,让创意触手可及。 - [wanx-sketch-to-image-lite](https://platform.qianwenai.com/docs/models/wanx-sketch-to-image-lite.md): 万相-涂鸦作画通过手绘任意内容加文字描述,即可生成精美的涂鸦绘画作品,作品中的内容在参考手绘线条的同时,兼顾创意性和趣味性。涂鸦作画支持扁平插画、油画、二次元、3D卡通和水彩5种风格,可用于创意娱乐、辅助设计、儿童教学等场景。 - [wanx-style-repaint-v1](https://platform.qianwenai.com/docs/models/wanx-style-repaint-v1.md): 人像风格重绘可以将输入的人物图像进行多种风格化的重绘生成,使新生成的图像在兼顾原始人物相貌的同时,带来不同风格的绘画效果。 - [wanx-v1](https://platform.qianwenai.com/docs/models/wanx-v1.md): 万相-文本生成图像大模型,支持中英文双语输入,重点风格包括但不限于水彩、油画、中国画、素描、扁平插画、二次元、3D卡通 - [wanx-virtualmodel](https://platform.qianwenai.com/docs/models/wanx-virtualmodel.md): 虚拟模特可以对上传的真人或者人台实拍商品展示图进行智能生成,将其中的模特和背景替换为心仪的内容,在保持人物姿态不变的情况下,使用虚拟模特对商品进行更加精美、多样的展示。支持各种与模特产生互动的商品,如手持小商品、服装、鞋靴、配饰等。 - [wanx-x-painting](https://platform.qianwenai.com/docs/models/wanx-x-painting.md): 万相-图像局部重绘是基于自研的Composer组合生成框架的AI绘画创作大模型后置处理链路,能够根据用户输入的原始图片和意涂抹图中局部区域和prompt提示词文字内容,生成符合语义描述的多样化风格的局部重绘图像。通过知识重组与可变维度扩散模型,加速收敛并提升最终生成图片的效果, 布局自然、细节丰富、画面细腻、结果逼真。 - [z-image-turbo](https://platform.qianwenai.com/docs/models/z-image-turbo.md): Z-Image-Turbo 是高效图像生成模型,仅用 60 亿参数和 8 步推理即可生成照片级真实感图像,并在中英双语文本渲染、复杂语义理解和多样化主题生成上表现稳定。 - [virtualmodel-v2](https://platform.qianwenai.com/docs/models/virtualmodel-v2.md): 虚拟模特可以对上传的真人或者人台实拍商品展示图进行智能生成,将其中的模特和背景替换为心仪的内容,在保持人物姿态不变的情况下,使用虚拟模特对商品进行更加精美、多样的展示。支持各种与模特产生互动的商品,如手持小商品、服装、鞋靴、配饰等。 - [shoemodel-v1](https://platform.qianwenai.com/docs/models/shoemodel-v1.md): 鞋靴模特支持输入多视角鞋靴系列图片,同时对输入模特模板图的鞋子区域进行鞋靴AI试穿,实现模特鞋靴布局重绘生成,最终生成图片的效果, 布局自然、细节丰富、画面细腻、试穿结果逼真。可用于模特商品图设计、新鞋AI试穿、模特穿戴布局重绘等场景。 - [facechain-facedetect](https://platform.qianwenai.com/docs/models/facechain-facedetect.md): 对用户上传的人物图像进行检测,判断其中所包含的人脸是否符合facechain微调所需的标准,检测维度包括人脸数量、大小、角度、光照、清晰度等多维度,支持图像组输入,并返回每张图像对应的检测结果。 - [image-erase-completion](https://platform.qianwenai.com/docs/models/image-erase-completion.md): 图像擦除补全通过指定图像mask中要删除的人体、宠物、物品、文字、水印等图像区域,在保留背景的同时移除图像中的一个或多个人物、物体、文字等元素,此功能不支持输入prompt的消除。擦除补全技术结合了计算机视觉、AIGC inpainting等先进技术,可以在多种场景下应用,从而满足用户对隐私保护、内容创作和图像编辑等方面需求。 - [image-instance-segmentation](https://platform.qianwenai.com/docs/models/model-image-instance-segmentation.md): 人物实例分割运用了检测和分割技术,不仅能够在图像中识别出不同的对象,而且还能准确地画出每一个对象边界的像素级掩码(mask)。 - [kling/kling-v3-image-generation](https://platform.qianwenai.com/docs/models/kling-v3-image-generation.md): 支持最多10张参考图,可锁定主体、元素和色调,保证风格一致。融合风格转绘、人像/角色参考、多图融合及局部重绘,操作灵活。人像细节真实,整体画面细腻丰富,色彩氛围兼具影视感。 - [kling/kling-v3-omni-image-generation](https://platform.qianwenai.com/docs/models/kling-v3-omni-image-generation.md): 解锁影视级叙事画面,新增系列组图及2K/4K直出。深度解析提示词视听元素,精确响应创作指令。支持自由多参考图及全面效果升级,适合分镜、剧情概念图及场景设定。 - [vidu/vidu-image_reference2image](https://platform.qianwenai.com/docs/models/vidu-image-reference2image.md): 输入0-14张参考图片或文本描述,支持参考生图、文生图、图片编辑,对中英文字的精准渲染、UI/图表等设计细节的像素级还原,适合制作海报、信息图等。 - [vidu/vidu-image-pro_reference2image](https://platform.qianwenai.com/docs/models/vidu-image-pro-reference2image.md): 输入0-14张参考图片或文本描述,支持参考生图、文生图、图片编辑,对中英文字的精准渲染、UI/图表等设计细节的像素级还原,适合制作海报、信息图等。 - [vidu/vidu-image-lite_reference2image](https://platform.qianwenai.com/docs/models/vidu-image-lite-reference2image.md): 输入0-14张参考图片或文本描述,支持参考生图、文生图、图片编辑,对中英文字的精准渲染、UI/图表等设计细节的像素级还原,适合制作海报、信息图等。 - [vidu/viduq3-fast_reference2image](https://platform.qianwenai.com/docs/models/viduq3-fast-reference2image.md): 输入0-14张参考图片或文本描述,支持参考生图、文生图、图片编辑,主打高速高质与低成本,成本比Pro降低约50%。 - [vidu/viduq2-fast_reference2image](https://platform.qianwenai.com/docs/models/viduq2-fast-reference2image.md): 输入0-14张参考图片或文本描述,支持参考生图、文生图、图片编辑,语义理解能力大幅提升,支持更多风格。 - [vidu/viduq2-pro_reference2image](https://platform.qianwenai.com/docs/models/viduq2-pro-reference2image.md): 输入0-14张参考图片或文本描述,支持参考生图、文生图、图片编辑,擅长处理复杂逻辑,具备超强上下文一致性和工业级稳定性。适合专业设计、漫剧制作等。 - [vidu/viduq3.1-fast_reference2image](https://platform.qianwenai.com/docs/models/viduq3-1-fast-reference2image.md): Vidu 推出的图像生成模型,支持文生图、参考生图和图片编辑,可通过分辨率与画幅比例指定输出尺寸。 - [视频生成](https://platform.qianwenai.com/docs/models/model-list-video-generation.md): 视频生成模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [happyhorse-1.1-t2v](https://platform.qianwenai.com/docs/models/happyhorse-1-1-t2v.md): HappyHorse-1.1-T2V支持文生视频,进一步提升文本语义理解、镜头调度与动态生成表现。模型能够更精准地还原创作意图,在人物动作、场景氛围、视觉美感和物理运动上生成更流畅自然、细节丰富且一致性更高的高质量视频。 - [happyhorse-1.0-t2v](https://platform.qianwenai.com/docs/models/happyhorse-1-0-t2v.md): HappyHorse-1.0-T2V支持文生视频,具备高度还原的动态画面生成能力,能够精准理解文本语义,输出流畅自然、细节丰富的高质量视频。 - [happyhorse-1.1-i2v](https://platform.qianwenai.com/docs/models/happyhorse-1-1-i2v.md): HappyHorse-1.1-I2V支持图生视频,进一步提升画面质感、动态表现与跨片段一致性。模型能够更精准地理解输入图像并延续创作意图,在人物皮肤质感、ID跨片段保持、动作流畅度、文字渲染稳定性以及音画同步上带来显著改善,输出更真实自然、细节丰富且一致性更高的高质量视频。 - [happyhorse-1.0-i2v](https://platform.qianwenai.com/docs/models/happyhorse-1-0-i2v.md): HappyHorse-1.0-I2V支持图生视频,具备高度还原的动态画面生成能力,能够精准理解文本语义,输出流畅自然、细节丰富的高质量视频。 - [happyhorse-1.1-r2v](https://platform.qianwenai.com/docs/models/happyhorse-1-1-r2v.md): HappyHorse-1.1-R2V支持参考生视频,进一步提升主体、场景风格与画面一致性的稳定保持。模型最多支持9张参考图片输入,能够更精准理解并延续创作意图,在人物、场景、风格和镜头表现上带来更强的可控性与表现力。 - [happyhorse-1.0-r2v](https://platform.qianwenai.com/docs/models/happyhorse-1-0-r2v.md): HappyHorse-1.0-R2V支持参考生视频,更加稳定的主体与场景参考,支持最多9张图片参考,能够精准保持创作意图,实现更强表现能力。 - [happyhorse-1.0-video-edit](https://platform.qianwenai.com/docs/models/happyhorse-1-0-video-edit.md): HappyHorse-1.0-Video-Edit支持视频编辑,自然语言指令编辑视频,可参考最多5张图片局部或全局编辑视频元素,能够精准复刻视频动态过程,实现更强表现能力。 - [wan3.0-video-prime](https://platform.qianwenai.com/docs/models/wan3-0-video-prime.md): Wan3.0-Video-Prime是万相视频生成模型,支持文本、图像、视频、音频等多模态输入,统一实现文生视频、图生视频(首帧/首尾帧)和参考生视频等能力。支持480P、720P和1080P分辨率输出,最长可生成30秒、帧率30fps的视频。资源紧张时,个别任务可能以标准速率完成推理;系统将自动识别此类任务,并按标准速率的模型计费。 - [wan3.0-video](https://platform.qianwenai.com/docs/models/wan3-0-video.md): Wan3.0-Video是全能参考视频生成模型(All-in-One),支持文本、图像、视频、音频等多模态输入,统一实现文生视频、图生视频(首帧/首尾帧)和参考生视频等能力。支持480P、720P和1080P分辨率输出,最长可生成30秒视频。 - [wan2.7-t2v](https://platform.qianwenai.com/docs/models/wan2-7-t2v.md): Wan2.7-T2V,演绎能力全面升级,文戏情感细腻自然,动作戏激烈拳拳到肉,搭配更富有戏剧性和节奏感的镜头切换,实现更强表演能力。 - [wan2.6-t2v](https://platform.qianwenai.com/docs/models/wan2-6-t2v.md): 万相2.6-文生视频,智能分镜调度支持多镜头叙事,能够生成主体、场景和氛围一致的多镜头叙事视频,最高支持15秒时长,更高品质的声音生成,更好的指令遵循和视觉质量 - [wan2.5-t2v-preview](https://platform.qianwenai.com/docs/models/wan2-5-t2v.md): 万相2.5-文生视频-Preview,全新升级模型架构,支持与画面同步的声音生成,支持10秒长视频生成,更强的指令遵循能力,运动能力、画面质感进一步提升。 - [wan2.2-t2v-plus](https://platform.qianwenai.com/docs/models/wan2-2-t2v-plus.md): 全新升级的万相2.2文生视频,视频品质更高。可稳定生成大幅度复杂运动,支持影视级画面表现与控制,更强大的指令遵循能力,实现物理世界还原。 - [wanx2.1-t2v-plus](https://platform.qianwenai.com/docs/models/wanx2-1-t2v-plus.md): 万相2.1-文生视频-Plus,一句话生成视频。视频品质更高,支持大幅度复杂运动、现实物理规律还原、丰富艺术风格和影视级画面质感,指令遵循能力进一步提升。 - [wanx2.1-t2v-turbo](https://platform.qianwenai.com/docs/models/wanx2-1-t2v-turbo.md): 万相2.1-文生视频-Turbo,一句话生成视频。生成速度更快,支持大幅度复杂运动、现实物理规律还原、丰富的艺术风格和影视级画面质感,指令遵循能力进一步提升。 - [wan2.7-i2v](https://platform.qianwenai.com/docs/models/wan2-7-i2v.md): 万相2.7-图生视频,演绎能力全面升级,文戏情感细腻自然,动作戏激烈拳拳到肉,搭配更富有戏剧性和节奏感的镜头切换,实现更强表演能力。 - [wan2.6-i2v](https://platform.qianwenai.com/docs/models/wan2-6-i2v.md): 万相2.6-图生视频,智能分镜调度支持多镜头叙事,更高品质的声音生成,多人稳定对话,更自然真实音色,最高支持15秒时长生成 - [wan2.6-i2v-flash](https://platform.qianwenai.com/docs/models/wan2-6-i2v-flash.md): 万相2.6-图生视频-Flash,生成更快更高性价比。智能分镜调度支持多镜头叙事,多人稳定对话,更自然真实音色,最高支持15秒时长生成 - [wan2.5-i2v-preview](https://platform.qianwenai.com/docs/models/wan2-5-i2v.md): 万相2.5-图生视频-Preview,全新升级技术架构,支持与画面同步的声音生成,支持10秒长视频生成,更强的指令遵循能力,运动能力、画面质感进一步提升。 - [wan2.2-i2v-flash](https://platform.qianwenai.com/docs/models/wan2-2-i2v-flash.md): 全新升级的万相2.2图生视频,生成速度更快。优化视频生成稳定性与成功率,更强大的指令遵循能力,稳定保持图片文字、人像和商品一致性,精准运镜控制。 - [wan2.2-i2v-plus](https://platform.qianwenai.com/docs/models/wan2-2-i2v-plus.md): 全新升级的万相2.2图生视频,视频品质更高。优化视频生成稳定性与成功率,更强大的指令遵循能力,稳定保持图片文字、人像和商品一致性,精准运镜控制。 - [wanx2.1-i2v-plus](https://platform.qianwenai.com/docs/models/wanx2-1-i2v-plus.md): 万相2.1-图生视频-Plus,让图片变为动态视频。支持大幅度复杂运动、物理规律遵循、丰富艺术风格和影视级画面质感,指令遵循能力进一步提升,视频质量更高。 - [wanx2.1-i2v-turbo](https://platform.qianwenai.com/docs/models/wanx2-1-i2v-turbo.md): 万相2.1-图生视频-Turbo,让图片变为动态视频。支持大幅度复杂运动、物理规律遵循、丰富艺术风格和影视级画面质感,指令遵循能力进一步提升,生成速度更快。 - [wan2.7-r2v](https://platform.qianwenai.com/docs/models/wan2-7-r2v.md): Wan2.7-R2V,更加稳定的角色、道具与场景参考,支持最大5个图/视频混合参考,支持音频音色参考,搭配基础能力升级实现更强表演能力。 - [wan2.6-r2v](https://platform.qianwenai.com/docs/models/wan2-6-r2v.md): 万相2.6-参考生视频,支持指定人物或任意物品进行参考,精准保持形象和声音的一致性,支持多角色参考合拍。提醒:当使用视频进行参考时,输入视频也会计入费用,详见模型计费文档。 - [wan2.6-r2v-flash](https://platform.qianwenai.com/docs/models/wan2-6-r2v-flash.md): 万相2.6-参考生视频-Flash,生成更快性价比更高。支持指定人物或任意物品进行参考,精准保持形象和声音的一致性,支持多角色参考合拍 - [wan2.2-s2v](https://platform.qianwenai.com/docs/models/wan2-2-s2v.md): wan2.2-s2v 是一款视频生成模型,可基于人物图片和人声音频文件,生成高质量的人物说话/唱歌/表演动态视频。 - [wan2.2-s2v-detect](https://platform.qianwenai.com/docs/models/wan2-2-s2v-detect.md): wan2.2-s2v-detect 是 wan2.2-s2v 的辅助模型,用于确认输入的人物肖像图片是否符合 wan2.2-s2v 模型所需的人物肖像图片规范。wan2.2-s2v 模型基于 wan2.2-s2v-detect 检测通过的图片和人声音频文件进行视频生成。 - [wan2.2-kf2v-flash](https://platform.qianwenai.com/docs/models/wan2-2-kf2v-flash.md): 全新升级的万相2.2-首尾帧生视频,生成速度更快。优化视频动态稳定性与成功率,更强大的指令遵循能力,两张图片生成丝滑过度视频。 - [wanx2.1-kf2v-plus](https://platform.qianwenai.com/docs/models/wanx2-1-kf2v-plus.md): 万相2.1-首尾帧-Plus,两张图片生成丝滑过度视频。支持大幅度复杂运动、物理规律遵循、丰富艺术风格和影视级画面质感,指令遵循能力进一步提升,生成画面细节更丰富。 - [wan2.2-animate-mix](https://platform.qianwenai.com/docs/models/wan2-2-animate-mix.md): wan2.2-animate-mix视频换人是一款角色替换的模型产品,上传一张角色照片与一段表演视频,即可将原视频中的角色精准替换为照片中的角色,完整保留原始视频的场景、光照和色调等环境细节。 - [wan2.2-animate-move](https://platform.qianwenai.com/docs/models/wan2-2-animate-move.md): wan2.2-animate-move图生动作是一款角色动画生成模型,用户只需上传一张角色照片和一段参考表演视频,即可将视频中的表情和动作迁移到图片角色上,生成高保真的动画视频。 - [wan2.7-videoedit](https://platform.qianwenai.com/docs/models/wan2-7-videoedit.md): Wan2.7-VideoEdit,自然语言指令编辑视频,支持局部或全局编辑,可参考图像替换视频元素,支持复刻视频动作、特效、运镜等动态过程。 - [wanx2.1-vace-plus](https://platform.qianwenai.com/docs/models/wanx2-1-vace-plus.md): 万相2.1-VACE-Plus,视频编辑统一模型。支持局部编辑、视频重绘、背景扩展、时长延展、图片参考等多种视频编辑与生成任务,支持文本、图像、视频等多模态条件控制。 - [video-style-transform](https://platform.qianwenai.com/docs/models/video-style-transform.md): 视频风格重绘可以将输入的视频帧序列进行多种风格化的重绘/生成,使新视频画面在兼顾原始人物和物体相貌的同时,带来不同风格的绘画效果。当前支持预置重绘风格包括日式漫画、美式漫画、清新漫画、3D卡通、国风卡通。 - [videoretalk](https://platform.qianwenai.com/docs/models/acoustic-portraits-videoretalk.md): VideoRetalk是一个人物视频生成模型,可基于人物视频和人声音频,生成人物讲话口型与输入音频相匹配的新视频。 - [kling/kling-v4-video-generation](https://platform.qianwenai.com/docs/models/kling-v4-video-generation.md): 支持文生视频和首帧、中间帧、尾帧任意组合的关键帧生视频,固定生成有声视频。 - [kling/kling-v4-omni-reference-video-generation](https://platform.qianwenai.com/docs/models/kling-v4-omni-reference-video-generation.md): 支持文生视频、关键帧生视频、参考生视频和视频编辑,固定生成有声视频。 - [kling/kling-v3-turbo-video-generation](https://platform.qianwenai.com/docs/models/kling-v3-turbo-video-generation.md): 极速视频生成,固定音画同出,支持文生视频、图生视频(首帧)及多镜头生成。 - [kling/kling-v3-omni-video-generation](https://platform.qianwenai.com/docs/models/kling-v3-omni-video-generation.md): 新增“全能参考”,支持3-8秒视频或多图锚定角色元素。可匹配原声及口型驱动,实现角色本色呈现。视频一致性更强,表现更灵动。支持音画同步、智能分镜。 - [kling/kling-v3-video-generation](https://platform.qianwenai.com/docs/models/kling-v3-video-generation.md): 智能分镜可读懂剧本场景流转,自动调度机位和景别。原生多模态框架支持音画一致性。打破时长限制,多镜头故事创作更自由。 - [pixverse/pixverse-lipsync](https://platform.qianwenai.com/docs/models/pixverse-lipsync.md): 对口型能力可将视频中人物的嘴部动作与输入音频或 TTS 精准同步,让角色说话更自然,提升视频表现力与叙事感染力。 - [pixverse/pixverse-motioncontrol](https://platform.qianwenai.com/docs/models/pixverse-motioncontrol.md): Motion Control 支持从参考视频中提取动作,并迁移到目标人物图片上,生成角色复现相同动作的新视频。 - [pixverse/pixverse-upscale](https://platform.qianwenai.com/docs/models/pixverse-upscale.md): Upscale 支持将不同分辨率的视频超分至 4K,提升画面清晰度与细节表现,适合高质量展示与二次分发。 - [pixverse/pixverse-v6-max-it2v](https://platform.qianwenai.com/docs/models/pixverse-v6-max-it2v.md): V6-max是PixVerse推出的视频生成模型,it2v(图片生成视频)模型可根据输入图片和提示词生成视频,支持15秒长视频、有声视频以及360P~1080P多种分辨率。 - [pixverse/pixverse-v6-max-t2v](https://platform.qianwenai.com/docs/models/pixverse-v6-max-t2v.md): V6-max是PixVerse推出的视频生成模型,t2v(文字生成视频)模型可通过提示词生成视频,支持15秒长视频、有声视频以及360P~1080P多种分辨率。 - [pixverse/pixverse-v6-it2v](https://platform.qianwenai.com/docs/models/pixverse-v6-it2v.md): V6 是 PixVerse 于 2026 年 3 月底推出的视频生成模型。it2v(图片生成视频)具备 t2v(文字生成视频)的提示词控制能力,可还原参考图片的色彩、饱和度、场景和人物特征,支持人物情绪与高速运动表现。支持 15 秒长视频、音乐和视频直出,支持多种语言文字。 - [pixverse/pixverse-v6-kf2v](https://platform.qianwenai.com/docs/models/pixverse-v6-kf2v.md): V6是PixVerse在26年3月底推出的视频生成模型,kf2v(首尾帧生成视频)模型可将任意两张图片衔接,视频转场更加流畅自然,支持15秒长视频、音乐和视频直出、支持多种语言文字。 - [pixverse/pixverse-v6-r2v](https://platform.qianwenai.com/docs/models/pixverse-v6-r2v.md): V6 是 PixVerse 于 2026 年 3 月底推出的视频生成模型。r2v(多主体参考生成视频)支持 2-7 张图像输入,可融合不同主体,适合中景、远景视频镜头;同时具备提示词控制与主体一致性保持能力。支持 15 秒长视频、音乐和视频直出,支持多种语言文字。 - [pixverse/pixverse-v6-t2v](https://platform.qianwenai.com/docs/models/pixverse-v6-t2v.md): V6是PixVerse在26年3月底推出的视频生成模型,t2v(文字生成视频)模型可通过提示词精准控制视频画面,精确还原各类镜头语言,推、拉、摇、移、跟随等运镜方式流畅自然,视角切换精准可控。支持15秒长视频、音乐和视频直出、支持多种语言文字。 - [pixverse/pixverse-v5.6-it2v](https://platform.qianwenai.com/docs/models/pixverse-v5-6-it2v.md): 上传任意图片,自由定制剧情、节奏与风格,生成生动连贯的视频。PixVerse V5.6 是爱诗科技自研的视频生成大模型,在文生视频与图生视频能力上实现全面升级。模型在画面清晰度、复杂运动稳定性与音画协同方面显著提升,多角色对话场景下嘴型与台词同步更准确,情绪表达更自然。同时优化构图、光影与质感一致性,整体生成质量进一步提升。 - [pixverse/pixverse-v5.6-kf2v](https://platform.qianwenai.com/docs/models/pixverse-v5-6-kf2v.md): 在任意两张图片之间实现无缝转换,实现更流畅自然的场景过渡,打造视觉冲击力强的画面效果。PixVerse V5.6 是爱诗科技自研的视频生成大模型,在文生视频与图生视频能力上实现全面升级。模型在画面清晰度、复杂运动稳定性与音画协同方面显著提升,多角色对话场景下嘴型与台词同步更准确,情绪表达更自然。同时优化构图、光影与质感一致性,整体生成质量进一步提升。 - [pixverse/pixverse-v5.6-r2v](https://platform.qianwenai.com/docs/models/pixverse-v5-6-r2v.md): 输入2–7张图像,智能融合不同主体,保持风格统一与动作协调,轻松构建丰富叙事场景,提升内容可控性与创意自由度。PixVerse V5.6 是爱诗科技自研的视频生成大模型,在文生视频与图生视频能力上实现全面升级。模型在画面清晰度、复杂运动稳定性与音画协同方面显著提升,多角色对话场景下嘴型与台词同步更准确,情绪表达更自然。同时优化构图、光影与质感一致性,整体生成质量进一步提升。 - [pixverse/pixverse-v5.6-t2v](https://platform.qianwenai.com/docs/models/pixverse-v5-6-t2v.md): 输入文字描述,秒级生成与语义精准匹配的高质量视频,支持多种风格。PixVerse V5.6 是爱诗科技自研的视频生成大模型,在文生视频与图生视频能力上实现全面升级。模型在画面清晰度、复杂运动稳定性与音画协同方面显著提升,多角色对话场景下嘴型与台词同步更准确,情绪表达更自然。同时优化构图、光影与质感一致性,整体生成质量进一步提升。 - [pixverse/pixverse-c1-it2v](https://platform.qianwenai.com/docs/models/pixverse-c1-it2v.md): C1是PixVerse在26年3月底推出的影视行业大模型,it2v(图片生成视频)模型除了拥有t2v(文字生成视频)的提示词控制能力外,还能高度还原参考图片的色彩、饱和度、场景和人物特征。相比V6可增强提示词,拥有更强的想象力、更接近影视专业水准的打斗动作、术法特效。支持15秒长视频、音乐和视频直出、支持多种语言文字。适合单人特写、单人独白、定格/慢动作、空镜转场等短时长镜头。 - [pixverse/pixverse-c1-kf2v](https://platform.qianwenai.com/docs/models/pixverse-c1-kf2v.md): C1是PixVerse在26年3月底推出的影视行业大模型,kf2v(首尾帧生成视频)模型可将任意两张图片衔接,视频转场更加流畅自然,支持15秒长视频、音乐和视频直出、支持多种语言文字。 - [pixverse/pixverse-c1-r2v](https://platform.qianwenai.com/docs/models/pixverse-c1-r2v.md): C1是PixVerse在26年3月底推出的影视行业大模型,r2v(多主体参考生成视频)输入2-7张图像,智能融合不同主体,同时拥有t2v(文字生成视频)的提示词控制能力,和it2v(图片生成视频)的一致性保持能力和想象力、更接近影视专业水准的打斗动作和术法特效。支持15秒长视频、音乐和视频直出、支持多种语言文字。适合多主体群像、多人对话、多人交互等复杂剧情,适合中景、全景镜头。 如果输入了1张多宫格分镜图片(最高支持九宫格),则可以一键生成连续分镜长视频。 - [pixverse/pixverse-c1-t2v](https://platform.qianwenai.com/docs/models/pixverse-c1-t2v.md): C1是PixVerse在26年3月底推出的影视行业大模型,t2v(文字生成视频)模型可通过提示词精准控制视频画面,精确还原各类镜头语言,推、拉、摇、移、跟随等运镜方式流畅自然,视角切换精准可控。支持15秒长视频、音乐和视频直出、支持多种语言文字。 - [vidu/viduq3-ad_reference2video](https://platform.qianwenai.com/docs/models/viduq3-ad-reference2video.md): ViduQ3-Ad是面向广告行业的专用模型,主打"营销级切镜+智能运镜+直出音效"三大能力,上传商品图即可生成16秒广告视频,降低广告视频的创作门槛与制作成本。 - [vidu/viduq3-drama_reference2video](https://platform.qianwenai.com/docs/models/viduq3-drama-reference2video.md): ViduQ3-Drama 是面向精品剧/AI漫剧生产的专用模型,主打"一致性+动效+细节美学+性价比"四大维度的全面升级,效果更稳、情绪更真、动态更强。 - [vidu/viduq3-pro-fast_img2video](https://platform.qianwenai.com/docs/models/viduq3-pro-fast-img2video.md): 输入图片与文本描述,生成视频。ViduQ3-Pro-fast生成速度更快,性价比更高;较 ViduQ2-Pro-fast 生成时长 10 秒扩展至 16 秒 ,可实现更复杂的镜头切换与叙事逻辑。 - [vidu/viduq3-mix_reference2video](https://platform.qianwenai.com/docs/models/viduq3-mix-reference2video.md): 输入1-7张参考图片与文本描述,生成视频。ViduQ3-mix画面质感强,均衡性好。ViduQ3参考生视频为剧而生,万物可参,声画同出:6大特效(粒子 / 流体 / 动力学 / 运镜 / 转场 / 光影)、5大音效(环境 / 动态 / 氛围 / 拟音 / 情绪)、4大场景(短剧 / 漫剧 / 影视剧 / 广告)全面融合,轻松驾驭短剧、漫剧、广告等多元创作。 - [vidu/viduq3-pro_img2video](https://platform.qianwenai.com/docs/models/viduq3-pro-img2video.md): 输入图片与文本描述,生成视频。ViduQ3-Pro图生视频是旗舰级音视频原生模型。支持长达16秒的音画同步生成,实现多镜头自由切换,精准把控节奏、情绪与叙事连贯性。画质、人物一致性及情绪表现稳定,达电影级标准。适用于广告(电商、TVC、效果投放)、漫剧、真人剧及游戏等专业生产场景。 - [vidu/viduq3-pro_start-end2video](https://platform.qianwenai.com/docs/models/viduq3-pro-start-end2video.md): 输入首帧图、尾帧图与文本描述,生成视频。ViduQ3-Pro首尾帧生视频是旗舰级音视频原生模型。支持长达16秒的音画同步生成,实现多镜头自由切换,精准把控节奏、情绪与叙事连贯性。画质、人物一致性及情绪表现稳定,达电影级标准。适用于广告(电商、TVC、效果投放)、漫剧、真人剧及游戏等专业生产场景。 - [vidu/viduq3-pro_text2video](https://platform.qianwenai.com/docs/models/viduq3-pro-text2video.md): 输入一段文本,生成视频。ViduQ3-Pro文生视频是旗舰级音视频原生模型。支持长达16秒的音画同步生成,实现多镜头自由切换,精准把控节奏、情绪与叙事连贯性。画质、人物一致性及情绪表现稳定,达电影级标准。适用于广告(电商、TVC、效果投放)、漫剧、真人剧及游戏等专业生产场景。 - [vidu/viduq3-turbo_img2video](https://platform.qianwenai.com/docs/models/viduq3-turbo-img2video.md): 输入图片与文本描述,生成视频。ViduQ3-Turbo图生视频是高性能加速版模型。生成效率极高,兼具优质画质与动态表现,尤其在打斗场面、情绪渲染及语义理解上表现良好。性价比突出,适合图片社交、AI陪伴及特效素材等泛娱乐场景。 - [vidu/viduq3-turbo_reference2video](https://platform.qianwenai.com/docs/models/viduq3-turbo-reference2video.md): 输入1-7张参考图片与文本描述,生成视频。ViduQ3-Turbo生成速度快,性价比高。ViduQ3参考生视频为剧而生,万物可参,声画同出:6大特效(粒子 / 流体 / 动力学 / 运镜 / 转场 / 光影)、5大音效(环境 / 动态 / 氛围 / 拟音 / 情绪)、4大场景(短剧 / 漫剧 / 影视剧 / 广告)全面融合,轻松驾驭短剧、漫剧、广告等多元创作。 - [vidu/viduq3-turbo_start-end2video](https://platform.qianwenai.com/docs/models/viduq3-turbo-start-end2video.md): 输入首帧图、尾帧图与文本描述,生成视频。ViduQ3-Turbo首尾帧生视频是高性能加速版模型。生成效率极高,兼具优质画质与动态表现,尤其在打斗场面、情绪渲染及语义理解上表现良好。性价比突出,适合图片社交、AI陪伴及特效素材等泛娱乐场景。 - [vidu/viduq3-turbo_text2video](https://platform.qianwenai.com/docs/models/viduq3-turbo-text2video.md): 输入一段文本,生成视频。ViduQ3-Turbo文生视频是高性能加速版模型。生成效率极高,兼具优质画质与动态表现,尤其在打斗场面、情绪渲染及语义理解上表现良好。性价比突出,适合图片社交、AI陪伴及特效素材等泛娱乐场景。 - [vidu/viduq3_reference2video](https://platform.qianwenai.com/docs/models/viduq3-reference2video.md): 输入1-7张参考图片与文本描述,生成视频。ViduQ3支持智能切镜,多机位一致性更出色。ViduQ3参考生视频为剧而生,万物可参,声画同出:6大特效(粒子 / 流体 / 动力学 / 运镜 / 转场 / 光影)、5大音效(环境 / 动态 / 氛围 / 拟音 / 情绪)、4大场景(短剧 / 漫剧 / 影视剧 / 广告)全面融合,轻松驾驭短剧、漫剧、广告等多元创作。 - [vidu/viduq2-pro-fast_img2video](https://platform.qianwenai.com/docs/models/viduq2-pro-fast-img2video.md): 输入图片与文本描述,生成视频。ViduQ2-Pro-fast价格触底、效果稳定,生成速度较turbo提高2-3倍。ViduQ2图生视频是“万物可参考”视频模型。支持特效、表情、纹理、动作、人物、场景等六大维度参考,实现编辑全面进化。通过可控式增、删、改,达成精细化视频编辑,专为漫剧、短剧、影视制作打造的生产级创作引擎。 - [vidu/viduq2-pro_img2video](https://platform.qianwenai.com/docs/models/viduq2-pro-img2video.md): 输入图片与文本描述,生成视频。ViduQ2-Pro图生视频是“万物可参考”视频模型。支持特效、表情、纹理、动作、人物、场景等六大维度参考,实现编辑全面进化。通过可控式增、删、改,达成精细化视频编辑,专为漫剧、短剧、影视制作打造的生产级创作引擎。 - [vidu/viduq2-pro_reference2video](https://platform.qianwenai.com/docs/models/viduq2-pro-reference2video.md): 输入参考视频、图片与文本描述,生成视频。ViduQ2-Pro参考生视频是“万物可参考”视频模型。支持特效、表情、纹理、动作、人物、场景等六大维度参考,实现编辑全面进化。通过可控式增、删、改,达成精细化视频编辑,专为漫剧、短剧、影视制作打造的生产级创作引擎。 - [vidu/viduq2-pro_start-end2video](https://platform.qianwenai.com/docs/models/viduq2-pro-start-end2video.md): 输入首帧图、尾帧图与文本描述,生成视频。ViduQ2-Pro首尾帧生视频是“万物可参考”视频模型。支持特效、表情、纹理、动作、人物、场景等六大维度参考,实现编辑全面进化。通过可控式增、删、改,达成精细化视频编辑,专为漫剧、短剧、影视制作打造的生产级创作引擎。 - [vidu/viduq2-turbo_img2video](https://platform.qianwenai.com/docs/models/viduq2-turbo-img2video.md): 输入图片与文本描述,生成视频。ViduQ2-Turbo图生视频是极速生成引擎。720P 5s视频最快仅需19秒,1080P 5s视频约27秒。人物动作与表情自然逼真,真实感强,在打斗等高动态场景中效果出色,运动幅度大。 - [vidu/viduq2-turbo_start-end2video](https://platform.qianwenai.com/docs/models/viduq2-turbo-start-end2video.md): 输入首帧图、尾帧图与文本描述,生成视频。ViduQ2-Turbo首尾帧生视频是极速生成引擎。720P 5s视频最快仅需19秒,1080P 5s视频约27秒。人物动作与表情自然逼真,真实感强,在打斗等高动态场景中效果出色,运动幅度大。 - [vidu/viduq2_reference2video](https://platform.qianwenai.com/docs/models/viduq2-reference2video.md): 输入参考图片与文本描述,生成视频。ViduQ2参考生视频是精准指令遵循与细腻情感捕捉模型。具备剧情控制力,能深刻理解并表现微表情变化;镜头语言丰富,运镜流畅,画面张力十足。广泛适用于影视动漫、广告电商、短剧及文旅等行业。 - [vidu/viduq2_text2video](https://platform.qianwenai.com/docs/models/viduq2-text2video.md): 输入一段文本,生成视频。ViduQ2文生视频是精准指令遵循与细腻情感捕捉模型。具备剧情控制力,能深刻理解并表现微表情变化;镜头语言丰富,运镜流畅,画面张力十足。广泛适用于影视动漫、广告电商、短剧及文旅等行业。 - [pixverse/pixverse-v6-r2v-omni](https://platform.qianwenai.com/docs/models/pixverse-v6-r2v-omni.md): V6-r2v-omni是PixVerse在26年8月推出的视频生成模型,是在现有 Video (T2V/I2V)、Transition (首尾帧)、Extend 基础上新增的能力,支持视频与图片混合输入生成视频。 - [MiniMax/MiniMax-H3](https://platform.qianwenai.com/docs/models/minimax-h3.md): MiniMax-H3 支持文生视频、图生视频(首帧/尾帧/首尾帧)和多模态参考生视频,支持 768P 和 2K 分辨率输出。 - [3D模型生成](https://platform.qianwenai.com/docs/models/model-list-3d-generation.md): 3D模型生成模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [Tripo/Tripo-H3.1](https://platform.qianwenai.com/docs/models/tripo-h3-1.md): Tripo H3.1 是 Tripo 推出的高精度 3D 生成模型,面向高视觉质量与细节表现场景。模型参数规模达 200 亿级,支持十亿体素级三维分辨率与最高 200 万面多边形生成。在保持高精度几何与真实纹理的同时,Tripo H3.1 对输入参考图的还原度与对齐度进一步提升,适用于高质量视觉制作与 3D 打印等高精度资产生产场景。 - [Tripo/Tripo-P1.0](https://platform.qianwenai.com/docs/models/tripo-p1-0.md): Tripo P1.0 是面向实时应用与生产管线的 3D 生成模型,专为需要干净拓扑和引擎可用网格的开发者与创作者设计。模型可在约 2 秒内生成具备专业级拓扑结构的 3D 资产,适用于游戏、Web3D 与各类实时交互场景。针对 UGC 内容生产中对“速度”和“开箱即用”的需求,Tripo P1.0 在保证质量的同时大幅提升生成效率,使资产能够快速接入实时引擎与开发流程。 - [Tripo/Tripo-ImageToSplat](https://platform.qianwenai.com/docs/models/tripo-image-to-splat.md): Tripo根据单张图片生成 3D Gaussian Splat(.splat 格式)。Gaussian Splatting 是一种新型 3D 表示方式,适用于高质量实时渲染与真实感场景重建。输出的 .splat 文件可用主流 Gaussian Splat 查看器与渲染器加载。 - [Tripo/Tripo-Texture](https://platform.qianwenai.com/docs/models/tripo-texture.md): Tripo AI 贴图支持输入文字或上传图片,通过 AI 算法自动为白模生成材质贴图。支持 PBR/8K 材质,提供更精致的高保真材质细节,显著提升纹理、金属等细节表现。 - [Tripo/Tripo-Segmentation](https://platform.qianwenai.com/docs/models/tripo-segmentation.md): Tripo AI 网格分割通过 AI 算法自动识别并完成模型部件分割,无需分件或拓扑经验。支持三档分割精度灵活选择,精准适配 3D 打印、游戏资产、动画等多种工作流。 - [Tripo/Tripo-SmartSegmentation](https://platform.qianwenai.com/docs/models/tripo-smart-segmentation.md): Tripo智能分割支持图片或者模型的输入,提供端到端的模型分割能力;适用于需要按照语义控制进行更精准分割的场景,例如指定拆分特定部件、控制分割范围或调整分割精度。推荐在需要更高可控性的工作流中使用。 - [Tripo/Tripo-MeshCompletion](https://platform.qianwenai.com/docs/models/tripo-mesh-completion.md): Tripo网格补全支持对拆分后的模型部件进行 AI 自动补齐,保证拆分后部件的完整性,提升后续 3D 打印、游戏资产、动画等工作流的处理效率。 - [Tripo/Tripo-Retopology](https://platform.qianwenai.com/docs/models/tripo-retopology.md): Tripo重拓扑可将高模快速减面,满足不同 LOD 制作需求,在降低模型面数的同时保持原有几何结构与细节。生成拓扑合理的网格,支持四边面,便于后续编辑与动画制作。 - [Tripo/Tripo-ConvertFormat](https://platform.qianwenai.com/docs/models/tripo-convert-format.md): Tripo AI 格式转换支持多种主流 3D 模型格式之间的快速转换,自动完成模型数据解析与格式适配,确保模型结构与材质信息完整保留,满足不同 3D 软件、引擎及生产工作流的使用需求。 - [Tripo/Tripo-RigCheck](https://platform.qianwenai.com/docs/models/tripo-rig-check.md): Tripo可绑骨检查可智能检测模型是否满足自动绑骨要求,并根据模型的形体结构与特征,自动判断适用的骨骼类型,为后续骨骼绑定与动画制作提供准确的前置判断。 - [Tripo/Tripo-AutoRig](https://platform.qianwenai.com/docs/models/tripo-auto-rig.md): Tripo绑骨基于Tripo自研的 UniRig 算法,可智能解析模型形体结构,自动完成骨骼生成、定位与蒙皮绑定。精准识别脊椎弯曲路径等关键运动维度,实现更合理的骨骼位置与蒙皮权重分配,快速生成可用于动画制作的角色模型。 - [Tripo/Tripo-AnimationRetarget](https://platform.qianwenai.com/docs/models/tripo-animation-retarget.md): Tripo动画重定向提供 100 套预制动画,可将标准动作快速重定向至已绑定骨骼的模型,自动适配不同角色的骨骼结构与体型差异,无需手动调整动画数据,快速生成可直接使用的角色动画。 - [世界模型](https://platform.qianwenai.com/docs/models/model-list-world-model.md): 世界模型模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [happyoyster-1.0-adventure](https://platform.qianwenai.com/docs/models/happyoyster-1-0-adventure.md): HappyOyster Adventure 是实时交互、可探索互动的开放式世界模型。基于多模态(文本/图像)输入即可生成的世界场景,通过实时交互、位移和镜头控制进行沉浸式无边探索。 - [语音合成](https://platform.qianwenai.com/docs/models/model-list-speech-synthesis.md): 语音合成模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen-audio-3.1-tts-plus](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-tts-plus.md): Qwen-Audio-3.1-TTS-Plus 是面向精品音色和内容创作的高质量、专业级语音合成大模型,支持多种语言和方言及流式语音合成。模型支持 free-style 指令遵循和细粒度标签控制,可灵活控制情绪、语气、角色、语速、音量等表达方式。在声音复刻场景中,模型对含噪声、混响的参考音频具有更强的鲁棒性,提升了音质、清晰度和整体表现力。Plus 版本侧重音质与高分辨率,适用于品牌标杆音色、有声内容创作、影视配音、角色演绎等对音质要求较高的专业场景。 - [qwen-audio-3.1-tts-flash](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-tts-flash.md): Qwen-Audio-3.1-TTS-Flash是面向实时交互场景的高性能语音合成大模型,支持多种语言和方言,支持流式语音合成。该模型具有free-style指令遵循能力和细粒度标签控制能力,可更灵活地控制情绪、语气、角色、语速、音量等表达方式。同时,模型在声音复刻场景中,对含有噪声、混响的参考音频具有更强的鲁棒性,提升了音质、清晰度和整体表现力。Flash版本重点优化实时合成体验,适用于语音助手、实时对话、智能客服等低延迟交互场景。 - [qwen-audio-3.0-tts-plus](https://platform.qianwenai.com/docs/models/qwen-audio-3-0-tts-plus.md): Qwen-Audio-3.0-TTS-Plus是面向高质量语音生成场景打造的高性能语音合成大模型。相比前一版本,模型支持更多小语种和中文方言,显著提升方言发音的正宗程度,并增强了 free-style 指令遵循能力和细粒度标签控制能力,可更准确地控制情绪、语气、角色、语速、音量和合成风格。同时,模型在噪声、混响等复杂声学条件下具备更强鲁棒性,进一步提升了音质、清晰度、分辨率和整体表现力。Plus 版本更强调合成效果和细节表现,适用于有更高音质、自然度和表现力要求的专业场景,如内容创作、有声书、影视配音、品牌声音设计和高品质语音服务。 - [qwen-audio-3.0-tts-flash](https://platform.qianwenai.com/docs/models/qwen-audio-3-0-tts-flash.md): Qwen-Audio-3.0-TTS-Flash是面向实时交互场景优化的高性能语音合成大模型。相比前一版本,模型支持更多小语种和中文方言,提升了方言发音的正宗程度,并增强了 free-style 指令遵循能力和细粒度标签控制能力,可更灵活地控制情绪、语气、角色、语速、音量等表达方式。同时,模型在噪声、混响等复杂声学条件下具备更强鲁棒性,提升了音质、清晰度和整体表现力。Flash 版本重点优化实时合成体验,适用于语音助手、实时对话、智能客服等低延迟交互场景。 - [cosyvoice-v3.5-plus](https://platform.qianwenai.com/docs/models/cosyvoice-v3-5-plus.md): CosyVoice-v3.5-Plus是通义实验室CosyVoice系列的超高表现力语音合成大模型。对声音克隆和声音设计的语音合成效果进行全面升级,确保说话人高相似度的前提下,支持free-style指令控制,合成风格丰富多样。较之前版本大幅减少首包延迟,同时提高发音准确率,改善韵律和音质。支持跨多语种(中、英、德、法、俄、日、韩、葡、泰、印尼、越南)超自然听感实时语音合成。 - [cosyvoice-v3.5-flash](https://platform.qianwenai.com/docs/models/cosyvoice-v3-5-flash.md): CosyVoice-v3.5-Flash是通义实验室CosyVoice系列的高性能语音合成大模型。对声音克隆和声音设计的语音合成效果进行全面升级,确保说话人高相似度的前提下,支持free-style指令控制,合成风格丰富多样。较之前版本大幅减少首包延迟,同时提高发音准确率,改善韵律和音质。支持跨多语种(中、英、德、法、俄、日、韩、葡、泰、印尼、越南)超自然听感实时语音合成。 - [cosyvoice-v3-plus](https://platform.qianwenai.com/docs/models/cosyvoice-v3-plus.md): 克隆能力:CosyVoice-v3-plus是通义实验室CosyVoice系列语音克隆大模型,具有更好的音质和复刻相似度,适用于更专业的场景。仅需提供5-20s的参考音频,即可迅速生成高度相似且听感自然的定制声音。合成能力:CosyVoice-v3-plus是通义实验室CosyVoice系列语音合成大模型,具有更好的音质和表现力,适用于更专业的场景。该模型支持文本至语音的实时流式合成。 - [cosyvoice-v3-flash](https://platform.qianwenai.com/docs/models/cosyvoice-v3-flash.md): 合成能力:CosyVoice-v3-Flash是通义实验室CosyVoice系列高性能的语音合成大模型,较之前版本在自然度、音质、韵律、情感表现力上有更好的表现。该模型支持文本至语音的实时流式合成。克隆能力:CosyVoice-v3-Flash也是通义实验室CosyVoice系列语音克隆大模型,较之前版本提升了发音准确性、音色相似度,并且增加了更多小语种支持(德、西、法、意、俄)。仅需提供5-20s的参考音频,即可迅速生成高度相似且听感自然的定制声音。 - [voice-enrollment](https://platform.qianwenai.com/docs/models/voice-enrollment.md): 大模型声音复刻服务依托先进的大模型技术进行特征提取,无需训练过程就可以完成声音的复刻。仅需提供极短的音频,即可迅速生成高度相似且听感自然的定制声音。 大模型声音设计使用FunAudioGen-VD模型,支持通过文本Prompt描述,创造声音。无需受限任何音频质量,根据目标场景对音色、语气、语调、语速、情绪等各方面表现力的需求描述,即可生成高质量语音。高度还原专业配音演员的演出水准。 - [qwen-voice-enrollment](https://platform.qianwenai.com/docs/models/qwen-voice-enrollment.md): 千问voice-enrollment模型是千问语音模型的声音复刻系列模型,仅需5s以上的音频,即可迅速复刻高相似度声音。结合qwen3-tts-vc-realtime模型使用,可将一个人的声音高保真复刻,输出10个语种的语音。且合成音频可以根据文本自适应调节语气,对复杂文本合成也有较好的处理能力。 - [MiniMax/speech-2.8-hd](https://platform.qianwenai.com/docs/models/speech-2-8-hd.md): MiniMax 语音大模型能够根据上下文,智能预测文本的情绪、语调等信息,并生成超自然、高保真、个性化的语音。在社交、播客、有声书、新闻资讯、教育、数字人等多种场景中展现出强大的实力。 - [MiniMax/speech-2.8-turbo](https://platform.qianwenai.com/docs/models/speech-2-8-turbo.md): MiniMax 语音大模型能够根据上下文,智能预测文本的情绪、语调等信息,并生成超自然、高保真、个性化的语音。在社交、播客、有声书、新闻资讯、教育、数字人等多种场景中展现出强大的实力。 - [MiniMax/speech-02-hd](https://platform.qianwenai.com/docs/models/speech-02-hd.md): MiniMax 语音大模型能够根据上下文,智能预测文本的情绪、语调等信息,并生成超自然、高保真、个性化的语音。在社交、播客、有声书、新闻资讯、教育、数字人等多种场景中展现出强大的实力。 - [MiniMax/speech-02-turbo](https://platform.qianwenai.com/docs/models/speech-02-turbo.md): MiniMax 语音大模型能够根据上下文,智能预测文本的情绪、语调等信息,并生成超自然、高保真、个性化的语音。在社交、播客、有声书、新闻资讯、教育、数字人等多种场景中展现出强大的实力。 - [qwen3-tts-flash](https://platform.qianwenai.com/docs/models/qwen3-tts-flash.md): Qwen3-TTS-Flash模型是通义实验室离线语音合成大模型,不仅拥有17种高表现力的拟人音色,且能低延迟高稳定地合成音频;同时支持多种语言,方言,支持同一音色多语言输出。该模型经过海量数据训练,合成音频可以根据文本自适应调节语气,对复杂文本合成也有较好的处理能力。 - [qwen3-tts-flash-realtime](https://platform.qianwenai.com/docs/models/qwen3-tts-flash-realtime.md): 千问3-TTS-Flash-Realtime模型是通义实验室实时语音合成大模型,不仅拥有17种高表现力的拟人音色,且能低延迟高稳定地实时合成音频;同时支持多种语言,方言,支持同一音色多语言输出。该模型经过海量数据训练,合成音频可以根据文本自适应调节语气,对复杂文本合成也有较好的处理能力。 - [cosyvoice-v2](https://platform.qianwenai.com/docs/models/cosyvoice-v2.md): cosyvoice-V2 是通义实验室基于大规模预训练语言模型构建的生成式语音合成模型,深度融合文本理解与语音生成,支持文本至语音的实时流式合成。 - [Sambert语音合成](https://platform.qianwenai.com/docs/models/sambert.md): 提供SAMBERT+NSFGAN深度神经网络算法与传统领域知识深度结合的文字转语音服务,兼具读音准确,韵律自然,声音还原度高,表现力强的特点。 - [音频生成](https://platform.qianwenai.com/docs/models/model-list-audio-generation.md): 音频生成模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen-audio-3.1-tts-next](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-tts-next.md): qwen-audio-3.1-tts-next 是一款面向统一音频生成的 Audiogen 模型,不再局限于传统 TTS 的单一语音合成,而是能够围绕文本、时间戳和参考音频等输入,一次生成完整的音频内容,包括人声、音效、环境音等。模型支持多语种 TTS、单人说话、多人对话、Podcast 播客、影视剧声景、环境音与音效等任务。其核心亮点在于更自然的人声表达、稳定的音色保持、灵活的时间控制,以及高质量综合声景生成能力,适用于内容创作、短视频、播客、影视和游戏音频制作等场景。 - [语音识别](https://platform.qianwenai.com/docs/models/model-list-speech-recognition.md): 语音识别模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen-audio-3.1-asr-flash](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-asr-flash.md): Qwen-Audio-3.1-ASR-Flash是一款支持短语音高效识别的大模型,面向高质量、多语种及文化内容转写场景。模型支持多语种与多地区中文方言识别,同时针对中文古诗词的韵律、节奏与文言表达进行优化。具备上下文增强、标点预测与文本规范化能力。同时该版本支持多种方言 ASR/AST 可控输出。原生转写润色能力及工业级多人对话分角色转写能力。 - [qwen-audio-3.1-asr-flash-streaming](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-asr-flash-streaming.md): Qwen-Audio-3.1-ASR-Flash-Streaming端到端实时语音识别大模型,面向实时会议、直播字幕与智能交互等场景,具备低延迟、高精度的流式语音转写能力。模型支持多语种与多地区中文方言识别、中英文自由切换、热词及上下文增强、标点预测与文本规范化,并具备较强的噪声鲁棒性,可适应复杂声学环境。同时该版本支持多种方言 ASR/AST 可控输出。 - [qwen-audio-3.1-asr-flash-filetrans](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-asr-flash-filetrans.md): Qwen-Audio-3.1-ASR-Flash-Filetrans端到端离线语音识别大模型,面向会议转写、内容生产与通话分析等场景,支持多语种与多地区中文方言识别。模型具备高精度转写、热词及上下文增强、说话人分离、标点预测和文本规范化能力,在复杂噪声环境下仍能保持稳定表现,是用户进行长音频转写的优选。同时该版本支持多种方言 ASR/AST 可控输出。 - [qwen-audio-3.1-asr-flash-message](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-asr-flash-message.md): Qwen-Audio-3.1-ASR-Flash-Message 是面向语音消息、输入法和企业业务场景优化的生成式语音识别模型,支持中文、英文及多语言识别,重点优化印尼语、日语、泰语、菲律宾语、越南语、韩语和马来语。模型支持流式上屏、P0/P1 热词、文本归一化、结合前文转写和业务上下文识别,以及可开关的原生润色,并增强了多人声、背景对话、远场及环境噪声下的识别稳定性。支持自动识别或指定目标语种,中文方言可输出方言原文或转换为普通话文本。 - [qwen-audio-3.0-asr-flash](https://platform.qianwenai.com/docs/models/qwen-audio-3-0-asr-flash.md): 百聆2026年6月更新的大模型ASR版本,全面支持汉语传统七大方言体系(官话/吴/湘/赣/客/闽/粤),并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化,提升对古诗词内容的识别准确率,适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力,使输出文本更符合书面表达习惯,数字、日期、金额等信息自动转换为标准格式,增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等,共计30个语种。支持context上下文能力,可转写5分钟以内的音频。 - [qwen-audio-3.0-asr-flash-streaming](https://platform.qianwenai.com/docs/models/qwen-audio-3-0-asr-flash-streaming.md): qwen-audio-3.0-asr-flash-streaming是通义实验室专为低延迟、高并发实时交互场景打造的旗舰级语音识别模型。 - [qwen-audio-3.0-asr-flash-filetrans](https://platform.qianwenai.com/docs/models/qwen-audio-3-0-asr-flash-filetrans.md): qwen-audio-3.0-asr-flash-filetrans是专为非实时、整段音视频文件设计的高性能转写模型。它不仅集成了 Context(上下文增强)能力,还强化了垂直行业热词的识别精度,非常适合短视频字幕、客服质检和金融双录场景。 - [qwen3-asr-flash](https://platform.qianwenai.com/docs/models/qwen3-asr-flash.md): 千问3-ASR-Flash是一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据,千问3-ASR-Flash实现了高精度的语音识别功能,能够自动判断语种并准确识别多个语种的语音,在复杂的音频环境下能够保证精确转录。 - [qwen3-asr-flash-realtime](https://platform.qianwenai.com/docs/models/qwen3-asr-flash-realtime.md): 千问3-ASR-Flash的实时版,一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据,通义千问3-ASR-Flash实现了高精度的语音识别功能,能够自动判断语种并准确识别多个语种的语音,在复杂的音频环境下能够保证精确转录。 - [qwen3-asr-flash-filetrans](https://platform.qianwenai.com/docs/models/qwen3-asr-flash-filetrans.md): 千问3-ASR-Flash的大文件转录版本,千问3-ASR-Flash是一款基于大语言模型的高精度、高智能、高鲁棒性的多语种语音识别模型。依托强大的基座模型、海量的文本与多模态数据、千万小时音频数据,千问3-ASR-Flash实现了高精度的语音识别功能,能够自动判断语种并准确识别多个语种的语音,在复杂的音频环境下能够保证精确转录。 - [fun-asr-flash-2026-06-15](https://platform.qianwenai.com/docs/models/fun-asr-flash.md): 百聆2026年6月更新的大模型ASR版本,全面支持汉语传统七大方言体系(官话/吴/湘/赣/客/闽/粤),并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化,提升对古诗词内容的识别准确率,适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力,使输出文本更符合书面表达习惯,数字、日期、金额等信息自动转换为标准格式,增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等,共计30个语种。支持context上下文能力,可转写5分钟以内的音频。 - [fun-asr-flash-8k-realtime](https://platform.qianwenai.com/docs/models/fun-asr-flash-8k-realtime.md): 通义百聆推出的轻量级实时语音识别模型,依托自研的先进语音技术架构,具备强大的上下文理解能力。专为中文电话客服场景设计:覆盖多地区方言口音,在低采样率、低信噪比环境下实现低延迟、高准确率的流式转写,满足高效部署需求。该模型版本功能等同于快照模型 fun-asr-flash-8k-realtime-2026-01-28。 - [fun-asr](https://platform.qianwenai.com/docs/models/fun-asr.md): 百聆2026年4月更新的大模型ASR版本,全面支持汉语传统七大方言体系(官话/吴/湘/赣/客/闽/粤),并适配 20+ 地区口音官话。针对中文古诗词的韵律、节奏与文言表达特点进行专项优化,提升对古诗词内容的识别准确率,适用于文化传承、教育讲解、有声读物等场景。优化标点预测与文本归一化能力,使输出文本更符合书面表达习惯,数字、日期、金额等信息自动转换为标准格式,增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等,共计30个语种。此版本等同于2025年11月7日的快照版本。 - [fun-asr-realtime](https://platform.qianwenai.com/docs/models/fun-asr-realtime.md): 通义实验室端到端语音识别大模型的实时版,基于自研语音技术,具备上下文感知和高精度语音转写能力。基于端到端架构,Fun-ASR 集成了创新的 RAG 技术,支持大规模热词自定义、敏感/语气词自动过滤、ITN 规范化、标点预测等多维功能,显著提升了整体识别准确率和语境贴合度。同时,Fun-ASR 支持中英文自由切换,多地区方言覆盖,具备更强的噪声鲁棒性,适应多样复杂环境。 - [paraformer-v2](https://platform.qianwenai.com/docs/models/paraformer-v2.md): 推荐使用 Paraformer语音识别模型,支持多个语种的语音识别。可以通过language_hints参数选择语种获得更准确的识别效果,支持任意采样率。 支持的语言包括:中文(含粤语等各种方言)、英文、日语、韩语。可支持热词。 - [paraformer-realtime-v2](https://platform.qianwenai.com/docs/models/paraformer-realtime-v2.md): 推荐使用 Paraformer实时语音识别模型,支持多个语种自由切换的视频直播、会议等实时场景的语音识别。可以通过language_hints参数选择语种获得更准确的识别效果。支持任意采样率。 支持的语言包括:中文(含粤语等各种方言)、英文、日语、韩语。 可支持热词。 - [paraformer-8k-v2](https://platform.qianwenai.com/docs/models/paraformer-8k-v2.md): Paraformer中文语音识别模型,模型结构升级,具有更好的识别效果,支持8kHz电话语音识别,仅支持中文热词。 - [paraformer-realtime-8k-v2](https://platform.qianwenai.com/docs/models/paraformer-realtime-8k-v2.md): 推荐使用 Paraformer实时语音识别模型,支持多个语种自由切换的视频直播、会议等实时场景的语音识别。可以通过language_hints参数选择语种获得更准确的识别效果。支持8kHz电话客服等场景下的实时语音识别。 支持的语言包括:中文(含粤语等各种方言)、英文、日语、韩语。 - [speech-biasing](https://platform.qianwenai.com/docs/models/speech-biasing.md): 热词是指用户可以预先定义的一组特定词汇或短语,这些词汇或短语在识别、翻译过程中会被赋予更高的优先级。针对您的特定业务领域,如果有部分词汇的语音识别、翻译效果不够好,可以将这些关键词或短语添加为热词进行优先识别或翻译,从而提升识别、翻译效果。 - [语音转语音](https://platform.qianwenai.com/docs/models/model-list-speech-to-speech.md): 语音转语音模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen-audio-3.1-realtime-plus](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-realtime-plus.md): 实时双工语音对话模型,支持文本和音频输入输出、工具调用、联网搜索及声音复刻。 - [qwen-audio-3.1-realtime-flash](https://platform.qianwenai.com/docs/models/qwen-audio-3-1-realtime-flash.md): 实时双工语音对话模型,支持文本和音频输入输出、工具调用、联网搜索及声音复刻。 - [qwen-audio-3.0-realtime-plus](https://platform.qianwenai.com/docs/models/qwen-audio-3-0-realtime-plus.md): 千问实时语音大模型 是面向实时双工语音交互的大模型,兼顾模型能力与双工对话节奏,在保持流畅、自然的实时交互体验的同时提供语音推理能力;通过并行推理和全向流式等工程优化降低端到端响应时延。标准版侧重回复质量。 - [qwen-audio-3.0-realtime-flash](https://platform.qianwenai.com/docs/models/qwen-audio-3-0-realtime-flash.md): 千问实时语音对话大模型3.0 是面向实时双工语音交互的大模型,兼顾模型能力与双工对话节奏,在保持流畅、自然的实时交互体验的同时提供语音推理能力;通过并行推理和全向流式等工程优化降低端到端响应时延。极速版侧重响应速度。 - [qwen3.8-livetranslate-flash-realtime](https://platform.qianwenai.com/docs/models/qwen3-8-livetranslate-flash-realtime.md): Qwen3.8-LiveTranslate-Flash-Realtime 是多语言实时音视频同传模型,支持音频和图像输入、文本和音频输出,可识别 60 种源语言,并支持 29 种语言的语音输出。 - [qwen3.5-livetranslate-flash-realtime](https://platform.qianwenai.com/docs/models/qwen3-6.md): Qwen3.5-LiveTranslate-Flash的实时版本,一款高精度、高响应、高鲁棒性的多语言实时音视频同传大模型。依托Qwen3.5-Omni强大的基座能力、海量多模态数据、跨语言跨模态对齐和视觉增强等技术,通义千问3.5-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力,能听懂60种语言,会说29种语言。 - [qwen3-livetranslate-flash](https://platform.qianwenai.com/docs/models/model-qwen3-livetranslate-flash.md): Qwen3-LiveTranslate-Flash,一款高精度、高响应、高鲁棒性的多语言实时音视频同传大模型。依托Qwen3-Omni强大的基座能力、海量多模态数据、跨语言跨模态对齐和视觉增强等技术,Qwen3-LiveTranslate-Flash 实现了离线和实时两种音视频翻译能力,能听懂19种语言,会说10种语言以及8种中文方言。 - [全模态](https://platform.qianwenai.com/docs/models/model-list-omni.md): 全模态模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen3.8-omni-flash](https://platform.qianwenai.com/docs/models/qwen3-8-omni-flash.md): 面向音视频理解和内容分析,支持文本、图片、音频、视频输入及文本输出。 - [qwen3.8-omni-flash-realtime](https://platform.qianwenai.com/docs/models/qwen3-8-omni-flash-realtime.md): 面向实时音视频交互,支持文本与音频输出、多通道音频和工具调用。 - [qwen3.5-omni-plus](https://platform.qianwenai.com/docs/models/qwen3-5-omni-plus.md): Qwen3.5-Omni是Qwen全模态大模型,支持文本,图片,音频,音视频理解与交互。作为 Qwen3-Omni 的全面进化版本, 支持超过 10 小时的音频理解及超过 400 秒的 720P(1 FPS)音视频理解与对话,并进一步拓展语言范围,支持60+种语言音频输入,30+语言语音输出,并且具备强大的结构化音视频理解能力,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理解与交互体验。该模型版本功能等同于快照模型 qwen3.5-omni-plus-2026-03-15。 - [qwen3.5-omni-flash](https://platform.qianwenai.com/docs/models/qwen3-5-omni-flash.md): Qwen3.5-Omni是Qwen全模态大模型,支持文本,图片,音频,音视频理解与交互。作为 Qwen3-Omni 的全面进化版本, 支持超过 10 小时的音频理解及超过 400 秒的 720P(1 FPS)音视频理解与对话,并进一步拓展语言范围,支持60+种语言音频输入,30+语言语音输出,并且具备强大的结构化音视频理解能力,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理解与交互体验。该模型版本功能等同于快照模型 qwen3.5-omni-flash-2026-03-15。 - [qwen3-omni-flash](https://platform.qianwenai.com/docs/models/qwen3-omni-flash.md): 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,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。 - [qwen3.5-omni-plus-realtime](https://platform.qianwenai.com/docs/models/qwen3-5-omni-plus-realtime.md): Qwen3.5-Omni是Qwen全模态大模型,支持文本,图片,音频,音视频理解与交互。作为 Qwen3-Omni 的全面进化版本,支持60+种语言音频输入,30+语言语音输出以及可控语音对话,WebSearch和复杂FunctionCall的调用,并且具备智能语义打断的交互能力,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。该模型版本功能等同于快照模型 qwen3.5-omni-plus-realtime-2026-03-15。 - [qwen3.5-omni-flash-realtime](https://platform.qianwenai.com/docs/models/qwen3-5-omni-flash-realtime.md): Qwen3.5-Omni是Qwen全模态大模型,支持文本,图片,音频,音视频理解与交互。作为 Qwen3-Omni 的全面进化版本,支持60+种语言音频输入,30+语言语音输出以及可控语音对话,WebSearch和复杂FunctionCall的调用,并且具备智能语义打断的交互能力,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。该模型版本功能等同于快照模型 qwen3.5-omni-flash-realtime-2026-03-15。 - [qwen3-omni-flash-realtime-2025-09-15](https://platform.qianwenai.com/docs/models/qwen3-omni-flash-realtime-2025-09-15.md): Qwen3-Omni-Flash 的实时版,基于 Thinker–Talker 混合专家(MoE)架构,支持文本、图像、音频、视频的理解与语音生成,可进行 119 种语言文本交互和 20 种语言语音交互。该版本为 2025 年 9 月 15 日快照。 - [向量与重排序](https://platform.qianwenai.com/docs/models/model-list-embedding-reranking.md): 向量与重排序模型列表,包含各模型的调用 ID、能力、上下文限制与价格信息。 - [qwen3.7-text-embedding](https://platform.qianwenai.com/docs/models/qwen3-7-text-embedding.md): 是通义实验室基于Qwen3.7训练的多语言文本统一向量模型,相较text-embedding-v4版本在文本检索、聚类、分类性能大幅提升;在MTEB多语言、中英、Code检索等评测任务上效果提升20%;支持256~2560维用户自定义向量维度。 - [qwen3.7-text-embedding-flash](https://platform.qianwenai.com/docs/models/qwen3-7-text-embedding-flash.md): 基于Qwen3.7训练的轻量级多语言文本向量模型,面向成本和吞吐敏感场景。相较text-embedding-v4,在多语言覆盖(100→201种)、长文本处理(32K→128K)和Sparse Embedding等能力上大幅升级;在语义、跨语言及代码检索评测上整体效果基本持平,其中AIRBench-zh提升约3%。支持256、512、768、1024维用户自定义向量维度,默认1024维。 - [qwen3-vl-embedding](https://platform.qianwenai.com/docs/models/qwen3-vl-embedding.md): 基于Qwen3-VL底座训练的统一多模态向量模型,支持文本、图片、视频单模态/混合模态输入,输出统一表征向量,适用于跨模态检索、图搜、视频检索、图像聚类、复杂多模态信息检索、打标等场景 - [qwen3-vl-rerank](https://platform.qianwenai.com/docs/models/qwen3-vl-rerank.md): Qwen3-VL-Rerank重排模型,它能够深入理解文本、图片、视频的丰富多模态信息。在初步检索获得结果后,Qwen3-VL-Rerank 能够运用其先进的跨模态关联能力,对候选项目进行智能化的二次排序,将最相关的结果置于显要位置。通用用于提升跨模态搜索的准确率、优化图搜和视频检索的精准度、辅助图像聚类的分组质量、以及实现复杂多模态信息的高效检索和精确打标。 - [qwen2.5-vl-embedding](https://platform.qianwenai.com/docs/models/qwen2-5-vl-embedding.md): 基于Qwen2.5-VL底座训练的统一多模态向量模型,支持文本、图片、视频单模态/混合模态输入,输出统一表征向量,适用于跨模态检索、图搜、视频检索、图像聚类、复杂多模态信息检索、打标等场景 - [qwen3.7-text-rerank](https://platform.qianwenai.com/docs/models/qwen3-7-text-rerank.md): 基于Qwen3.7底座训练的多语言通用文本重排序模型。相较qwen3-rerank,在通用与Web检索、代码检索、指令遵循、Agentic与Memory检索等方面大幅提升;在MTEB、websearch等评测任务上均取得更优效果,其中websearch相对提升约35%。 - [qwen3-rerank](https://platform.qianwenai.com/docs/models/qwen3-rerank.md): 基于Qwen LLM底座训练的文本排序模型,对输入的Query和候选Docs进行相关性排序,支持100+语种和长文本输入,适用于文本检索、RAG等场景,效果对齐开源Qwen3-Rerank系列模型 - [gte-rerank-v2](https://platform.qianwenai.com/docs/models/gte-rerank-v2.md): gte-rerank-v2是通义实验室研发的多语言文本统一排序模型,面向全球多个主流语种,提供高水平的文本排序服务。通常用于语义检索、RAG等场景,可以简单、有效地提升文本检索的效果。给定查询 (Query) 和一系列候选文本 (documents),模型会根据与查询的语义相关性从高到低对候选文本进行排序。 - [text-embedding-v4](https://platform.qianwenai.com/docs/models/text-embedding-v4.md): 通用文本向量V4版本,是通义实验室基于Qwen3训练的多语言文本统一向量模型,相较V3版本在文本检索、聚类、分类性能大幅提升;在MTEB多语言、中英、Code检索等评测任务上效果提升15%~40%;支持64~2048维用户自定义向量维度。 - [text-embedding-v3](https://platform.qianwenai.com/docs/models/text-embedding-v3.md): 通用文本向量,是通义实验室基于LLM底座的多语言文本统一向量模型,面向全球多个主流语种,提供高水准的向量服务,帮助开发者将文本数据快速转换为高质量的向量数据。 - [text-embedding-v2](https://platform.qianwenai.com/docs/models/text-embedding-v2.md): 通用文本向量,是通义实验室基于LLM底座的多语言文本统一向量模型,面向全球多个主流语种,提供高水准的向量服务,帮助开发者将文本数据快速转换为高质量的向量数据。 - [text-embedding-v1](https://platform.qianwenai.com/docs/models/text-embedding-v1.md): 通用文本向量,是通义实验室基于LLM底座的多语言文本统一向量模型,面向全球多个主流语种,提供高水准的向量服务,帮助开发者将文本数据快速转换为高质量的向量数据。 - [text-embedding-async-v2](https://platform.qianwenai.com/docs/models/text-embedding-async-v2.md): 通用文本向量的批处理接口,通过这个接口客户可以以文本方式一次性的提交大批量的向量计算请求,在系统完成所有的计算之后,大模型服务平台会将结果信息存储在结果文件中供客户下载解析。 - [text-embedding-async-v1](https://platform.qianwenai.com/docs/models/text-embedding-async-v1.md): 通用文本向量的批处理接口,通过这个接口客户可以以文本方式一次性的提交大批量的向量计算请求,在系统完成所有的计算之后,大模型服务平台会将结果信息存储在结果文件中供客户下载解析。 - [multimodal-embedding-v1](https://platform.qianwenai.com/docs/models/multimodal-embedding-v1.md): 通义实验室基于预训练多模态大模型构建的多模态向量模型。该模型根据用户的输入生成高维连续向量,这些输入可以是文本、图片或视频。多模态向量在可应用于图片搜索、文搜图、视频搜索、图片分类和视频内容审核等下游任务中。 - [tongyi-embedding-vision-flash](https://platform.qianwenai.com/docs/models/tongyi-embedding-vision-flash.md): Embedding-Vision是基于LLM底座的视觉多模态表征模型,具有以视觉为中心、领域性能优异(电商、 安防、相册/图库、自驾等)、高性价比的特点。兼容文本、图像、视频3种模态,可应用于以图搜图、以文搜图、以文搜视频,以视频搜视频等下游任务场景。本模型(tongyi-embedding-vision-flash)是轻量化版本,在视觉向量化上具备极高性价比。 - [tongyi-embedding-vision-plus](https://platform.qianwenai.com/docs/models/tongyi-embedding-vision-plus.md): Embedding-Vision是基于LLM底座的视觉多模态表征模型,具有以视觉为中心、领域性能优异(电商、 安防、相册/图库、自驾等)、高性价比的特点。兼容文本、图像、视频3种模态,可应用于以图搜图、以文搜图、以文搜视频,以视频搜视频等下游任务场景。 ## 概览 - [Agent 开发概览](https://platform.qianwenai.com/docs/agent-infra/overview.md): 千问AI平台 Agent 开发提供智能体托管运行时、知识库、MCP、记忆库、沙箱与 Skill 等能力,覆盖 Agent 从构建、运行、记忆到工具集成的全链路。 ## Managed Agent - [概述](https://platform.qianwenai.com/docs/agent-infra/managed-agents/introduction.md): Managed Agents 是千问AI平台提供的智能体托管运行时,适用于多步工具调用、代码执行、文件处理等长时运行任务。平台托管会话状态、沙箱环境和工具执行,智能体在独立沙箱中自主执行命令、读写文件、安装依赖并处理数据,事件历史在服务端持久化。 - [快速开始](https://platform.qianwenai.com/docs/agent-infra/managed-agents/overview/quickstart.md): 通过控制台,按 4 步完成智能体创建、环境配置、会话发起与调用。 - [定义 Agent](https://platform.qianwenai.com/docs/agent-infra/managed-agents/build-agent/define-agent.md): 智能体定义模型、系统提示词、工具与扩展能力,每次保存自动产生新版本。 - [Agent 工具配置](https://platform.qianwenai.com/docs/agent-infra/managed-agents/build-agent/tools.md): Managed Agents 提供内置工具,覆盖任务规划、命令执行、文件操作、网络访问、知识检索与产出物标记。除知识检索调用平台服务外,其余工具在会话绑定的运行环境中执行。 - [Agent MCP](https://platform.qianwenai.com/docs/agent-infra/managed-agents/build-agent/mcp.md): MCP(Model Context Protocol)是大模型与外部工具之间的标准协议。在控制台 MCP 管理页面按服务卡片浏览与管理。 - [Agent Skills](https://platform.qianwenai.com/docs/agent-infra/managed-agents/build-agent/skills.md): 技能是打包后的能力集合,封装常见任务的端到端流程。在控制台 Skill 管理页面管理,可被多个智能体复用。 - [多智能体协作](https://platform.qianwenai.com/docs/agent-infra/managed-agents/build-agent/multiagent.md): 通过 coordinator 编队,让一个协调者智能体编排多个成员智能体协同完成任务。 - [云端托管环境](https://platform.qianwenai.com/docs/agent-infra/managed-agents/environment/cloud-hosting.md): 运行环境定义工具调用的执行沙箱。在控制台环境页面创建和管理,可被多个会话复用。 - [发起会话](https://platform.qianwenai.com/docs/agent-infra/managed-agents/sessions/create-session.md): 会话承载智能体的一次运行实例,全部消息、工具调用与状态变更以事件形式实时记录。 - [管理会话](https://platform.qianwenai.com/docs/agent-infra/managed-agents/sessions/manage-sessions.md): 会话创建后,可通过状态机、工具调用审批和中断机制控制执行流程,并在任务完成后归档或删除。 - [会话事件流(SSE)](https://platform.qianwenai.com/docs/agent-infra/managed-agents/sessions/event-stream.md): 会话内的全部交互以事件形式记录。通过 API 订阅时以 SSE(Server-Sent Events)事件流推送。 - [密钥库认证](https://platform.qianwenai.com/docs/agent-infra/managed-agents/sessions/credentials.md): 密钥库是一个保险箱(Vault),集中管理外部服务的鉴权信息。保险箱内存放具体的密钥(API Key、Token 等),在创建会话时绑定,供 MCP 服务和技能在运行时引用。 - [定时任务](https://platform.qianwenai.com/docs/agent-infra/managed-agents/sessions/scheduled-tasks.md): 定时任务(Scheduled Task)绑定一个智能体并配置触发方式,支持定时或手动触发运行,适合每日汇总、定期巡检等无人值守任务。 - [Agent 上下文管理](https://platform.qianwenai.com/docs/agent-infra/managed-agents/context/introduction.md): 通过挂载资源扩展智能体在会话中可访问的数据。资源独立管理,可被多个会话复用。 - [文件上传与挂载](https://platform.qianwenai.com/docs/agent-infra/managed-agents/context/file-upload.md): 文件是独立管理的资源,可被多个会话挂载,生命周期与会话解耦。在控制台文件菜单上传与管理。 - [Webhook 事件订阅](https://platform.qianwenai.com/docs/agent-infra/managed-agents/webhooks/introduction.md): Webhook 将会话、智能体、部署等资源的状态变更事件实时推送到指定回调地址,替代轮询获取最新状态。 - [计费说明](https://platform.qianwenai.com/docs/agent-infra/managed-agents/pricing/billing.md): Managed Agents 的计费项、免费额度与计费示例。 - [入门:搭一个数据分析 Agent](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/data-analysis.md): 用 curl 走通 Managed Agents REST API 全链路:创建 Agent 与 Environment、上传并挂载数据集、驱动 Session 完成数据体检、清洗与出结论,取回产物并归档资源。 - [进阶:自定义 MCP 与 Skills](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/custom-mcp-skills.md): 把自有能力挂上 Agent:已运行的 MCP Server 注册进千问AI平台(自定义 MCP,含按会话动态传入鉴权 Header),团队作业流程打包上传(Skills),含运行时机制与版本管理。 - [进阶:构建对话客户端](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/client-streaming.md): 把 Managed Agents 接入网页或移动端产品:SSE 增量拼接、思考与回合状态处理、断线恢复不重复提交,以及会话内动态挂载与撤下附件。 - [进阶:多模态输入与图片问答](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/multimodal-image.md): 图片经上传与审核后以 file_id 进入会话:发送图文混合消息、用可控图片验证识别结果,以及当前的模型与输入格式限制。 - [进阶:多智能体定制复杂提案](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/multiagent-proposal.md): 用 multiagent 协调者模式组织专家子 Agent 团队协作产出销售提案,用 Session Threads API 与线程级事件流精确观察每个子 Agent 的运行。 - [进阶:生产化定时晨报机器人](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/production.md): 把 Managed Agents 接入生产:MCP 工具集接入、配置注入(会话环境变量与 Vault 密钥库)、定时任务(Deployment)触发、人工审核(HITL)与资源生命周期管理,示例统一用 curl。 - [进阶:密钥库安全注入与出网网关](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/credential-security.md): Vault 密钥库的占位符注入模型、allowed_hosts 出口白名单、出网网关的请求头替换行为,以及会话环境变量与密钥库的选型分层。 - [进阶:提示词版本管理与回滚](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/prompt-versioning.md): Agent 版本机制、标注测试集评测、Session 版本锁定语义与灰度回滚的做法,把提示词从应用代码剥离为服务端可版本化的资源。 - [进阶:Webhook 事件通知](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/webhook-notifications.md): 把「事件发生」(会话跑完、部署执行结束、资源变更)变成一次主动的 HTTP 推送:接收端工程、验签、投递语义与重试禁用规则的完整实践。 - [进阶:联网研究与模型成本分层](https://platform.qianwenai.com/docs/agent-infra/managed-agents/best-practices/cost-tiering.md): 让旗舰模型只做规划与综合、廉价模型用内置联网工具承担 token 密集的阅读执行,并度量这一拆分的实际收益:事件流归集、对照实验设计与不适用场景。 ## RAG - [知识库](https://platform.qianwenai.com/docs/agent-infra/rag/introduction.md): 千问AI平台知识库——企业级 RAG 知识库与检索服务。 - [快速开始](https://platform.qianwenai.com/docs/agent-infra/rag/getting-started/quickstart.md): 5 步创建知识库,完成一次检索与问答 - [核心概念](https://platform.qianwenai.com/docs/agent-infra/rag/getting-started/concepts.md): 理解 RAG、切片、嵌入、索引与检索的工作原理 - [概览](https://platform.qianwenai.com/docs/agent-infra/rag/playground/overview.md): 多知识库聚合问答体验入口 - [数据连接](https://platform.qianwenai.com/docs/agent-infra/rag/data/connectors.md): 通过数据连接器接入企业数据库、文档系统和对象存储,在应用中实时查询和引用数据 - [创建知识库](https://platform.qianwenai.com/docs/agent-infra/rag/data/create-kb.md): 选择知识库类型与使用场景,配置解析与切片策略 - [文档管理与解析](https://platform.qianwenai.com/docs/agent-infra/rag/data/documents.md): 上传文档、查看解析结果、管理切片 - [切片与向量化](https://platform.qianwenai.com/docs/agent-infra/rag/data/chunking.md): 了解切片策略与嵌入模型如何影响检索质量 - [知识检索](https://platform.qianwenai.com/docs/agent-infra/rag/service/retrieval.md): 创建检索服务,实现多知识库联合语义搜索 - [知识问答](https://platform.qianwenai.com/docs/agent-infra/rag/service/qa.md): 基于大模型的流式 RAG 问答服务 - [RAG 效果优化](https://platform.qianwenai.com/docs/agent-infra/rag/cookbook/rag-optimization.md): 按 RAG 各阶段诊断问题并针对性改进,系统性提升检索与回答质量 - [多轮对话:正确传递工具调用历史](https://platform.qianwenai.com/docs/agent-infra/rag/cookbook/multi-turn-chat.md): 从创建知识库到 API 多轮调用,端到端实践传递工具调用历史避免重复检索 - [文件自动打标:用大模型生成文档标签](https://platform.qianwenai.com/docs/agent-infra/rag/cookbook/auto-tag.md): 用知识问答服务基于文档全部切片自动抽取标签并写回,实现从导入到按标签检索的端到端自动打标 - [接入 AgentScope](https://platform.qianwenai.com/docs/agent-infra/rag/cookbook/knowledge-as-memory.md): 在 AgentScope 框架中通过自定义中间件把千问AI平台知识库作为智能体的知识记忆体,实现 static 静态注入与 agentic 自主检索两种模式 - [服务渠道](https://platform.qianwenai.com/docs/agent-infra/rag/integration/channels.md): API / MCP / Skill 等多种接入方式 - [第三方平台接入](https://platform.qianwenai.com/docs/agent-infra/rag/integration/third-party.md): 将 RAG 知识库接入 Dify、Coze、n8n、LangChain 等平台 - [业务空间与 API Key](https://platform.qianwenai.com/docs/agent-infra/rag/settings/workspace.md): 知识库如何按业务空间隔离,以及调用 API 时业务空间怎么生效 - [计费说明](https://platform.qianwenai.com/docs/agent-infra/rag/settings/billing.md): 知识库计费方式、费用构成、计费示例与账单管理 - [容量与限制](https://platform.qianwenai.com/docs/agent-infra/rag/settings/limits.md): 知识库各功能模块的容量上限与使用限制 ## MCP - [MCP 简介](https://platform.qianwenai.com/docs/agent-infra/mcp/introduction.md): 模型上下文协议(Model Context Protocol, MCP)旨在搭建大模型和外部工具之间的信息传递通道。通过 MCP 协议,开发者不用为每个外部工具编写复杂的接口,千问AI平台的智能体也能够接入海量第三方工具。 - [MCP 商店服务](https://platform.qianwenai.com/docs/agent-infra/mcp/official-services.md): 千问AI平台 MCP 商店提供的 MCP 服务所有用户可见,均为 One Key MCP:无需开通,用按量付费 API Key 直接鉴权。支持挂载到 Managed Agent 由智能体自主调用,也支持通过外部调用集成至第三方应用或项目中。 - [自定义 MCP 服务](https://platform.qianwenai.com/docs/agent-infra/mcp/custom-services.md): 除官方 MCP 服务外,千问AI平台还支持以下三种自定义 MCP 服务部署方式:使用脚本部署、从 AI 网关导入、从阿里云 OpenAPI 导入。 - [外部调用](https://platform.qianwenai.com/docs/agent-infra/mcp/external-invocation.md): 千问AI平台提供了全周期 MCP 服务,既支持挂载到 Managed Agent 由智能体自主调用,也支持通过外部调用集成至第三方应用或个人项目。 - [常见问题](https://platform.qianwenai.com/docs/agent-infra/mcp/faq.md): 您可以查阅有关 MCP 协议和 MCP 服务的常见问题。 ## 记忆库 - [记忆库](https://platform.qianwenai.com/docs/agent-infra/memory.md): 千问AI平台记忆库——为智能体提供跨会话长期记忆的托管服务,通过 API 写入、检索与管理记忆。 - [快速开始](https://platform.qianwenai.com/docs/agent-infra/memory/getting-started/quickstart.md): 3 步体验记忆的写入、查看和检索 - [核心概念](https://platform.qianwenai.com/docs/agent-infra/memory/getting-started/concepts.md): 理解记忆库的工作原理、记忆类型与关键术语 - [创建与删除记忆库](https://platform.qianwenai.com/docs/agent-infra/memory/guide/create-memory.md): 创建自定义记忆库并管理记忆库生命周期 - [配置记忆规则](https://platform.qianwenai.com/docs/agent-infra/memory/guide/configure-rules.md): 定义事实记忆和用户画像的提取规则 - [使用用户画像](https://platform.qianwenai.com/docs/agent-infra/memory/guide/user-profile.md): 通过 API 创建画像模板、提取画像并获取用户画像 - [管理记忆](https://platform.qianwenai.com/docs/agent-infra/memory/guide/manage-memory.md): 查看、检索调试、更新和删除记忆 - [计费说明](https://platform.qianwenai.com/docs/agent-infra/memory/reference/billing.md): 记忆库商业化定价、免费额度与计费示例 - [限流说明](https://platform.qianwenai.com/docs/agent-infra/memory/reference/limits.md): 记忆库 API 的请求频率限制 - [常见问题](https://platform.qianwenai.com/docs/agent-infra/memory/reference/faq.md): 记忆库使用中的常见问题解答 - [更新日志](https://platform.qianwenai.com/docs/agent-infra/memory/changelog.md): 记忆库文档版本变更记录 ## Sandbox - [概述](https://platform.qianwenai.com/docs/agent-infra/sandbox.md): Sandbox 是千问AI平台提供的云端安全沙箱,为 AI 智能体提供隔离的代码执行、浏览器操作与文件处理环境,兼容 E2B SDK/API 协议接入。 - [快速开始](https://platform.qianwenai.com/docs/agent-infra/sandbox/quickstart.md): 通过控制台创建模版、生成 API Key 并发起首次调用,几分钟内启动第一个沙箱。 - [模版管理](https://platform.qianwenai.com/docs/agent-infra/sandbox/templates.md): 模版定义沙箱的基础镜像、资源规格、文件挂载、网络策略、环境变量与生命周期。基于模版可创建多个隔离实例。 - [实例管理与使用](https://platform.qianwenai.com/docs/agent-infra/sandbox/sdk.md): 通过 E2B SDK 管理沙箱实例的生命周期并执行数据面操作。使用千问AI平台沙箱接入地址与 API Key,即可创建实例、执行命令、运行代码与读写文件。 - [使用 Code Interpreter Sandbox](https://platform.qianwenai.com/docs/agent-infra/sandbox/best-practice-code-interpreter.md): 面向数据分析类 Agent 的最佳实践:把模型生成的分析逻辑放进隔离沙箱执行,固定脚本入口、结构化输出、依赖固化到模版,返回可解释、可下载、可审计的结果。 - [使用 Browser Use Sandbox](https://platform.qianwenai.com/docs/agent-infra/sandbox/best-practice-browser-use.md): 面向网页自动化类 Agent 的最佳实践:基于浏览器镜像创建模版,通过 CDP 连接 Puppeteer、Playwright 或 BrowserUse,完成网页访问、交互、截图与结果归档。 - [使用 AIO Sandbox](https://platform.qianwenai.com/docs/agent-infra/sandbox/best-practice-aio.md): 面向“浏览器自动化 + 代码执行 + 文件处理”连续任务的最佳实践:基于全能型镜像创建模版,在同一沙箱中完成网页访问、截图、下载、数据清洗与结果导出。 - [计费说明](https://platform.qianwenai.com/docs/agent-infra/sandbox/billing.md): Sandbox 计费项、计费规则与计费示例。 - [更新日志](https://platform.qianwenai.com/docs/agent-infra/sandbox/changelog.md): Sandbox 的版本更新记录 ## Skill - [Skill 简介](https://platform.qianwenai.com/docs/agent-infra/skills/introduction.md): 介绍 Skill 的概念、自定义 Skill 的 ZIP 包规范,以及千问AI平台技能市场与自定义 Skill 两条路径。 - [技能市场](https://platform.qianwenai.com/docs/agent-infra/skills/custom.md): 介绍千问AI平台技能市场首页结构、技能包,以及如何安装技能和技能包。 - [发布和管理 Skill](https://platform.qianwenai.com/docs/agent-infra/skills/publish.md): 介绍把 Skill 发布到千问AI平台技能市场的完整流程,以及发布后的版本管理。 ## 开始使用 - [获取 API Key](https://platform.qianwenai.com/docs/api-reference/preparation/api-key.md): 使用模型的第一步 - [配置 API Key](https://platform.qianwenai.com/docs/api-reference/preparation/export-api-key-env.md): 避免在代码中硬编码密钥 - [安装 SDK](https://platform.qianwenai.com/docs/api-reference/preparation/install-sdk.md): Python、Java、Node.js 和 Go 环境配置 - [DashScope Python SDK 1.x 历史用法参考](https://platform.qianwenai.com/docs/api-reference/preparation/dashscope-1x-legacy-reference.md): DashScope Python SDK 1.x 接口的历史用法速查与 1.x 到 2.0 的迁移对照,供存量项目参考。 - [CLI 工具](https://platform.qianwenai.com/docs/api-reference/preparation/cli.md): 千问AI平台命令行工具,用于查询模型和文档、发起模型调用,并管理账号、用量、账单、充值、订阅、云栖大会活动和支持工单 - [错误信息](https://platform.qianwenai.com/docs/api-reference/preparation/error-messages.md): API 错误码参考 ## 对话模型 - [OpenAI Chat API 参考](https://platform.qianwenai.com/docs/api-reference/chat/openai-chat.md): OpenAI 兼容的 Chat API - [创建响应](https://platform.qianwenai.com/docs/api-reference/chat/openai-responses.md): 兼容 Responses API - [获取响应](https://platform.qianwenai.com/docs/api-reference/chat/retrieve-response.md): 根据 Response ID 获取一个已完成的模型响应 - [删除响应](https://platform.qianwenai.com/docs/api-reference/chat/delete-response.md): 根据 Response ID 删除一个已存储的模型响应 - [获取输入项列表](https://platform.qianwenai.com/docs/api-reference/chat/list-input-items.md): 获取生成指定 Response 时所使用的输入项列表 - [Anthropic Messages API 参考](https://platform.qianwenai.com/docs/api-reference/chat/anthropic.md): 通过 Anthropic SDK 调用 Qwen 模型 - [DashScope API 参考](https://platform.qianwenai.com/docs/api-reference/chat/dashscope.md): 原生 SDK 与 HTTP API ## 图像生成 API - [Qwen — OpenAI 兼容图像生成](https://platform.qianwenai.com/docs/api-reference/image-generation/qwen-text-to-image-openai.md): 通过 OpenAI Images 兼容协议调用千问图像生成与编辑模型进行文生图与图生图/图像编辑 - [Qwen — 同步图像生成](https://platform.qianwenai.com/docs/api-reference/image-generation/qwen-text-to-image.md): 同步图像生成 - [Qwen — 异步图像生成(3.0 与 2.1 系列)](https://platform.qianwenai.com/docs/api-reference/image-generation/qwen-text-to-image-30-async.md): qwen-image-3.0 和 qwen-image-2.1 系列的异步图像生成接口 - [Qwen — 查询图像生成结果](https://platform.qianwenai.com/docs/api-reference/image-generation/qwen-text-to-image-task-query.md): 查询图像生成任务状态 - [Z-Image](https://platform.qianwenai.com/docs/api-reference/image-generation/z-image.md): 轻量快速图像生成 - [Wan v2 — 同步调用](https://platform.qianwenai.com/docs/api-reference/image-generation/wan-text-to-image-v2/synchronous.md): Wan 文生图同步接口 - [创建任务(Wan 2.6)](https://platform.qianwenai.com/docs/api-reference/image-generation/wan-text-to-image-v2/create-task.md): 异步文生图接口,使用 messages 输入。 - [创建任务(Wan 2.5 及以下)](https://platform.qianwenai.com/docs/api-reference/image-generation/wan-text-to-image-v2/create-legacy-task.md): 异步文生图接口,使用 prompt 输入。 - [Wan v2 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wan-text-to-image-v2/query-result.md): 查询 Wan 图像生成任务状态 - [wanx-v1 — 创建文生图任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-v1-text-to-image/create-task.md): wanx-v1 异步图像生成 - [wanx-v1 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-v1-text-to-image/query-result.md): 查询 wanx-v1 图像生成任务状态 - [Qwen](https://platform.qianwenai.com/docs/api-reference/image-generation/qwen-image-editing.md): 通过文本编辑图片 - [Wan 2.7 — 同步调用](https://platform.qianwenai.com/docs/api-reference/image-generation/wan27-image-gen-edit/synchronous.md): Wan 2.7 同步图像生成与编辑 - [Wan 2.7 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wan27-image-gen-edit/create-task.md): Wan 2.7 异步图像生成与编辑 - [Wan 2.7 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wan27-image-gen-edit/query-result.md): 查询 Wan 2.7 图像任务状态 - [Wan 2.6 — 同步调用](https://platform.qianwenai.com/docs/api-reference/image-generation/wan26-image-gen-edit/synchronous.md): Wan 2.6 同步图像生成与编辑 - [Wan 2.6 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wan26-image-gen-edit/create-task.md): Wan 2.6 异步图像生成与编辑 - [Wan 2.6 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wan26-image-gen-edit/query-result.md): 查询 Wan 2.6 图像任务状态 - [Wan 2.5 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wan25-general-image-editing/create-task.md): 异步 Wan 2.5 图像编辑 - [Wan 2.5 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wan25-general-image-editing/query-result.md): 查询 Wan 2.5 图像编辑任务状态 - [Wan 2.1 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wan21-general-image-editing/create-task.md): 异步 Wan 2.1 通用图像编辑 - [Wan 2.1 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wan21-general-image-editing/query-result.md): 查询 Wan 2.1 图像编辑任务状态 - [创建图像生成任务](https://platform.qianwenai.com/docs/api-reference/image-generation/kling-image-generation/create-task.md): 提交可灵图像生成任务(文生图或参考图生图),获取 task_id 用于后续查询。 - [查询图像生成任务结果](https://platform.qianwenai.com/docs/api-reference/image-generation/kling-image-generation/query-result.md): 通过 task_id 轮询查询可灵图像生成任务的执行状态与生成图像。 - [可灵-官方主体与音色库](https://platform.qianwenai.com/docs/api-reference/image-generation/kling-subject-id-list.md): 可灵官方主体库与音色库清单,含主体 ID、参考类型、官方参考图预览链接与音色试听。 - [Vidu -- 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/vidu-image-generation/create-task.md): 使用 Vidu 模型提交图像生成任务(文生图/参考图生图),异步生成图像。 - [Vidu -- 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/vidu-image-generation/query-result.md): 查询 Vidu 图像生成任务的状态与结果。 - [万相涂鸦作画 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-sketch-to-image/create-task.md): 提交涂鸦作画任务,获取任务 ID。 - [万相涂鸦作画 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-sketch-to-image/query-result.md): 通过任务 ID 查询涂鸦作画任务的状态和结果。 - [Wanx — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-x-painting/create-task.md): 异步 wanx-x-painting 图像局部重绘 - [Wanx — 查询局部重绘结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-x-painting/query-result.md): 查询 wanx-x-painting 图像局部重绘任务状态 - [人像风格重绘 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-style-repaint/create-task.md): 异步人像风格重绘 - [人像风格重绘 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/wanx-style-repaint/query-result.md): 查询人像风格重绘任务状态 - [虚拟模特 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/virtual-model/create-task.md): 提交虚拟模特试衣任务 - [虚拟模特 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/virtual-model/query-result.md): 查询虚拟模特任务的状态和结果 - [鞋靴模特 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/shoe-model/create-task.md): 异步鞋靴模特图像生成 - [鞋靴模特 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/shoe-model/query-result.md): 查询鞋靴模特图像生成任务状态 - [创意海报 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/creative-poster/create-task.md): 创意海报异步生成 - [创意海报 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/creative-poster/query-result.md): 查询创意海报生成任务状态 - [人物实例分割 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/person-instance-segmentation/create-task.md): 提交人物实例分割任务 - [人物实例分割 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/person-instance-segmentation/query-result.md): 查询人物实例分割任务的状态和结果 - [图像擦除补全 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/image-erase-completion/create-task.md): 异步提交图像擦除补全任务 - [图像擦除补全 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/image-erase-completion/query-result.md): 根据任务ID查询异步擦除补全任务的状态和结果 - [FaceChain — 图像检测](https://platform.qianwenai.com/docs/api-reference/image-generation/facechain-generation/facechain-face-detect.md): 检测图像中是否包含符合要求的人脸 - [人物形象训练 — 创建任务](https://platform.qianwenai.com/docs/api-reference/image-generation/facechain-finetune/create-task.md): 提交 FaceChain 人物形象训练任务 - [人物形象训练 — 查询结果](https://platform.qianwenai.com/docs/api-reference/image-generation/facechain-finetune/query-result.md): 查询 FaceChain 人物形象训练任务的状态和结果 ## 视频生成 API - [wan3.0-video 视频生成](https://platform.qianwenai.com/docs/api-reference/video-generation/wan30-video/create-task.md): wan3.0-video 全能参考视频生成模型。支持文生视频、首帧/首尾帧生视频、全能参考生视频、有声视频等能力。 - [wan3.0-video 查询任务结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan30-video/query-result.md): 查询 wan3.0-video 视频生成任务的状态和结果。 - [MiniMax-H3 视频生成](https://platform.qianwenai.com/docs/api-reference/video-generation/minimax-h3-video/create-task.md): MiniMax-H3 视频生成模型。支持文生视频、图生视频(首帧/尾帧/首尾帧)和多模态参考生视频。 - [MiniMax-H3 查询任务结果](https://platform.qianwenai.com/docs/api-reference/video-generation/minimax-h3-video/query-result.md): 查询 MiniMax-H3 视频生成任务的状态和结果。 - [HappyHorse -- 图生视频(首帧)](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-image-to-video/create-task.md): 提交 HappyHorse 图生视频任务(基于首帧) - [HappyHorse -- 查询图生视频结果](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-image-to-video/query-result.md): 查询 HappyHorse 图生视频任务状态 - [Wan 2.7 — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-image-to-video/create-task.md): 提交图生视频任务(wan2.7) - [Wan 2.7 — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-image-to-video/query-result.md): 查询 Wan 2.7 图生视频任务状态 - [Wan — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-image-to-video-first-frame/create-task.md): 提交图生视频任务 - [Wan — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-image-to-video-first-frame/query-result.md): 查询视频生成任务状态 - [Wan — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-image-to-video-first-last-frames/create-task.md): 提交首尾帧图生视频任务 - [Wan — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-image-to-video-first-last-frames/query-result.md): 查询视频生成任务状态 - [万相-视频特效列表](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-image-to-video-first-frame/video-effects.md): 万相视频特效模板完整列表,包含首帧和首尾帧模型支持的所有特效模板参数值、支持模型及输入图像建议。 - [Vidu — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-image-to-video/create-task.md): 基于首帧图片提交 Vidu 图生视频异步任务 - [Vidu — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-image-to-video/query-result.md): 查询 Vidu 图生视频任务状态,获取生成的视频 - [Vidu — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-start-end-to-video/create-task.md): 提交首尾帧生视频任务,使用 Vidu 模型基于首帧和尾帧图像生成过渡视频。 - [Vidu — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-start-end-to-video/query-result.md): 查询 Vidu 首尾帧生视频任务的状态与结果。 - [爱诗 PixVerse — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-image-to-video/create-task.md): 基于首帧图片提交爱诗 PixVerse 图生视频异步任务 - [爱诗 PixVerse — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-image-to-video/query-result.md): 查询爱诗 PixVerse 图生视频任务状态,获取生成的视频 - [PixVerse — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-image-to-video-first-last/create-task.md): 提交 PixVerse 首尾帧图生视频任务 - [PixVerse — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-image-to-video-first-last/query-result.md): 查询 PixVerse 首尾帧图生视频任务状态 - [HappyHorse -- 参考生视频](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-reference-to-video/create-task.md): 提交 HappyHorse 参考生视频任务 - [HappyHorse -- 查询参考生视频结果](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-reference-to-video/query-result.md): 查询 HappyHorse 参考生视频任务状态 - [Wan 2.7 — 参考素材生成视频](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-reference-to-video/create-task.md): 提交 Wan 2.7 参考素材生成视频任务 - [Wan 2.7 — 查询参考素材生成视频结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-reference-to-video/query-result.md): 查询 Wan 2.7 参考素材生成视频任务状态 - [Wan 2.6 — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-reference-to-video/create-task.md): 提交参考视频生成任务 - [Wan 2.6 — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-reference-to-video/query-result.md): 查询视频生成任务状态 - [PixVerse — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-reference-to-video/create-task.md): 提交 PixVerse 参考生视频任务 - [PixVerse — 查询参考生视频结果](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-reference-to-video/query-result.md): 查询 PixVerse 参考生视频任务状态 - [Vidu — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-reference-to-video/create-task.md): 使用 Vidu 模型提交参考视频生成任务。 - [Vidu — 查询参考视频生成结果](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-reference-to-video/query-result.md): 查询 Vidu 参考视频生成任务的状态和结果。 - [HappyHorse -- 文生视频](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-text-to-video/create-task.md): 提交 HappyHorse 文生视频任务 - [HappyHorse -- 查询文生视频结果](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-text-to-video/query-result.md): 查询 HappyHorse 文生视频任务状态 - [Wan 2.7 — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-text-to-video/create-task.md): 提交文本生成视频任务(wan2.7) - [Wan 2.7 — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-text-to-video/query-result.md): 查询 Wan 2.7 文生视频任务状态 - [Wan — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-text-to-video/create-task.md): 提交文生视频任务(wan2.6 及更早版本) - [Wan — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-text-to-video/query-result.md): 查询视频生成任务状态(wan2.6 及更早版本) - [爱诗 PixVerse — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-text-to-video/create-task.md): 提交爱诗 PixVerse 文生视频异步任务 - [爱诗 PixVerse — 查询文生视频任务结果](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-text-to-video/query-result.md): 查询爱诗 PixVerse 文生视频任务状态,获取生成的视频 - [Vidu — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-text-to-video/create-task.md): 使用 Vidu 模型提交文生视频任务,异步生成视频。 - [Vidu — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/vidu-text-to-video/query-result.md): 查询 Vidu 文生视频任务的状态与生成结果。 - [HappyHorse -- 视频编辑](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-video-editing/create-task.md): 提交 HappyHorse 视频编辑任务 - [HappyHorse -- 查询视频编辑结果](https://platform.qianwenai.com/docs/api-reference/video-generation/happyhorse-video-editing/query-result.md): 查询 HappyHorse 视频编辑任务状态 - [Wan 2.7 — 视频编辑](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-video-editing/create-task.md): 提交视频编辑任务(wan2.7) - [Wan 2.7 — 查询视频编辑结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan27-video-editing/query-result.md): 查询 Wan 2.7 视频编辑任务状态 - [Wan — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-general-video-editing/create-task.md): 提交视频编辑任务 - [Wan — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-general-video-editing/query-result.md): 查询视频编辑任务状态 - [爱诗 PixVerse — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-upscale/create-task.md): 提交 PixVerse 视频超清任务 - [爱诗 PixVerse — 查询视频超清任务结果](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-upscale/query-result.md): 查询 PixVerse 视频超清任务状态 - [可灵视频生成 — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/kling-video-generation/create-task.md): 提交可灵视频生成异步任务 - [可灵视频生成 — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/kling-video-generation/query-result.md): 查询可灵视频生成任务状态并获取视频 - [可灵-官方主体与音色库](https://platform.qianwenai.com/docs/api-reference/image-generation/kling-subject-id-list.md): 可灵官方主体库与音色库清单,含主体 ID、参考类型、官方参考图预览链接与音色试听。 - [爱诗 PixVerse — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-motioncontrol/create-task.md): 提交 PixVerse 视频动作模仿任务 - [爱诗 PixVerse — 查询视频动作模仿任务结果](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-motioncontrol/query-result.md): 查询 PixVerse 视频动作模仿任务状态 - [Wan — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-image-to-animation/create-task.md): 提交动画生成任务 - [Wan — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-image-to-animation/query-result.md): 查询动画生成状态 - [Wan — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-video-character-swap/create-task.md): 提交视频角色替换任务 - [Wan — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-video-character-swap/query-result.md): 查询视频人物换脸任务状态 - [Wan 数字人图像检测](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-s2v/wan-s2v-detect.md): 检测图像是否符合 wan2.2-s2v 视频生成模型的人物图像规格要求 - [万相数字人 — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-s2v/create-task.md): 基于单张图片和音频,异步生成数字人视频 - [万相数字人 — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/wan-s2v/query-result.md): 查询 wan2.2-s2v 数字人视频生成任务状态和结果 - [爱诗 PixVerse — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-lipsync/create-task.md): 提交 PixVerse 视频对口型任务 - [爱诗 PixVerse — 查询视频对口型任务结果](https://platform.qianwenai.com/docs/api-reference/video-generation/pixverse-lipsync/query-result.md): 查询 PixVerse 视频对口型任务状态 - [声动人像 VideoRetalk — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/video-retalk/create-task.md): 提交声动人像 VideoRetalk 视频口型替换异步任务 - [声动人像 VideoRetalk — 查询视频口型替换任务结果](https://platform.qianwenai.com/docs/api-reference/video-generation/video-retalk/query-result.md): 查询声动人像 VideoRetalk 视频口型替换任务状态,获取生成的视频 - [视频风格重绘 — 创建任务](https://platform.qianwenai.com/docs/api-reference/video-generation/video-style-transform/create-task.md): 提交视频风格重绘任务 - [视频风格重绘 — 查询结果](https://platform.qianwenai.com/docs/api-reference/video-generation/video-style-transform/query-result.md): 查询视频风格重绘任务状态 ## 3D 生成 API - [Tripo -- 3D 生成](https://platform.qianwenai.com/docs/api-reference/3d-generation/create-task.md): 提交 Tripo 3D 生成任务 - [Tripo -- 查询 3D 生成结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/query-result.md): 查询 Tripo 3D 生成任务状态 - [Tripo-图片生成Gaussian Splat](https://platform.qianwenai.com/docs/api-reference/3d-generation/image-to-splat.md): 根据单张图片生成3D Gaussian Splat文件(.splat格式)。Gaussian Splatting是一种新型3D表示方式,适用于高质量实时渲染与真实感场景重建,生成的.splat文件可使用主流Gaussian Splat查看器和渲染器加载。 - [Tripo-图片生成Gaussian Splat:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/image-to-splat/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-贴图](https://platform.qianwenai.com/docs/api-reference/3d-generation/texture.md): Tripo贴图可为已有3D模型生成贴图,支持PBR材质和最高8K贴图质量。 - [Tripo-贴图:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/texture/query-result.md): 查询Tripo贴图任务状态,获取贴图后的3D模型和预览图。 - [Tripo-网格分割](https://platform.qianwenai.com/docs/api-reference/3d-generation/segmentation.md): Tripo网格分割可对3D模型进行语义分割,自动拆分为各个部件。支持基于几何拓扑的v1.0版本(默认)和基于语义标注与几何的v2.0版本。 - [Tripo-网格分割:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/segmentation/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-智能分割](https://platform.qianwenai.com/docs/api-reference/3d-generation/smart-segmentation.md): Tripo智能分割提供端到端的分割流程,支持以图像或GLB格式的3D模型为输入,输出分割后的3D模型。与仅对已有模型进行分割的网格分割不同,智能分割包含自动建模。 - [Tripo-智能分割:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/smart-segmentation/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-网格补全](https://platform.qianwenai.com/docs/api-reference/3d-generation/mesh-completion.md): Tripo网格补全可补全网格分割后的部件并修复缺失区域,支持AI补全和快速封口两种方式。 - [Tripo-网格补全:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/mesh-completion/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-重拓扑](https://platform.qianwenai.com/docs/api-reference/3d-generation/retopology.md): Tripo重拓扑可减少3D模型的面数,支持v2.0智能低模重拓扑(默认,保留干净的拓扑结构)和v1.0基础减面,可输出三角面或四边面网格。 - [Tripo-重拓扑:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/retopology/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-格式转换](https://platform.qianwenai.com/docs/api-reference/3d-generation/convert-format.md): Tripo格式转换可将3D模型转换为GLTF、USDZ、FBX、OBJ、STL、3MF等格式,并支持网格处理、贴图烘焙和导出设置。 - [Tripo-格式转换:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/convert-format/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-可绑骨检查](https://platform.qianwenai.com/docs/api-reference/3d-generation/rig-check.md): Tripo可绑骨检查可判断3D模型是否可以绑骨,并返回推荐的骨骼类型。 - [Tripo-可绑骨检查:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/rig-check/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-自动绑骨](https://platform.qianwenai.com/docs/api-reference/3d-generation/auto-rig.md): Tripo自动绑骨可自动为3D模型添加骨骼绑定,支持多种骨骼类型。建议先进行可绑骨检查,验证模型兼容性。 - [Tripo-自动绑骨:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/auto-rig/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Tripo-动画重定向](https://platform.qianwenai.com/docs/api-reference/3d-generation/animation-retarget.md): Tripo动画重定向可将预设动画应用到已绑骨的3D模型上,单次最多5个动画。 - [Tripo-动画重定向:查询任务结果](https://platform.qianwenai.com/docs/api-reference/3d-generation/animation-retarget/query-result.md): 查询任务结果的请求参数、响应和代码示例。 ## 世界模型 API - [HappyOyster 概述](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-overview.md): HappyOyster 是实时交互的开放式世界模型。输入一段自然语言 Prompt 和一张首帧图,即可生成一个可实时演绎、探索、互动的数字世界,输出为可进房的实时视频流。适用于互动剧、影视预演、AI 陪伴、可玩世界等场景。 - [获取鉴权凭证](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-auth-setup.md): 获取 HappyOyster 服务端与客户端所需的鉴权凭证:API Host、主 API Key、临时 API Key、ticket。 - [接入流程](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-integration-flow.md): 服务端调用 HappyOyster Open API 准备世界与产物导出,客户端 SDK 完成 RTC 建连与实时互动。 - [下载 SDK 与 Demo](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-sdk-and-demo.md): 下载 HappyOyster 各端客户端 SDK 与服务端 Demo 参考实现。 - [HappyOyster Android SDK 接入指南](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-android-sdk-integration-guide.md): 本文面向集成方 Android 开发者,覆盖安装、鉴权、完整接入流程、事件处理与最佳实践,说明如何稳定接入 HappyOyster Android SDK。 - [HappyOyster Android SDK API参考](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-android-sdk-api-reference.md): HappyOyster Android SDK 入口为单例对象 HappyOyster ,除 initialize 、 updateToken 、 attachVideo 、 sendCommand 外,业务方法均为 suspend ,失败时抛出 SDKError 。 - [Happy Oyster Android Playground 体验指南](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-android-playground-guide.md): 本文帮助国内合作方快速了解 Happy Oyster Android Playground:如何安装、登录,并走完一次完整的产品体验。 - [HappyOyster iOS SDK 接入指南](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-ios-sdk-integration-guide.md): 本文是 iOS 集成方的最短上手路径:从初始化,到画面出来,到发送控制指令,再到结束体验。完整的方法签名、字段、错误码以 iOS SDK API Reference 为准。 - [HappyOyster iOS SDK API参考](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-ios-sdk-api-reference.md): HappyOyster iOS SDK 入口为进程级单例 HappyOysterEngine.shared ,业务方法均为 async throws ,失败时抛出 OysterSDKError 。一次体验由 OysterTravel 句柄承载,支持 UIKit 与 SwiftUI。 - [HappyOyster Web SDK 接入指南](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-web-sdk-integration-guide.md): 本文面向前端 / 全栈开发者,说明如何在生产环境中稳定接入 HappyOyster Web SDK 。 - [HappyOyster Web SDK API参考](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-web-sdk-api-reference.md): HappyOysterEngine 负责配置 Open Platform host 与模型、更新千问AI平台临时 API Key token,并创建 Travel 会话。 Travel 是 createTravel() 返回的会话对象,调用 travel.start() 后才会进入并启动会话。 - [HappyOyster-Adventure-创建World API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/create-world.md): 创建一个世界探索 World。使用自然语言 Prompt 和必填首帧图创建 World,接口立即返回加密 World ID,World 在后台异步构建,客户端轮询构建进度直至完成。 - [HappyOyster-Adventure-查询World构建状态 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/query-world-build-status.md): 查询 Adventure World 的构建进度。接口返回加密 World ID、构建状态和首帧 URL,客户端轮询直至 World 进入 ready。 - [HappyOyster-Adventure-获取体验凭证 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/get-travel-credential.md): 三方服务端使用主 API Key 换取短时效、一次性的 ticket,再将其安全下发给客户端。此接口只校验 World 归属、状态与规格,不创建 Travel。 - [HappyOyster-Adventure-客户端进入房间 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/enter-travel.md): 客户端使用 ticket 创建实际 Travel,并获取 RTC 入会配置和 Adventure 能力版本。maxExperienceTimeSec 仅在 Adventure 模型中生效。 - [HappyOyster-Adventure-查询Travel状态 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/query-travel-status.md): 查询 Adventure Travel 生命周期、服务端推流状态和当前世界的动作池,也可同时上报客户端拉流或播放心跳。 - [HappyOyster-Adventure-结束Travel API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/end-travel.md): 主动结束 Adventure Travel。正常结束后进入 completed;无推流超时结束时进入 failed,且不生成回放产物。达到 maxExperienceTimeSec 时服务端也会自动结束。 - [HappyOyster-Adventure-查询World详情 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/query-world-detail.md): 查询单个 Adventure World 的完整元数据和可回显创建参数。构建进度轮询请使用查询World构建状态接口。 - [HappyOyster-Adventure-查询World列表 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/query-world-list.md): 分页查询当前千问AI平台账号名下的 Adventure World。接口自动按模型隔离,不会返回 Directing 或 Acting World。 - [HappyOyster-Adventure-删除World API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/delete-world.md): 删除当前千问AI平台账号名下的 Adventure World。同账号下 World 已不存在时幂等返回 deleted=false。 - [HappyOyster-Adventure-查询Travel列表 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/query-travel-list.md): 分页查询当前千问AI平台账号名下的 Adventure Travel,可按状态或关联 World 筛选。 - [HappyOyster-Adventure-查询Travel产物 API参考](https://platform.qianwenai.com/docs/api-reference/world-model/adventure/query-travel-artifacts.md): 查询已完成 Adventure Travel 的录制原片和三个合成变体。对外交付推荐使用 withInstructionAndWatermark。 - [HappyOyster 错误码](https://platform.qianwenai.com/docs/api-reference/world-model/happyoyster-error-code.md): HappyOyster Open API 响应结构与错误码说明,包括业务码、典型场景与处理建议。 ## 专项模型 API - [Qwen-Deep-Research API 参考](https://platform.qianwenai.com/docs/api-reference/specialized-models/deep-research-api.md): Qwen-Deep-Research 深入研究模型的输入与输出参数说明 - [GUI-Plus OpenAI 兼容](https://platform.qianwenai.com/docs/api-reference/gui-plus/openai.md): 通过 OpenAI 兼容接口调用 GUI-Plus 界面交互专用模型。 - [GUI-Plus DashScope](https://platform.qianwenai.com/docs/api-reference/gui-plus/dashscope.md): 通过 DashScope 原生 HTTP API 调用 GUI-Plus 界面交互专用模型。 - [Qwen-OCR 文字提取模型](https://platform.qianwenai.com/docs/api-reference/specialized-models/qwen-ocr/openai.md): 通过 OpenAI 兼容接口调用 Qwen-OCR 文字提取模型。 - [Qwen-OCR 文字提取模型](https://platform.qianwenai.com/docs/api-reference/specialized-models/qwen-ocr/dashscope.md): 通过 DashScope 原生 HTTP API 调用 Qwen-OCR 文字提取模型。 - [决策模型 API 参考](https://platform.qianwenai.com/docs/api-reference/decision-model-api.md): 调用 POST /compatible-mode/v1/systemone 接口使用千问AI平台决策模型(decision-model-preview),一次前向返回分类、评分、是非判断及其概率分布与置信度,不生成文本。 ## 语音合成 - [非实时语音合成Qwen-Audio-TTS HTTP API参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/http-api.md): 本文介绍非实时语音合成Qwen-Audio-TTS的HTTP调用方法,支持非流式和流式两种调用模式。 - [非实时语音合成Qwen-Audio-TTS Java SDK参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/http-java-sdk.md): 本文介绍非实时语音合成Qwen-Audio-TTS的Java SDK调用方法,支持非流式和流式两种调用模式。 - [非实时语音合成Qwen-Audio-TTS Python SDK参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/http-python-sdk.md): 本文介绍非实时语音合成Qwen-Audio-TTS的Python SDK调用方法,支持非流式和流式两种调用模式。 - [非实时语音合成CosyVoice HTTP API参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice-nrt/http-api.md): 本文介绍非实时语音合成CosyVoice的HTTP调用方法,支持非流式和流式两种调用模式。 - [非实时语音合成CosyVoice Java SDK参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice-nrt/java-sdk.md): 本文介绍非实时语音合成CosyVoice的Java SDK调用方法,支持非流式和流式两种调用模式。 - [非实时语音合成CosyVoice Python SDK参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice-nrt/python-sdk.md): 本文介绍非实时语音合成CosyVoice的Python SDK调用方法,支持非流式和流式两种调用模式。 - [非实时语音合成(Qwen3-TTS)API参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-tts.md): 非实时语音合成(Qwen3-TTS)API 的请求参数与返回字段说明。 - [MiniMax同步语音合成API参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/minimax-tts.md): MiniMax 同步语音合成 HTTP API 参考,包含支持的模型、计费方式、请求参数、返回字段、调用示例,以及查询与删除音色的声音管理接口。 - [音色复刻 HTTP API 参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/voice-cloning/http-api.md): 按目标模型查阅创建、查询、更新和删除音色的 HTTP 参数、响应与示例。 - [声音复刻HTTP API参考:MiniMax 声音复刻](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/voice-cloning/http-api/minimax.md): MiniMax 声音复刻的请求参数、响应和代码示例。 - [Qwen-Audio 与 CosyVoice 音色复刻 Java SDK 参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/voice-cloning/java-sdk.md): 使用 DashScope Java SDK 创建和管理 Qwen-Audio 与 CosyVoice 复刻音色。 - [Qwen-Audio 与 CosyVoice 音色复刻 Python SDK 参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/voice-cloning/python-sdk.md): 使用 DashScope Python SDK 创建和管理 Qwen-Audio 与 CosyVoice 复刻音色。 - [音色设计 API 参考](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/voice-design/http-api.md): 本文介绍声音设计的HTTP API接口详情,包括创建音色、查询音色列表、查询音色详情和删除音色四个操作。 ## 音频生成 - [音频生成 API参考](https://platform.qianwenai.com/docs/api-reference/audio-generation.md): 使用 HTTPS 接口提交文本提示词和参考音频,获取生成的音频文件。本文说明请求参数、响应结构和错误处理。 ## 语音识别 - [Qwen-Audio-ASR-Filetrans非实时语音识别HTTP API参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/http-api.md): 本文介绍Qwen-Audio-ASR-Filetrans非实时语音识别HTTP API的参数和接口细节。 - [Qwen-Audio-ASR-Filetrans:查询任务结果](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/http-api/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Qwen-Audio-ASR-Filetrans非实时语音识别Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/python-sdk.md): 本文介绍Qwen-Audio-ASR-Filetrans非实时语音识别Python SDK的参数和接口细节。 - [Qwen-Audio-ASR-Filetrans非实时语音识别Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/java-sdk.md): 本文介绍Qwen-Audio-ASR-Filetrans非实时语音识别Java SDK的参数和接口细节。 - [Qwen-Audio-ASR-Filetrans Node.js SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/nodejs-sdk.md): 通过语音 Node.js SDK 调用 Qwen-Audio-ASR-Filetrans,提交录音文件 URL、查询异步任务并下载转写结果。 - [Qwen-Audio-ASR-Filetrans非实时语音识别Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/android-sdk.md): 本文档提供了Qwen-Audio-ASR-Filetrans非实时语音识别Android SDK的详细使用指南,帮助您将语音转换为文本。 - [Qwen-Audio-ASR-Filetrans非实时语音识别iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/ios-sdk.md): 本文档提供了Qwen-Audio-ASR-Filetrans非实时语音识别iOS SDK的详细使用指南,帮助您将语音转换为文本。 - [Qwen-Audio-ASR-Filetrans非实时语音识别HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-filetrans/harmonyos-sdk.md): 使用Qwen-Audio-ASR-Filetrans非实时语音识别HarmonyOS SDK将音视频文件转换为文本。 - [非实时语音识别(Qwen-Audio-ASR)HTTP API](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr/http-api.md): 本文介绍Qwen-Audio-ASR非实时语音识别HTTP API的参数和接口细节。 - [非实时语音识别(Qwen-Audio-ASR)Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr/android-sdk.md): Qwen-Audio-ASR非实时语音识别Android SDK可将语音转换为文本。 - [非实时语音识别(Qwen-Audio-ASR)iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr/ios-sdk.md): Qwen-Audio-ASR非实时语音识别iOS SDK可将语音转换为文本。 - [非实时语音识别(Qwen-Audio-ASR)HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr/harmonyos-sdk.md): Qwen-Audio-ASR非实时语音识别HarmonyOS SDK可将语音转换为文本。 - [Fun-ASR非实时语音识别HTTP API参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-recording/restful-api.md): 本文介绍Fun-ASR非实时语音识别HTTP API的参数和接口细节。 - [Fun-ASR非实时语音识别HTTP API参考:查询任务结果](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-recording/restful-api/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Fun-ASR非实时语音识别Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-recording/python-sdk.md): 本文介绍Fun-ASR非实时语音识别Python SDK的参数和接口细节。 - [Fun-ASR非实时语音识别Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-recording/java-sdk.md): 本文介绍Fun-ASR非实时语音识别Java SDK的参数和接口细节。 - [Fun-ASR非实时语音识别Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-recording/android-sdk.md): 本文档提供了Fun-ASR非实时语音识别Android SDK的详细使用指南,帮助您将语音转换为文本。 - [Fun-ASR非实时语音识别iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-recording/ios-sdk.md): 本文档提供了Fun-ASR非实时语音识别iOS SDK的详细使用指南,帮助您将语音转换为文本。 - [Fun-ASR非实时语音识别HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-recording/harmonyos-sdk.md): 使用Fun-ASR非实时语音识别HarmonyOS SDK将音视频文件转换为文本。 - [非实时语音识别(Fun-ASR-Flash)HTTP API](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-flash/http-api.md): 本文介绍Fun-ASR-Flash非实时语音识别HTTP API的参数和接口细节。 - [非实时语音识别(Fun-ASR-Flash)Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-flash/android-sdk.md): Fun-ASR-Flash非实时语音识别Android SDK可将语音转换为文本。 - [非实时语音识别(Fun-ASR-Flash)iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-flash/ios-sdk.md): Fun-ASR-Flash非实时语音识别iOS SDK可将语音转换为文本。 - [非实时语音识别(Fun-ASR-Flash)HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-flash/harmonyos-sdk.md): Fun-ASR-Flash非实时语音识别HarmonyOS SDK可将语音转换为文本。 - [非实时语音识别(Qwen-ASR)API参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr/api-reference.md): 本文介绍 Qwen-ASR 模型的输入与输出参数。可通过OpenAI 兼容或DashScope协议调用 API。 - [非实时语音识别(Qwen-ASR)API参考:DashScope 同步调用](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr/api-reference/dashscope-sync.md): DashScope 同步调用的请求参数、响应和代码示例。 - [非实时语音识别(Qwen-ASR)API参考:DashScope 异步调用](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr/api-reference/dashscope-async.md): DashScope 异步调用的请求参数、响应和代码示例。 - [非实时语音识别(Qwen-ASR)API参考:查询任务结果](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr/api-reference/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Paraformer非实时语音识别HTTP API](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/api-reference.md): 本文介绍Paraformer非实时语音识别HTTP API的参数和接口细节。 - [Paraformer非实时语音识别HTTP API:查询任务结果](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/api-reference/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [Paraformer非实时语音识别Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/python-sdk.md): 本文介绍Paraformer非实时语音识别Python SDK的参数和接口细节。 - [Paraformer非实时语音识别Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/java-sdk.md): 本文介绍Paraformer非实时语音识别Java SDK的参数和接口细节。 - [Paraformer非实时语音识别Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/android-sdk.md): 本文档提供了Paraformer非实时语音识别Android SDK的详细使用指南,帮助您将语音转换为文本。 - [Paraformer非实时语音识别iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/ios-sdk.md): 本文档提供了Paraformer非实时语音识别iOS SDK的详细使用指南,帮助您将语音转换为文本。 - [Paraformer非实时语音识别HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/harmonyos-sdk.md): 使用Paraformer非实时语音识别HarmonyOS SDK将音视频文件转换为文本。 - [最佳实践](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-asr-file/best-practices.md): Paraformer 录音文件识别的最佳实践,包括用 ffmpeg 预处理视频、提取音轨并压缩,以提升转写效率。 - [定制热词HTTP API参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/custom-hotwords/http-api.md): 通过HTTP API管理定制热词列表,包括创建、查询、更新和删除热词列表。 - [定制热词Python SDK参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/custom-hotwords/python-sdk.md): 通过Python SDK管理定制热词列表,包括client.audio.vocabularies资源的方法说明与示例代码。 - [定制热词Java SDK参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/custom-hotwords/java-sdk.md): 通过Java SDK管理定制热词列表,包括VocabularyService类的方法说明与示例代码。 ## 语音翻译 - [音视频翻译](https://platform.qianwenai.com/docs/api-reference/speech-translation/audio-video-translation-api.md): 本文介绍通过 OpenAI 兼容接口调用 qwen3-livetranslate-flash 模型的输入与输出参数。 ## 音视频(实时) - [音视频(实时)](https://platform.qianwenai.com/docs/api-reference/realtime-api/directory.md) - [Realtime API 概述](https://platform.qianwenai.com/docs/api-reference/realtime-api/overview.md): 了解 Realtime API 支持的模型、接入方式、鉴权流程及现有教程和 Demo。 - [实时多模态](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/directory.md) - [实时音视频理解](https://platform.qianwenai.com/docs/developer-guides/speech/realtime-multimodal-speech.md): 通过 WebSocket 或 WebRTC 接入 Qwen-Omni 系列模型,实现音频和视频的低延迟实时对话。 - [Qwen-Omni-Realtime WebSocket 接入](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/websocket-access.md): Qwen-Omni-Realtime WebSocket 接入 - [WebSocket 交互流程](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/interaction-process.md): 介绍 Qwen-Omni-Realtime 系列模型的 WebSocket 接入地址、交互流程及 SDK。 - [Qwen-Omni-Realtime Python SDK](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/realtime-python-sdk.md): 本文介绍 DashScope Python SDK 调用 Qwen-Omni 实时模型 时的关键接口与请求参数。 - [Qwen-Omni-Realtime Java SDK](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/realtime-java-sdk.md): 本文介绍 DashScope Java SDK 调用 Qwen-Omni 实时模型 时的关键接口与请求参数。 - [Qwen-Omni-Realtime C# SDK](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/realtime-csharp-sdk.md): 使用 C# SDK 通过 WebSocket 调用 Qwen-Omni-Realtime。本页示例以音频为输入,返回文本和音频。 - [WebRTC 接入](https://platform.qianwenai.com/docs/api-reference/realtime-api/webrtc-access.md): 本文介绍通过 WebRTC 接入 Realtime API 的通用流程:准备鉴权、初始化连接对象、配置媒体方向、完成 SDP 交换、按目标模型协议交互,以及释放资源。 - [Qwen-Omni-Realtime AOQ 接入](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/aoq-access.md): Qwen-Omni-Realtime AOQ 接入 - [Qwen-Omni-Realtime 客户端事件](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/client-events.md): Qwen-Omni-Realtime API的客户端事件参考。 - [Qwen-Omni-Realtime 服务端事件](https://platform.qianwenai.com/docs/api-reference/real-time-multimodal/server-events.md): 本文介绍 Qwen-Omni-Realtime API 的服务端事件,包括工具调用(Function Calling)相关事件。 - [实时语音识别(Qwen-Audio-ASR-Message)客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/client-events.md): 本文介绍 Qwen-Audio-3.1-ASR-Flash-Message 实时语音识别服务中客户端通过 WebSocket 发送给服务端的客户端事件,包括 run-task(启动任务)、 continue-task(更新上下文)、 finish-task(结束任务)等指令的数据结构与字段含义。 - [实时语音识别(Qwen-Audio-ASR-Message)服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/server-events.md): 本文介绍 Qwen-Audio-3.1-ASR-Flash-Message 实时语音识别服务通过 WebSocket 推送给客户端的服务端事件,包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。 - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/websocket-api.md): 本文介绍通过 WebSocket 连接访问 Qwen-Audio-3.1-ASR-Flash-Message 实时语音识别服务的接口地址、请求头和交互流程。 - [Qwen-Audio-ASR-Message AOQ 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/aoq-access.md): 介绍通过 AOQ 接入 Qwen-Audio-ASR-Message 的鉴权、媒体配置、建连和任务事件处理流程。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/sdk-access.md) - [Qwen-Audio-ASR-Message实时语音识别Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/python-sdk.md): 本文介绍Qwen-Audio-3.1-ASR-Flash-Message实时语音识别Python SDK的参数和接口细节。 - [Qwen-Audio-ASR-Message实时语音识别Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/java-sdk.md): 本文介绍Qwen-Audio-3.1-ASR-Flash-Message实时语音识别Java SDK的参数和接口细节。 - [Qwen-Audio-ASR-Message Node.js SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/nodejs-sdk.md): 通过语音 Node.js SDK 调用 Qwen-Audio-ASR-Message,发送音频、处理识别结果,并在任务中更新识别上下文。 - [Qwen-Audio-ASR-Message实时语音识别Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/android-sdk.md): 本文档提供了Qwen-Audio-3.1-ASR-Flash-Message实时语音识别Android SDK的详细使用指南,帮助您将语音转换为文本。 - [Qwen-Audio-ASR-Message实时语音识别iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/ios-sdk.md): 本文档提供了Qwen-Audio-3.1-ASR-Flash-Message实时语音识别iOS SDK的详细使用指南,帮助您将语音转换为文本。 - [Qwen-Audio-ASR-Message实时语音识别HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-message/harmonyos-sdk.md): 本文介绍 Qwen-Audio-3.1-ASR-Flash-Message 实时语音识别 HarmonyOS SDK 的集成方法、请求参数、接口、回调和示例代码。 - [Qwen-Audio-ASR-Streaming客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/client-events.md): Qwen-Audio-ASR-Streaming 客户端事件参考,介绍 run-task、finish-task 的字段、发送顺序及对应服务端事件。 - [Qwen-Audio-ASR-Streaming服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/server-events.md): Qwen-Audio-ASR-Streaming 服务端事件参考,介绍任务启动、识别结果、任务完成和任务失败的字段及对应请求。 - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/websocket-api.md): 本文介绍通过 WebSocket 连接访问 Qwen-Audio-ASR-Streaming 实时语音识别服务的接口地址、请求头和交互流程。 - [Qwen-Audio-ASR-Streaming AOQ 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/aoq-access.md): 介绍通过 AOQ 接入 Qwen-Audio-ASR-Streaming 的鉴权、媒体配置、建连和任务事件处理流程。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/sdk-access.md) - [Qwen-Audio-ASR-Streaming实时语音识别Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/python-sdk.md): 本文介绍Qwen-Audio-ASR-Streaming实时语音识别Python SDK的参数和接口细节。 - [Qwen-Audio-ASR-Streaming实时语音识别Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/java-sdk.md): 本文介绍Qwen-Audio-ASR-Streaming实时语音识别Java SDK的参数和接口细节。 - [Qwen-Audio-ASR-Streaming Node.js SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/nodejs-sdk.md): 通过语音 Node.js SDK 调用 Qwen-Audio-ASR-Streaming,流式发送音频并接收识别结果、上下文和用量信息。 - [Qwen-Audio-ASR-Streaming实时语音识别Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/android-sdk.md): 本文档提供了Qwen-Audio-ASR-Streaming实时语音识别Android SDK的详细使用指南,帮助您将语音转换为文本。 - [Qwen-Audio-ASR-Streaming实时语音识别iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/ios-sdk.md): 本文档提供了Qwen-Audio-ASR-Streaming实时语音识别iOS SDK的详细使用指南,帮助您将语音转换为文本。 - [Qwen-Audio-ASR-Streaming实时语音识别HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/harmonyos-sdk.md): 本文介绍 Qwen-Audio-ASR-Streaming 实时语音识别 HarmonyOS SDK 的集成方法、请求参数、接口、回调和示例代码。 - [Qwen-Audio-ASR-Streaming / Message C# SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-audio-asr-streaming/csharp-sdk.md): 通过 C# SDK 向 Qwen-Audio-ASR-Streaming / Message 流式发送音频并接收识别结果。 - [其他模型](https://platform.qianwenai.com/docs/api-reference/realtime-api/asr-other-models.md) - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/websocket-api.md): 本文介绍通过 WebSocket 连接访问 Fun-ASR-Realtime 实时语音识别服务的接口地址、请求头和交互流程。 - [实时语音识别(Fun-ASR-Realtime)客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/client-events.md): 本文介绍 Fun-ASR-Realtime 实时语音识别服务中客户端通过 WebSocket 发送给服务端的客户端事件,包括 run-task(启动任务)、finish-task(结束任务)等指令的数据结构与字段含义。 - [实时语音识别(Fun-ASR-Realtime)服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/server-events.md): 本文介绍 Fun-ASR-Realtime 实时语音识别服务通过 WebSocket 推送给客户端的服务端事件,包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。 - [Fun-ASR-Realtime AOQ 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/aoq-access.md): 介绍通过 AOQ 接入 Fun-ASR-Realtime 的鉴权、媒体配置、建连和任务事件处理流程。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/sdk-access.md) - [Fun-ASR-Realtime实时语音识别Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/python-sdk.md): 本文介绍Fun-ASR-Realtime实时语音识别Python SDK的参数和接口细节。 - [Fun-ASR-Realtime实时语音识别Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/java-sdk.md): 本文介绍Fun-ASR-Realtime实时语音识别Java SDK的参数和接口细节。 - [Fun-ASR-Realtime实时语音识别Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/android-sdk.md): 本文档提供了Fun-ASR-Realtime实时语音识别Android SDK的详细使用指南,帮助您将语音转换为文本。 - [Fun-ASR-Realtime实时语音识别iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/ios-sdk.md): 本文档提供了Fun-ASR-Realtime实时语音识别iOS SDK的详细使用指南,帮助您将语音转换为文本。 - [Fun-ASR-Realtime实时语音识别HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/harmonyos-sdk.md): 本文介绍 Fun-ASR-Realtime 实时语音识别 HarmonyOS SDK 的集成方法、请求参数、接口、回调和示例代码。 - [Fun-ASR-Realtime C# SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/fun-asr-realtime/csharp-sdk.md): 通过 C# SDK 向 Fun-ASR-Realtime 流式发送音频并接收识别结果。 - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-realtime/websocket-api.md): Qwen-ASR-Realtime 实时语音识别服务通过 WebSocket 协议,接收实时音频流并实时转写。支持 VAD 模式 和 Manual 模式 交互流程。 - [实时语音识别(Qwen-ASR-Realtime)客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-realtime/client-events.md): 本文档介绍在与 Qwen-ASR Realtime API 的 WebSocket 会话中,客户端向服务端发送的事件。 - [实时语音识别(Qwen-ASR-Realtime)服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-realtime/server-events.md): 本文档介绍在与 Qwen-ASR Realtime API 的 WebSocket 会话中,服务端向客户端发送的事件。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-realtime/sdk-access.md) - [实时语音识别(Qwen-ASR-Realtime)Python SDK-API参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-realtime/python-sdk.md): 本文档介绍如何使用 DashScope Python SDK 调用实时语音识别(Qwen-ASR-Realtime)模型。 - [实时语音识别(Qwen-ASR-Realtime)Java SDK-API参考](https://platform.qianwenai.com/docs/api-reference/speech-recognition/qwen-asr-realtime/java-sdk.md): 本文档介绍如何使用 DashScope Java SDK 调用实时语音识别(Qwen-ASR-Realtime)模型。 - [实时语音识别(Paraformer)客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/client-events.md): 本文介绍 Paraformer 实时语音识别服务中客户端通过 WebSocket 发送给服务端的客户端事件,包括 run-task(启动任务)和 finish-task(结束任务)两类指令的数据结构与字段含义。 - [实时语音识别(Paraformer)服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/server-events.md): 本文介绍 Paraformer 实时语音识别服务通过 WebSocket 推送给客户端的服务端事件,包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。 - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/websocket-api.md): 本文介绍通过 WebSocket 连接访问 Paraformer 实时语音识别服务的接口地址、请求头和交互流程。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/sdk-access.md) - [Paraformer实时语音识别Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/python-sdk.md): 本文介绍Paraformer实时语音识别Python SDK的参数和接口细节。 - [Paraformer实时语音识别Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/java-sdk.md): 本文介绍Paraformer实时语音识别Java SDK的参数和接口细节。 - [Paraformer实时语音识别Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/android-sdk.md): 本文档提供了Paraformer实时语音识别Android SDK的详细使用指南,帮助您将语音转换为文本。 - [Paraformer实时语音识别iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/ios-sdk.md): 本文档提供了Paraformer实时语音识别iOS SDK的详细使用指南,帮助您将语音转换为文本。 - [Paraformer实时语音识别HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/harmonyos-sdk.md): 使用Paraformer实时语音识别HarmonyOS SDK将语音转换为文本。 - [Paraformer 实时语音识别 C# SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-recognition/paraformer-realtime/csharp-sdk.md): 通过 C# SDK 向 Paraformer 流式发送音频并接收识别结果。 - [Qwen-Audio-TTS客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/client-events.md): 本文介绍 Qwen-Audio-TTS 实时语音合成服务中客户端通过 WebSocket 发送给服务端的客户端事件,包括 run-task(启动任务)、continue-task(流式输入文本)、finish-task(结束任务)的字段与发送时机。 - [Qwen-Audio-TTS服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/server-events.md): 本文介绍 Qwen-Audio-TTS 实时语音合成服务通过 WebSocket 推送给客户端的服务端事件,包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。 - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/websocket-api.md): 本文介绍通过WebSocket连接访问Qwen-Audio-TTS实时语音合成服务的交互流程、接口地址和请求头。 - [Qwen-Audio-TTS AOQ 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/aoq-access.md): 介绍通过 AOQ 接入 Qwen-Audio-TTS 的鉴权、媒体配置、建连和任务事件处理流程。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/sdk-access.md) - [Qwen-Audio-TTS Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/java-sdk.md): 通过DashScope Java SDK进行Qwen-Audio-TTS语音合成。 - [Qwen-Audio-TTS Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/python-sdk.md): 本文介绍通过DashScope Python SDK进行Qwen-Audio-TTS实时语音合成的类定义、请求参数和示例代码。 - [Qwen-Audio-TTS Node.js SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/nodejs-sdk.md): 通过语音 Node.js SDK 调用 Qwen-Audio-TTS,使用一次性或流式文本输入生成音频,并处理字级时间戳和用量事件。 - [Qwen-Audio-TTS Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/android-sdk.md): 本文档提供了语音合成Qwen-Audio-TTS Android SDK的详细使用指南,帮助您将文本转换为高质量、富有表现力的语音。 - [Qwen-Audio-TTS iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/ios-sdk.md): 本文档提供了语音合成Qwen-Audio-TTS iOS SDK的详细使用指南,帮助您将文本转换为高质量、富有表现力的语音。 - [Qwen-Audio-TTS HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/harmonyos-sdk.md): 了解实时语音合成HarmonyOS SDK的集成方法、参数、接口、回调和示例代码。 - [Qwen-Audio-TTS / CosyVoice C# SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-audio-tts/csharp-sdk.md): 通过 C# SDK 调用 Qwen-Audio-TTS / CosyVoice 合成语音并接收音频分片。 - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/websocket-api.md): 本文介绍通过WebSocket连接访问CosyVoice实时语音合成服务的交互流程、接口地址和请求头。 - [CosyVoice客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/client-events.md): 本文介绍 CosyVoice 实时语音合成服务中客户端通过 WebSocket 发送给服务端的客户端事件,包括 run-task(启动任务)、continue-task(流式输入文本)、finish-task(结束任务)的字段与发送时机。 - [CosyVoice服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/server-events.md): 本文介绍 CosyVoice 实时语音合成服务通过 WebSocket 推送给客户端的服务端事件,包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。 - [CosyVoice AOQ 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/aoq-access.md): 介绍通过 AOQ 接入 CosyVoice 的鉴权、媒体配置、建连和任务事件处理流程。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/sdk-access.md) - [CosyVoice Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/java-sdk.md): 通过DashScope Java SDK进行CosyVoice语音合成。 - [CosyVoice Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/python-sdk.md): 本文介绍通过DashScope Python SDK进行CosyVoice实时语音合成的类定义、请求参数和示例代码。 - [CosyVoice Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/android-sdk.md): 本文档提供了语音合成CosyVoice Android SDK的详细使用指南,帮助您将文本转换为高质量、富有表现力的语音。 - [CosyVoice iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/ios-sdk.md): 本文档提供了语音合成CosyVoice iOS SDK的详细使用指南,帮助您将文本转换为高质量、富有表现力的语音。 - [CosyVoice HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/cosyvoice/harmonyos-sdk.md): 了解实时语音合成HarmonyOS SDK的集成方法、参数、接口、回调和示例代码。 - [其他模型](https://platform.qianwenai.com/docs/api-reference/realtime-api/tts-other-models.md) - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-tts-realtime/websocket-api.md): 本文介绍通过 WebSocket 连接访问 Qwen3-TTS-Realtime 实时语音合成服务的接口地址、请求头和交互流程。 - [客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-tts-realtime/client-events.md): 本文介绍 Qwen3-TTS-Realtime API 的客户端事件。 - [服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-tts-realtime/server-events.md): 本文介绍 Qwen3-TTS-Realtime API 的服务端事件。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-tts-realtime/sdk-access.md) - [Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-tts-realtime/python-sdk.md): 本文介绍通过 DashScope Python SDK 进行实时语音合成的关键接口、请求参数和示例代码。 - [Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/qwen-tts-realtime/java-sdk.md): 本文介绍 DashScope Java SDK 调用 Qwen-TTS-Realtime 系列模型时的关键接口与请求参数。 - [WebSocket 接入指南](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/websocket.md): 本文介绍通过WebSocket连接访问Sambert实时语音合成服务的交互流程、接口地址和请求头。 - [Sambert客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/client-events.md): 本文介绍 Sambert 语音合成服务中客户端通过 WebSocket 发送的客户端事件,包括 run-task(一次性提交待合成文本)的字段与发送时机。 - [Sambert服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/server-events.md): 本文介绍 Sambert 语音合成服务通过 WebSocket 推送给客户端的服务端事件,包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。 - [SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/sdk-access.md) - [语音合成Sambert Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/java-sdk.md): 本文介绍语音合成Sambert Java SDK的参数和接口细节。 - [语音合成Sambert Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/python-sdk.md): 本文介绍语音合成Sambert Python SDK的参数和接口细节。 - [语音合成Sambert Android SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/android-sdk.md): 本文档提供了语音合成Sambert Android SDK的详细使用指南,帮助您将文本转换为高质量、富有表现力的语音。 - [语音合成Sambert iOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/ios-sdk.md): 本文档提供了语音合成Sambert iOS SDK的详细使用指南,帮助您将文本转换为高质量、富有表现力的语音。 - [语音合成Sambert HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/harmonyos-sdk.md): 使用Sambert HarmonyOS SDK将文本合成为高质量、富有表现力的语音。 - [Sambert C# SDK 接入](https://platform.qianwenai.com/docs/api-reference/speech-synthesis/sambert/csharp-sdk.md): 通过 C# SDK 调用 Sambert 合成语音并接收音频分片。 - [实时语音对话](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/directory.md) - [WebSocket](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/websocket-reference.md) - [Qwen-Audio-Realtime WebSocket 接入](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/websocket-access.md): Qwen-Audio-Realtime WebSocket 接入 - [Qwen-Audio-Realtime Node.js SDK](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/nodejs-sdk.md): 通过语音 Node.js SDK 调用 Qwen-Audio-Realtime,配置会话、收发音频、处理转写和工具调用。 - [Qwen-Audio-Realtime C# SDK](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/csharp-sdk.md): 使用 C# SDK 通过 WebSocket 向 Qwen-Audio-Realtime 实时发送音频,接收文本和音频应答。 - [Qwen-Audio-3.0-Realtime实时语音对话Android SDK](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/android-sdk.md): 使用Qwen-Audio-3.0-Realtime实时语音对话Android SDK,实现实时音频输入以及语音或文本输出。 - [Qwen-Audio-3.0-Realtime实时语音对话iOS SDK](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/ios-sdk.md): 使用Qwen-Audio-3.0-Realtime实时语音对话iOS SDK,实现实时音频输入以及语音或文本输出。 - [Qwen-Audio-3.0-Realtime实时语音对话HarmonyOS SDK](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/harmonyos-sdk.md): 使用Qwen-Audio-3.0-Realtime实时语音对话HarmonyOS SDK,实现实时音频输入以及语音或文本输出。 - [Qwen-Audio-Realtime WebRTC 接入](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/webrtc-access.md): Qwen-Audio-Realtime WebRTC 接入 - [Qwen-Audio-Realtime AOQ 接入](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/aoq-access.md): Qwen-Audio-Realtime AOQ 接入 - [Qwen-Audio-Realtime 客户端事件](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/client-events.md): Qwen-Audio-Realtime API 的客户端事件参考。 - [Qwen-Audio-Realtime 服务端事件](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/server-events.md): Qwen-Audio-Realtime API 的服务端事件参考。所有服务端事件均包含 event_id (服务端自动生成)和 type (事件类型)公共字段。 - [Qwen-Audio-Realtime 音色配置](https://platform.qianwenai.com/docs/api-reference/qwen-audio-realtime/voice-cloning-api.md): 创建复刻音色后,在 Qwen-Audio-Realtime 会话中使用音色,并查阅对应 HTTP API。 - [实时音视频翻译](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/directory.md) - [WebSocket](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/websocket-reference.md) - [Qwen-LiveTranslate-Realtime WebSocket 接入](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/websocket-access.md): Qwen-LiveTranslate-Realtime WebSocket 接入 - [Qwen-LiveTranslate-Realtime Python SDK](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/python-sdk.md): 本文档介绍如何使用 DashScope Python SDK 调用实时音视频翻译(Qwen-LiveTranslate-Realtime)模型。 - [Qwen-LiveTranslate-Realtime Java SDK](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/java-sdk.md): 本文档介绍如何使用 DashScope Java SDK 调用实时音视频翻译(Qwen-LiveTranslate-Realtime)模型。 - [Qwen-LiveTranslate-Realtime C# SDK](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/csharp-sdk.md): 使用 C# SDK 通过 WebSocket 调用 Qwen-LiveTranslate-Realtime,将输入语音实时翻译为目标语言的文本和音频。 - [Qwen-LiveTranslate-Realtime WebRTC 接入](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/webrtc-access.md): Qwen-LiveTranslate-Realtime WebRTC 接入 - [Qwen-LiveTranslate-Realtime AOQ 接入](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/aoq-access.md): Qwen-LiveTranslate-Realtime AOQ 接入 - [Qwen-LiveTranslate-Realtime 客户端事件](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/client-events.md): 本文介绍千问实时语音/音视频翻译 API 的客户端事件,包括事件类型、参数和示例。 - [Qwen-LiveTranslate-Realtime 服务端事件](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/server-events.md): 本文介绍千问实时语音/音视频翻译 API 的服务端事件,包括事件类型、参数和示例。 - [Qwen-LiveTranslate-Realtime 音色配置](https://platform.qianwenai.com/docs/api-reference/speech-translation/livetranslate-realtime/voice-cloning-api.md): 配置实时提取输入音色或使用预建音色,并查阅预建音色 API。 - [AOQ SDK 简介](https://platform.qianwenai.com/docs/api-reference/realtime-api/aoq-sdk-intro.md): AOQ SDK 面向实时多模态场景,帮助开发者基于千问 Realtime API 快速搭建实时交互应用。 - [SDK 下载](https://platform.qianwenai.com/docs/api-reference/realtime-api/sdk-download.md): 本文介绍如何集成各平台的 AOQ SDK 和 AOQ Web SDK,并提供下载链接和版本更新说明。 - [AOQ Client SDK Windows API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/windows-sdk.md): 本文介绍 AOQ Client SDK Windows 版的 C++ 接口、回调和数据类型,帮助您在 Windows 应用中接入实时音视频和数据消息能力。 - [AOQ Client SDK macOS API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/macos-sdk.md): 本文介绍 AOQ Client SDK macOS 版的 Objective-C 接口、回调和数据类型,帮助您在 macOS 应用中接入实时音视频和数据消息能力。 - [AOQ Client SDK Electron API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/electron-sdk.md): 本文介绍 AOQ Client SDK Electron 版的 TypeScript 接口、事件和数据类型。该 SDK 适用于 macOS x64/arm64 和 Windows x64,要求 Node.js 16 或更高版本。 - [AOQ Client SDK Linux C++ API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/linux-cpp-sdk.md): 本文介绍 AOQ Client SDK Linux 版的 C++ 接口、回调和数据类型。 - [AOQ Client SDK Linux Python API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/linux-python-sdk.md): 本文介绍 AOQ Client SDK Linux 版的 Python 接口、回调和数据类型。 - [AOQ Client SDK Android API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/android-sdk.md): AOQ Client SDK Android 版提供完整的实时音视频通信能力,包括引擎生命周期管理、音频/视频采集与播放、编解码配置、外部音频流注入、音频文件混音、实时消息收发、音视频帧数据回调等功能。本文档为 Android 平台 Java API 的完整参考。 - [AOQ Client SDK iOS API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/ios-sdk.md): AOQ Client SDK iOS API 参考,涵盖引擎生命周期、音视频设备管理、编码配置、媒体流控制、音频文件播放、外部音频流、实时消息、帧回调、委托协议以及数据类型与枚举。 - [AOQ Client SDK OHOS (HarmonyOS) API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/harmonyos-sdk.md): AOQ Client SDK HarmonyOS (OHOS) 端 API 参考,平台语言为 ArkTS (.ets),通过 NAPI 桥接 C++ 引擎。 - [AOQ Web SDK API 参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/web-sdk.md): AOQ Web SDK 支持在浏览器中进行实时音视频和数据交互。本文介绍引擎管理、音视频采集与播放、数据消息和事件回调等 API。 - [功能参考](https://platform.qianwenai.com/docs/api-reference/realtime-api/aoq-sdk-function.md): AOQ SDK 连接管理、媒体流控制、音视频常用功能与自定义采集播放等能力说明入口。 - [连接状态管理](https://platform.qianwenai.com/docs/api-reference/realtime-api/connection-management.md): 本章节介绍 AOQ Client SDK 的连接状态机及其对应的 API 调用。 - [媒体流发送管理](https://platform.qianwenai.com/docs/api-reference/realtime-api/media-stream-control.md): enableSendMediaStream 用于控制客户端是否向 AI 服务发送音频/视频媒体流,在 AOQ 协议接入场景中精确控制发送时机。 - [音频常用功能介绍](https://platform.qianwenai.com/docs/api-reference/realtime-api/audio-features.md): AOQ Client SDK 提供了完整的音频能力,覆盖音频采集、播放、编解码配置、扬声器管理、文件混音、外部音频流注入、音频帧数据回调等核心场景。本文档基于 Android(Java)、iOS(Objective-C)、Ohos(ArkTS)三个平台的公开 API,对音频常用功能进行统一介绍。 - [自定义音频播放](https://platform.qianwenai.com/docs/api-reference/realtime-api/custom-audio-playback.md): AOQ Client SDK 支持自定义音频播放功能,通过音频帧回调机制将解码后的 PCM 数据回调给应用层,由开发者自行实现音频渲染播放。 - [自定义音频采集](https://platform.qianwenai.com/docs/api-reference/realtime-api/custom-audio-capture.md): 介绍如何使用 AOQ Client SDK 实现自定义音频采集功能,包括外部音频流的添加、PCM 数据推送和管理。 - [视频常用功能介绍](https://platform.qianwenai.com/docs/api-reference/realtime-api/video-features.md): AOQ Client SDK 提供了完整的视频能力,覆盖视频采集、渲染显示、编码配置、帧数据回调、外部视频输入等核心场景。本文档基于 Android(Java)、iOS(Objective-C)、Ohos(ArkTS)三个平台的公开 API,对视频常用功能进行统一介绍。 - [自定义视频输入](https://platform.qianwenai.com/docs/api-reference/realtime-api/custom-video-input.md): 介绍 AOQ Client SDK 自定义视频输入的两种模式:原始帧模式和编码帧模式,以及各模式的配置方法和示例代码。 - [Qwen-Audio-ASR / Fun-ASR Flutter SDK](https://platform.qianwenai.com/docs/api-reference/realtime-api/flutter-sdk/qwen-audio-asr-fun-asr.md): 使用 Flutter SDK 接入 Qwen-Audio-ASR 和 Fun-ASR 实时语音识别,包含 Dart 调用流程、请求参数和事件。 - [Qwen-Audio-TTS / CosyVoice Flutter SDK](https://platform.qianwenai.com/docs/api-reference/realtime-api/flutter-sdk/qwen-audio-tts-cosyvoice.md): 使用 Flutter SDK 接入 Qwen-Audio-TTS 和 CosyVoice 双向流式语音合成,包含 Dart 调用流程、请求参数和事件。 - [Qwen-Audio-Realtime Flutter SDK](https://platform.qianwenai.com/docs/api-reference/realtime-api/flutter-sdk/qwen-audio-realtime.md): 使用 Flutter SDK 接入 Qwen-Audio-Realtime 实时语音对话,包含 Dart 调用流程、请求参数和事件。 - [Qwen-Livetranslate-Realtime Flutter SDK](https://platform.qianwenai.com/docs/api-reference/realtime-api/flutter-sdk/qwen-livetranslate-realtime.md): 使用 Flutter SDK 接入 Qwen-Livetranslate-Realtime 实时音视频翻译,包含 Dart 调用流程、请求参数和事件。 - [Paraformer Flutter SDK](https://platform.qianwenai.com/docs/api-reference/realtime-api/flutter-sdk/paraformer.md): 使用 Flutter SDK 接入 Paraformer 实时语音识别,包含 Dart 调用流程、请求参数和事件。 - [Sambert Flutter SDK](https://platform.qianwenai.com/docs/api-reference/realtime-api/flutter-sdk/sambert.md): 使用 Flutter SDK 接入 Sambert 单向流式语音合成,包含 Dart 调用流程、请求参数和事件。 ## 翻译 - [Qwen-MT-Image — 同步调用](https://platform.qianwenai.com/docs/api-reference/image-translation/qwen-mt-image/synchronous.md): 同步模式调用 qwen-mt-image-2.0 图像翻译,直接返回翻译后的图像 URL - [创建图像翻译任务](https://platform.qianwenai.com/docs/api-reference/image-translation/qwen-mt-image/create-task.md): 提交 qwen-mt-image 图像翻译异步任务 - [查询任务结果](https://platform.qianwenai.com/docs/api-reference/image-translation/qwen-mt-image/query-result.md): 查询 qwen-mt-image 图像翻译任务状态和结果 - [Qwen-MT 翻译模型](https://platform.qianwenai.com/docs/api-reference/specialized-models/qwen-mt/openai.md): 通过 OpenAI 兼容接口调用 Qwen-MT 翻译模型。 - [Qwen-MT 翻译模型](https://platform.qianwenai.com/docs/api-reference/specialized-models/qwen-mt/dashscope.md): 通过 DashScope 原生 HTTP API 调用 Qwen-MT 翻译模型。 - [Qwen-MT-Uni — 全模态翻译](https://platform.qianwenai.com/docs/api-reference/multimodal-translation/qwen-mt-uni/translate.md): 调用 qwen-mt-uni 全模态翻译模型,支持同步直接返回结果与异步提交任务两种模式 - [查询任务结果](https://platform.qianwenai.com/docs/api-reference/multimodal-translation/qwen-mt-uni/query-result.md): 查询 qwen-mt-uni 全模态翻译任务状态和结果 ## 文本向量 - [OpenAI 兼容文本向量](https://platform.qianwenai.com/docs/api-reference/text-embedding/openai-embedding.md): OpenAI 兼容的文本向量接口 - [DashScope 文本向量](https://platform.qianwenai.com/docs/api-reference/text-embedding/dashscope-embedding.md): DashScope embedding API ## 多模态向量 - [DashScope 多模态向量](https://platform.qianwenai.com/docs/api-reference/multimodal-embedding/dashscope-multimodal-embedding.md): 多模态向量化 API ## 重排序 - [OpenAI 兼容重排序](https://platform.qianwenai.com/docs/api-reference/rerank/openai-rerank.md): OpenAI 兼容的重排序 API - [DashScope 重排序](https://platform.qianwenai.com/docs/api-reference/rerank/dashscope-rerank.md): DashScope 重排序 API ## 平台 API - [对话管理](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations.md): 自动管理的多轮对话上下文 - [创建 Conversation](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/create-conversation.md): 创建会话,可选择性地添加初始消息。 - [查询会话](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/retrieve-conversation.md): 根据会话 ID 查询会话详情。 - [更新对话](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/update-conversation.md): 更新会话的元数据。此操作会完全覆盖已有的元数据。 - [删除会话](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/delete-conversation.md): 删除会话。会话中的消息不会被删除。 - [添加消息](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/create-items.md): 向会话中添加消息。 - [查询消息列表](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/list-items.md): 查询会话中的消息列表。 - [查询消息](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/retrieve-item.md): 根据消息 ID 查询消息详情。 - [删除消息](https://platform.qianwenai.com/docs/api-reference/platform-api/conversations/delete-item.md): 从会话中删除指定消息。 - [文件管理](https://platform.qianwenai.com/docs/api-reference/platform-api/file.md): 文件管理 API - [上传文件](https://platform.qianwenai.com/docs/api-reference/platform-api/file/upload-file.md): 上传文件用于文档解析或批量处理。账户最多可存储 10,000 个文件,总容量上限为 100 GB,文件永久有效,不会过期。 - [查询文件详情](https://platform.qianwenai.com/docs/api-reference/platform-api/file/retrieve-file.md): 通过文件 ID 查询文件详细信息。 - [查询文件列表](https://platform.qianwenai.com/docs/api-reference/platform-api/file/list-files.md): 列出账户下所有文件(包括已上传的文件和批量处理结果),支持按用途、创建时间筛选,并提供分页功能。 - [删除文件](https://platform.qianwenai.com/docs/api-reference/platform-api/file/delete-file.md): 通过文件 ID 删除指定文件。 - [创建 Batch](https://platform.qianwenai.com/docs/api-reference/platform-api/batch/create-batch.md): 创建批量任务,异步处理已上传输入文件中的所有请求。 - [查询 Batch](https://platform.qianwenai.com/docs/api-reference/platform-api/batch/retrieve-batch.md): 查询批量任务的状态,并在任务完成后获取输出文件 ID。 - [列出 Batch](https://platform.qianwenai.com/docs/api-reference/platform-api/batch/list-batches.md): 查询当前账号下的批量任务列表。结果按创建时间降序排列,仅返回最近 30 天的任务。 - [取消 Batch](https://platform.qianwenai.com/docs/api-reference/platform-api/batch/cancel-batch.md): 取消正在执行或排队中的批量任务。状态将先变为 `cancelling`(等待当前正在执行的请求完成),然后变为 `cancelled`。取消前已完成的请求仍会计费。 ## 工具包与框架 - [OpenAI 兼容接口](https://platform.qianwenai.com/docs/api-reference/toolkitframework/openai-compatible/overview.md): 只需修改 base_url、api_key 和 model 三个参数,即可从 OpenAI 迁移到千问AI平台。 ## 更多 - [生成临时 API Key](https://platform.qianwenai.com/docs/api-reference/more/generate-a-temporary-api-key.md): 短期有效的临时访问令牌 - [上传文件获取临时 URL](https://platform.qianwenai.com/docs/api-reference/more/upload-file-get-temporary-url.md): 将本地文件上传至免费临时存储空间并获取 oss:// 格式的临时 URL,供多模态、图像、视频或音频模型调用。 - [管理异步任务](https://platform.qianwenai.com/docs/api-reference/more/manage-asynchronous-tasks.md): 查询和管理异步任务 - [管理异步任务:批量查询异步任务状态](https://platform.qianwenai.com/docs/api-reference/more/manage-asynchronous-tasks/list-tasks.md): 批量查询异步任务状态的请求参数、响应和代码示例。 - [管理异步任务:取消异步任务](https://platform.qianwenai.com/docs/api-reference/more/manage-asynchronous-tasks/cancel-task.md): 取消异步任务的请求参数、响应和代码示例。 - [异步任务管理 API 参考](https://platform.qianwenai.com/docs/api-reference/more/async-task-management.md): 通过 HTTP API 查询单个异步任务结果、批量查询异步任务状态、以及取消异步任务的完整参考文档。 - [异步任务管理 API 参考:查询任务结果](https://platform.qianwenai.com/docs/api-reference/more/async-task-management/query-result.md): 查询任务结果的请求参数、响应和代码示例。 - [异步任务管理 API 参考:取消异步任务](https://platform.qianwenai.com/docs/api-reference/more/async-task-management/cancel-task.md): 取消异步任务的请求参数、响应和代码示例。 - [连接复用配置](https://platform.qianwenai.com/docs/api-reference/more/connection-pooling.md): 在高并发场景下复用 HTTP 连接,减少资源消耗、避免请求超时。 ## Managed Agent API - [API 总览与认证](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/introduction.md): Managed Agents API 是千问AI平台提供的智能体托管运行时,由平台托管会话、沙箱、工具执行与事件流。 - [错误码](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/errors.md): Managed Agents API 错误响应与处理建议 - [创建 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/agent/create.md): 创建一个新的智能体 - [获取 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/agent/get.md): 获取指定 Agent 的详情 - [列出 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/agent/list.md): 分页列出业务空间下的 Agent - [更新 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/agent/update.md): 全量替换更新 Agent 配置 - [归档 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/agent/archive.md): 软归档 Agent - [列出 Agent 版本](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/agent/list-versions.md): 分页列出 Agent 的所有历史版本 - [创建 Environment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/environment/create.md): 创建运行环境 - [获取 Environment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/environment/get.md): 获取指定环境详情 - [列出 Environment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/environment/list.md): 分页列出业务空间下的环境 - [更新 Environment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/environment/update.md): 更新环境配置 - [删除 Environment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/environment/delete.md): 硬删除环境 - [归档 Environment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/environment/archive.md): 归档指定的运行环境 - [创建 Session](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/create.md): 启动一个新会话 - [获取 Session](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/get.md): 获取指定会话详情 - [列出 Session](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/list.md): 分页列出业务空间下的会话 - [更新 Session](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/update.md): 更新会话元数据 - [删除 Session](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/delete.md): 硬删除会话 - [归档 Session](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/archive.md): 归档会话 - [发送 Event](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/send-event.md): 向会话发送用户消息,content 支持文本、图片、视频、文件四类内容块 - [订阅 Event Stream](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/stream-events.md): 通过 SSE 实时订阅会话事件 - [列出 Event](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/list-events.md): 列出会话的所有事件 - [运行时挂载资源](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/resource-create.md): 在会话运行期间动态挂载文件 - [列出会话资源](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/resource-list.md): 分页列出会话当前已挂载的资源 - [查询会话资源](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/resource-get.md): 查询单个已挂载资源的详情 - [卸载会话资源](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/session/resource-delete.md): 从会话中卸载指定资源 - [上传 File](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/file/upload.md): 上传文件到业务空间 - [获取 File](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/file/get.md): 获取文件元数据 - [下载 File](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/file/download.md): 下载文件内容 - [列出 File](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/file/list.md): 分页列出文件 - [删除 File](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/file/delete.md): 硬删除文件 - [创建 Skill](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/create.md): 上传技能包创建新技能 - [获取 Skill](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/get.md): 获取技能详情 - [列出 Skill](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/list.md): 分页列出技能 - [删除 Skill](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/delete.md): 硬删除技能 - [上传 Skill 新版本](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/upload-version.md): 上传技能包新版本 - [获取 Skill 版本](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/get-version.md): 获取指定版本的技能详情 - [列出 Skill 版本](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/list-versions.md): 列出技能所有版本 - [下载 Skill](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/skill/download.md): 获取技能包下载 URL - [创建 Vault](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/vault/create.md): 创建一个密钥库 - [获取 Vault](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/vault/get.md): 获取密钥库详情 - [列出 Vault](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/vault/list.md): 分页列出密钥库 - [更新 Vault](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/vault/update.md): 更新密钥库信息 - [删除 Vault](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/vault/delete.md): 硬删除密钥库 - [归档 Vault](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/vault/archive.md): 归档指定的密钥库 - [创建 Credential](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/credential/create.md): 在密钥库中创建密钥 - [获取 Credential](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/credential/get.md): 获取密钥元数据 - [列出 Credential](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/credential/list.md): 分页列出密钥 - [更新 Credential](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/credential/update.md): 更新密钥信息 - [删除 Credential](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/credential/delete.md): 硬删除密钥 - [归档 Credential](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/credential/archive.md): 归档指定密钥库中的密钥 - [创建 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/create.md): 创建一个新的部署,绑定 Agent 与触发方式 - [获取 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/get.md): 获取单个部署的详细信息 - [列出 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/list.md): 分页列出业务空间下的部署 - [更新 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/update.md): 更新部署配置,传入字段替换,缺省字段保持不变 - [暂停 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/pause.md): 暂停部署,停止定时触发 - [取消暂停 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/unpause.md): 恢复部署为 active 状态 - [归档 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/archive.md): 归档部署为终态,后续不可更新或触发 - [触发 Deployment](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/run.md): 手动触发一次部署运行 - [列出 Run](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/list-runs.md): 分页列出指定部署的运行历史 - [获取 Run](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/deployment/get-run.md): 获取单条运行记录详情 - [Webhook 概述与回调投递](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/callback.md): Webhook 将会话、智能体、部署等资源的状态变更事件推送到指定回调地址。本页说明投递行为、支持的事件、回调请求契约与验签算法。 - [创建 Webhook](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/create.md): 创建一个 Webhook endpoint 并订阅事件 - [查询 Webhook 详情](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/get.md): 查询单个 Webhook 的详情 - [查询 Webhook 列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/list.md): 返回当前 Workspace 下全部未删除的 Webhook - [更新 Webhook](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/update.md): 更新 Webhook 的描述、回调地址或订阅事件 - [删除 Webhook](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/delete.md): 删除 Webhook,停止后续事件投递 - [启用 Webhook](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/enable.md): 启用被禁用的 Webhook - [禁用 Webhook](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/disable.md): 手动禁用 Webhook - [测试 Webhook](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/test.md): 向回调地址发送一次测试事件 - [重置 Signing Secret](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/reset-secret.md): 重置验签密钥 - [查询 Webhook 事件](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/webhook/list-events.md): 查询指定 Webhook 最近 7 天的投递事件 ## Usage - [查询用量汇总](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/usage/summary.md): 查询工作空间、Agent 或 Session 的用量汇总及模型、工具明细。 - [查询用量趋势](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/usage/trend.md): 按小时、UTC+8 自然日或自然月分页查询工作空间或 Agent 的用量趋势。 ## RAG API - [API 概览](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/overview.md): 了解知识库 API 的服务地址、协议约定、请求格式与限流规则 - [鉴权](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/authentication.md): API Key 获取与使用方式 - [限流](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/rate-limits.md): 各接口的请求频率限制 - [错误码](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/errors.md): API 错误响应与处理建议 - [创建知识库并导入](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/search/create-index-v2.md): 一步完成创建知识库和导入文件 - [查询知识库列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/kb/list-indices.md): 分页查询当前业务空间下的所有知识库 - [更新知识库](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/kb/update-index.md): 修改指定知识库的描述信息 - [删除知识库](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/kb/delete-index.md): 永久删除指定的知识库及其所有文档和切片 - [获取知识库监控数据](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/kb/get-monitor.md): 查询指定知识库的存储用量和 QPS 监控数据 - [查询文档列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/docs/list-documents.md): 查询指定知识库中的文档列表 - [查询文件详情列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/docs/list-file-details.md): 查询文档的详细信息,包括切片数量和解析状态 - [删除文档](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/docs/delete-document.md): 从知识库中删除文档及其所有关联切片 - [新增切片](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/chunks/add-chunk.md): 向指定知识库添加切片内容 - [查询切片列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/chunks/list-chunks.md): 分页查询知识库中的切片 - [更新切片](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/chunks/update-chunk.md): 更新指定切片的内容 - [删除切片](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/chunks/delete-chunk.md): 批量删除切片,单次最多 10 个 - [提交导入任务](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/search/submit-job.md): 向已创建的知识库追加导入文档 - [查询任务状态](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/search/get-job-status.md): 查询知识库导入任务的执行状态 - [查询类目列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/list-category.md): 查询当前业务空间下的类目列表,支持按类型、名称过滤 - [新增类目](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/add-category.md): 在当前业务空间下创建新的类目 - [删除类目](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/delete-category.md): 删除指定的类目 - [查询文件列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/list-file.md): 查询当前业务空间下的文件列表,支持按类目、文件名和文件 ID 过滤 - [查询文件详情](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/describe-file.md): 查询指定文件的详细信息,包括大小、MD5、标签和时间戳 - [删除文件](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/delete-file.md): 永久删除指定的文件 - [批量更新文件标签](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/batch-update-tag.md): 批量更新多个文件的标签,支持覆盖和追加两种模式 - [申请上传租约](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/upload-lease.md): 上传文件到数据中心的第一步,返回 OSS 预签名 URL 和租约 ID - [注册文件](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/add-file.md): 上传文件的最后一步,将通过 OSS 上传的文件注册到数据中心 - [从 OSS 批量导入](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/oss-import.md): 从已授权的阿里云 OSS Bucket 批量导入文件到数据中心 - [新增连接器](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/add-connector.md): 创建新的数据连接器,用于管理数据导入来源 - [查询连接器](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/connector/get-connector.md): 查询指定连接器的详细信息 - [知识检索](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/knowledge/search.md): 跨多个知识库执行联合语义检索 - [知识问答](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/knowledge/chat.md): 基于知识库的 SSE 流式问答 - [Agent 管理概述](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/overview.md): RAG Agent 实例的全生命周期管理 API - [创建 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/create.md): 创建一个新的 RAG Agent,初始状态为 draft - [更新 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/update.md): 更新 Agent 的名称、描述或草稿配置 - [发布 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/deploy.md): 将 beta 草稿发布为新版本 - [删除 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/delete.md): 软删除 Agent,标记状态为 deleted - [查询 Agent 列表](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/list.md): 分页查询当前租户下的 Agent 列表 - [查询 Agent 详情](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/get.md): 获取 Agent 完整信息,支持指定版本 - [复制 Agent](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/agent/copy.md): 复制已有 Agent,生成新的草稿 ## 记忆库 API - [API 概览](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/overview.md): 服务地址、协议约定、请求格式与通用响应 - [鉴权](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/authentication.md): API Key 获取与使用方式 - [错误码](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/errors.md): API 错误响应与处理建议 - [添加记忆](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/fragments/add-memory.md): 将对话存储为事实记忆,自动提取关键信息 - [异步添加记忆](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/fragments/add-memory-async.md): 异步将对话存储为记忆,通过事件 ID 查询执行状态与结果 - [搜索记忆](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/fragments/search-memory.md): 基于语义检索返回与查询最相关的历史记忆 - [列出记忆](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/fragments/list-memory.md): 分页查看用户的所有事实记忆 - [更新记忆](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/fragments/update-memory.md): 修改已有事实记忆的内容 - [删除记忆](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/fragments/delete-memory.md): 删除指定的事实记忆 - [查询事件](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/fragments/get-event.md): 查询异步添加记忆事件的执行状态与结果 - [创建画像模板](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/profiles/create-schema.md): 创建用户画像模板,定义画像字段 - [列出画像模板](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/profiles/list-schemas.md): 分页查询所有画像模板 - [获取画像模板](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/profiles/get-schema.md): 获取指定画像模板的详情 - [更新画像模板](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/profiles/update-schema.md): 更新画像模板的名称、描述或策略版本 - [删除画像模板](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/profiles/delete-schema.md): 删除指定的画像模板 - [获取用户画像](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/profiles/get-user-profile.md): 获取指定用户的画像属性 ## Sandbox API - [API 总览与认证](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/introduction.md): Sandbox API 兼容 E2B 协议,提供沙箱实例的生命周期管理与模版管理能力,通过千问AI平台 AI 网关转发。 - [创建实例](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/sandbox-create.md): 基于模版创建一个沙箱实例 - [列举实例](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/sandbox-list.md): 列举当前工作空间下的沙箱实例 - [获取实例](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/sandbox-get.md): 获取指定实例的详细信息 - [连接实例](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/sandbox-connect.md): 连接到已有实例,返回数据面访问信息 - [暂停实例](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/sandbox-pause.md): 暂停实例,保留文件系统与内存状态 - [恢复实例](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/sandbox-resume.md): 恢复已暂停的实例,从暂停点继续运行 - [释放实例](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/sandbox-delete.md): 释放指定实例,回收计算与网络资源 - [创建模版](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/template-create.md): 创建一个沙箱模版 - [列举模版](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/template-list.md): 列举当前工作空间下的模版 - [获取模版](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/template-get.md): 获取指定模版的详细配置 - [更新模版](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/template-update.md): 更新指定模版的配置 - [获取构建状态](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/template-build-status.md): 查询模版的镜像构建状态 - [删除模版](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/template-delete.md): 删除指定模版 ## 计费 - [充值及查看余额](https://platform.qianwenai.com/docs/resources/billing-overview.md): 为账户充值并查看可用额度 - [Wan 系列模型开通、使用与退订说明](https://platform.qianwenai.com/docs/resources/wan-model-activation-usage-and-refund.md): Wan 系列视频与图像生成模型需要单独开通。本文说明受影响模型、开通与关闭服务的方法、调用时的余额要求,以及开通期间的余额预留与提现限制。 - [免费额度](https://platform.qianwenai.com/docs/resources/free-quota.md): 新用户完成实名认证后可领取免费额度,了解额度有效期和用尽即停设置 - [使用和管理优惠券](https://platform.qianwenai.com/docs/resources/coupons.md): 查看、使用和管理您的优惠券 - [账单查询与费用管理](https://platform.qianwenai.com/docs/resources/bill-query.md): 查看按量付费账单、还款及成本管理 - [发票管理](https://platform.qianwenai.com/docs/resources/invoice.md): 申请、下载和管理千问AI平台消费发票 ## 常见问题 - [账号与访问](https://platform.qianwenai.com/docs/resources/faq-account.md): API Key、权限、访问相关常见问题 - [计费与定价](https://platform.qianwenai.com/docs/resources/faq-billing.md): 付费和费用常见问题 - [文本生成常见问题](https://platform.qianwenai.com/docs/resources/faq-text-generation.md): 流式输出、上下文管理、上下文缓存、结构化输出、思考模式、函数调用和批量处理的常见问题。 - [图片与视频 FAQ](https://platform.qianwenai.com/docs/resources/faq-images-videos.md): 图片和视频生成的常见问题——计费、API 报错、模型差异、输入要求和输出 URL。 - [语音常见问题](https://platform.qianwenai.com/docs/resources/faq-audio-speech.md): CosyVoice 语音合成、Qwen-Omni 实时对话、Fun-ASR 语音识别的常见问题与解答。 - [向量与重排序 FAQ](https://platform.qianwenai.com/docs/resources/faq-embedding-reranking.md): 文本向量、多模态向量和重排序的常见问题——模型选择、维度、批量限制及使用场景。 - [Agent 开发常见问题](https://platform.qianwenai.com/docs/resources/faq-agent-infra.md): 知识库、数据管理、Managed Agent 与 MCP 的常见问题解答 - [评测模型本地 Agent 客户端接入](https://platform.qianwenai.com/docs/resources/evaluation-model-local-agent.md): 使用邀测 API Key,将评测模型接入 Qoder、Claude Desktop、Codex 或 Claude Code,并验证对话、文件工具和辅助模型调用。 ## 更新日志 - [Token Plan 功能更新](https://platform.qianwenai.com/docs/token-plan/token-plan-product-updates.md): Token Plan 的功能上线、模型支持、工具接入和计费权益调整记录。 - [模型上架与更新](https://platform.qianwenai.com/docs/changelog/models.md): 模型发布与更新记录 - [升级与变更公告](https://platform.qianwenai.com/docs/changelog/model-updates.md): 汇总模型升级、版本切换、更新、调价及 Token Plan 套餐调整公告。各公告单独发布,下线公告通过模型下线机制说明查看。 - [API 兼容性升级](https://platform.qianwenai.com/docs/changelog/api-compatibility-upgrade-notice.md): 千问AI平台 API 兼容性升级记录,持续更新请求参数、响应结构及接口行为调整。 - [模型平台功能更新](https://platform.qianwenai.com/docs/changelog/platform.md): 功能与改进 - [Agent 平台功能更新](https://platform.qianwenai.com/docs/changelog/agent-infra.md): Managed Agent、知识库、MCP 的功能更新记录 ## OpenAPI Specs - [openapi-tripo-animation-retarget-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-animation-retarget-api-reference.json) - [openapi-tripo-auto-rig-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-auto-rig-api-reference.json) - [openapi-tripo-convert-format-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-convert-format-api-reference.json) - [openapi-tripo-3d-generation](https://platform.qianwenai.com/docs/openapi-tripo-3d-generation.json): 使用 Tripo 模型通过文本、单张图像或多张图像生成 3D 模型。异步提交任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-tripo-image-to-splat-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-image-to-splat-api-reference.json) - [openapi-tripo-mesh-completion-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-mesh-completion-api-reference.json) - [openapi-tripo-retopology-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-retopology-api-reference.json) - [openapi-tripo-rig-check-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-rig-check-api-reference.json) - [openapi-tripo-segmentation-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-segmentation-api-reference.json) - [openapi-tripo-smart-segmentation-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-smart-segmentation-api-reference.json) - [openapi-tripo-texture-api-reference](https://platform.qianwenai.com/docs/openapi-tripo-texture-api-reference.json) - [openapi-agent-archive](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-agent-archive.json) - [openapi-agent-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-agent-create.json) - [openapi-agent-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-agent-get.json) - [openapi-agent-list-versions](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-agent-list-versions.json) - [openapi-agent-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-agent-list.json) - [openapi-agent-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-agent-update.json) - [openapi-credential-archive](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-credential-archive.json) - [openapi-credential-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-credential-create.json) - [openapi-credential-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-credential-delete.json) - [openapi-credential-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-credential-get.json) - [openapi-credential-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-credential-list.json) - [openapi-credential-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-credential-update.json) - [openapi-deployment-archive](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-archive.json) - [openapi-deployment-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-create.json) - [openapi-deployment-get-run](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-get-run.json) - [openapi-deployment-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-get.json) - [openapi-deployment-list-runs](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-list-runs.json) - [openapi-deployment-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-list.json) - [openapi-deployment-pause](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-pause.json) - [openapi-deployment-run](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-run.json) - [openapi-deployment-unpause](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-unpause.json) - [openapi-deployment-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-deployment-update.json) - [openapi-env-archive](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-env-archive.json) - [openapi-env-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-env-create.json) - [openapi-env-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-env-delete.json) - [openapi-env-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-env-get.json) - [openapi-env-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-env-list.json) - [openapi-env-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-env-update.json) - [openapi-file-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-file-delete.json) - [openapi-file-download](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-file-download.json) - [openapi-file-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-file-get.json) - [openapi-file-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-file-list.json) - [openapi-file-upload](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-file-upload.json) - [openapi-session-archive](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-archive.json) - [openapi-session-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-create.json) - [openapi-session-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-delete.json) - [openapi-session-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-get.json) - [openapi-event-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-event-list.json) - [openapi-session-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-list.json) - [openapi-session-resource-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-resource-create.json) - [openapi-session-resource-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-resource-delete.json) - [openapi-session-resource-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-resource-get.json) - [openapi-session-resource-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-resource-list.json) - [openapi-event-send](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-event-send.json) - [openapi-event-stream](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-event-stream.json) - [openapi-session-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-session-update.json) - [openapi-skill-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-create.json) - [openapi-skill-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-delete.json) - [openapi-skill-download](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-download.json) - [openapi-skill-get-version](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-get-version.json) - [openapi-skill-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-get.json) - [openapi-skill-list-versions](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-list-versions.json) - [openapi-skill-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-list.json) - [openapi-skill-upload-version](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-skill-upload-version.json) - [openapi-usage-summary](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-usage-summary.json) - [openapi-usage-trend](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-usage-trend.json) - [openapi-vault-archive](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-vault-archive.json) - [openapi-vault-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-vault-create.json) - [openapi-vault-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-vault-delete.json) - [openapi-vault-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-vault-get.json) - [openapi-vault-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-vault-list.json) - [openapi-vault-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-vault-update.json) - [openapi-webhook-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-create.json) - [openapi-webhook-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-delete.json) - [openapi-webhook-disable](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-disable.json) - [openapi-webhook-enable](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-enable.json) - [openapi-webhook-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-get.json) - [openapi-webhook-list-events](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-list-events.json) - [openapi-webhook-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-list.json) - [openapi-webhook-reset-secret](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-reset-secret.json) - [openapi-webhook-test](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-test.json) - [openapi-webhook-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/managed-agents/openapi/openapi-webhook-update.json) - [openapi-memory-add-async](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-add-async.json) - [openapi-memory-add](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-add.json) - [openapi-memory-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-delete.json) - [openapi-memory-get-event](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-get-event.json) - [openapi-memory-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-list.json) - [openapi-memory-search](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-search.json) - [openapi-memory-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-update.json) - [openapi-memory-create-schema](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-create-schema.json) - [openapi-memory-delete-schema](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-delete-schema.json) - [openapi-memory-get-schema](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-get-schema.json) - [openapi-memory-get-profile](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-get-profile.json) - [openapi-memory-list-schemas](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-list-schemas.json) - [openapi-memory-update-schema](https://platform.qianwenai.com/docs/api-reference/agent-infra/memory/openapi/openapi-memory-update-schema.json) - [openapi-rag-agent-copy](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-agent-copy.json) - [openapi-rag-agent-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-agent-create.json) - [openapi-rag-agent-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-agent-delete.json) - [openapi-rag-agent-deploy](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-agent-deploy.json) - [openapi-rag-agent-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-agent-get.json) - [openapi-rag-agent-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-agent-list.json) - [openapi-rag-agent-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-agent-update.json) - [openapi-rag-chunk-add](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-chunk-add.json) - [openapi-rag-chunk-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-chunk-delete.json) - [openapi-rag-chunk-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-chunk-list.json) - [openapi-rag-chunk-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-chunk-update.json) - [openapi-connector-add-category](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-add-category.json) - [openapi-connector-add-connector](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-add-connector.json) - [openapi-connector-add-file](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-add-file.json) - [openapi-connector-batch-update-tag](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-batch-update-tag.json) - [openapi-connector-delete-category](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-delete-category.json) - [openapi-connector-delete-file](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-delete-file.json) - [openapi-connector-describe-file](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-describe-file.json) - [openapi-connector-get-connector](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-get-connector.json) - [openapi-connector-list-category](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-list-category.json) - [openapi-connector-list-file](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-list-file.json) - [openapi-connector-oss-import](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-oss-import.json) - [openapi-connector-upload-lease](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag-connector/openapi-connector-upload-lease.json) - [openapi-rag-doc-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-doc-delete.json) - [openapi-rag-doc-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-doc-list.json) - [openapi-rag-doc-details](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-doc-details.json) - [openapi-rag-kb-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-kb-delete.json) - [openapi-rag-kb-monitor](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-kb-monitor.json) - [openapi-rag-kb-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-kb-list.json) - [openapi-rag-kb-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-kb-update.json) - [openapi-rag-knowledge-chat](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-knowledge-chat.json) - [openapi-rag-knowledge-search](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-knowledge-search.json) - [openapi-rag-sync-create-v2](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-sync-create-v2.json) - [openapi-rag-sync-status](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-sync-status.json) - [openapi-rag-sync-submit](https://platform.qianwenai.com/docs/api-reference/agent-infra/rag/openapi-rag-sync-submit.json) - [openapi-sandbox-connect](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-sandbox-connect.json) - [openapi-sandbox-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-sandbox-create.json) - [openapi-sandbox-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-sandbox-delete.json) - [openapi-sandbox-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-sandbox-get.json) - [openapi-sandbox-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-sandbox-list.json) - [openapi-sandbox-pause](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-sandbox-pause.json) - [openapi-sandbox-resume](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-sandbox-resume.json) - [openapi-template-build-status](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-template-build-status.json) - [openapi-template-create](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-template-create.json) - [openapi-template-delete](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-template-delete.json) - [openapi-template-get](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-template-get.json) - [openapi-template-list](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-template-list.json) - [openapi-template-update](https://platform.qianwenai.com/docs/api-reference/agent-infra/sandbox/openapi/openapi-template-update.json) - [openapi-anthropic](https://platform.qianwenai.com/docs/openapi-anthropic.json): 通过兼容 Anthropic 格式的 Messages API 调用 Qwen 模型,支持深度思考、工具调用、联网搜索、流式输出、图片视频理解和上下文缓存。 认证方式:通过 `x-api-key` 请求头或 `Authorization: Bearer` 请求头传入 API Key,二者选其一即可。 - [openapi-dashscope](https://platform.qianwenai.com/docs/openapi-dashscope.json): 通过 DashScope 原生 HTTP API 调用 Qwen 模型。支持文本和多模态模型、流式输出、工具调用和结构化输出。 - [openapi-openai-responses](https://platform.qianwenai.com/docs/openapi-openai-responses.json): 使用 OpenAI 兼容 Responses API 调用通义模型。支持内置工具、基于 `previous_response_id` 的多轮上下文管理,以及思考模式。 - [openapi-openai-chat](https://platform.qianwenai.com/docs/openapi-openai-chat.json): 通过 OpenAI 兼容接口调用通义千问模型,支持文本及多模态模型、流式输出、工具调用和结构化输出。 - [openapi-decision-model](https://platform.qianwenai.com/docs/openapi-decision-model.json): 调用 POST /compatible-mode/v1/systemone 接口使用千问AI平台决策模型(decision-model-preview),一次前向完成分类、是非判断与评分,并返回概率分布与置信度,不生成文本。适用于工单分流、内容审核、智能体路由与结果校验等高频结构化决策场景。 - [openapi-gui-plus-dashscope](https://platform.qianwenai.com/docs/openapi-gui-plus-dashscope.json): 通过 DashScope 原生 HTTP API 调用 GUI-Plus 界面交互专用模型,支持流式输出和多模态输入(图片)。 - [openapi-gui-plus-openai](https://platform.qianwenai.com/docs/openapi-gui-plus-openai.json): 通过 OpenAI 兼容接口调用 GUI-Plus 界面交互专用模型,支持流式输出和多模态输入(图片)。 - [openapi-creative-poster](https://platform.qianwenai.com/docs/openapi-creative-poster.json): 创意海报生成 API - [openapi-facechain-finetune](https://platform.qianwenai.com/docs/openapi-facechain-finetune.json): 提交 FaceChain 人物形象训练任务,使用 1-10 张人像图片训练专属人像模型。训练完成后,使用 `finetuned_output` 中的模型名称调用人物写真生成 API 生成写真。 - [openapi-facechain-facedetect](https://platform.qianwenai.com/docs/openapi-facechain-facedetect.json): 人物图像检测 API。检测输入图像中是否包含人脸,用于人物写真生成前的图像筛选。 - [openapi-image-erase](https://platform.qianwenai.com/docs/openapi-image-erase.json): 图像擦除补全(image-erase-completion)API,可根据mask区域对原图进行擦除补全。 - [openapi-kling-image-generation](https://platform.qianwenai.com/docs/openapi-kling-image-generation.json): 可灵图像生成模型支持文生图、参考图生图两种任务。 - [openapi-person-instance-segmentation](https://platform.qianwenai.com/docs/openapi-person-instance-segmentation.json): 人物实例分割 API。对输入图像中的每个人物实例进行分割,输出每个实例的分割掩码图像和可视化结果。 - [openapi-qwen-image-edit](https://platform.qianwenai.com/docs/openapi-qwen-image-edit.json): qwen-image-3.0 图像编辑 API,支持单图编辑、多图融合、风格迁移、文字编辑、元素操控等多种图像处理功能。 - [openapi-qwen-image](https://platform.qianwenai.com/docs/openapi-qwen-image.json): qwen-image-3.0 文生图 API,支持所有模型的同步调用,以及旧版模型的异步调用。 - [openapi-qwen-image-openai](https://platform.qianwenai.com/docs/openapi-qwen-image-openai.json): 通过 OpenAI Images 兼容协议调用千问-图像生成与编辑模型,支持文生图(T2I)与图生图/图像编辑(I2I)。 - [openapi-shoe-model](https://platform.qianwenai.com/docs/openapi-shoe-model.json): AI 鞋靴模特上脚效果图生成。上传模特模板图和鞋靴商品图,自动生成模特上脚效果图。 - [openapi-vidu-image-generation](https://platform.qianwenai.com/docs/openapi-vidu-image-generation.json): Vidu 参考生图模型支持文生图、图片编辑、参考图生图等任务。API 采用异步调用模式,包含"创建任务"和"查询结果"两个步骤。 - [openapi-virtual-model](https://platform.qianwenai.com/docs/openapi-virtual-model.json): 万相-虚拟模特可以对上传的真人实拍商品展示图进行智能生成,将其中的模特和背景替换为心仪的内容,在保持人物姿态不变的情况下,使用虚拟模特对商品进行更加精美、多样的展示。支持各种与模特产生互动的商品,如手持小商品、服装、鞋靴、配饰等。 - [openapi-wan-t2i-v2](https://platform.qianwenai.com/docs/openapi-wan-t2i-v2.json): 使用 Wan 文生图模型系列,根据文本描述生成图像。支持多种艺术风格和写实摄影效果,满足多样化的创意需求。本 API 采用异步任务模式:先通过 POST 请求提交任务,再通过 GET 请求轮询结果。 - [openapi-wan21-image-edit](https://platform.qianwenai.com/docs/openapi-wan21-image-edit.json): Wan 2.1 通用图像编辑 API。支持 10 种编辑功能:整图风格化、局部风格化、指令编辑、蒙版编辑、去水印、扩图、超分辨率、上色、涂鸦成图、卡通特征控制。 - [openapi-wan25-image-edit](https://platform.qianwenai.com/docs/openapi-wan25-image-edit.json): Wan2.5 通用图像编辑 API。通过文本提示词对图像进行编辑,保持主体一致性。支持单图编辑和多图融合,最多支持三张参考图。 - [openapi-wan26-image](https://platform.qianwenai.com/docs/openapi-wan26-image.json): Wan2.6 图像生成与编辑 API,支持多图输入、图像编辑及图文交织输出。 - [openapi-wan27-image](https://platform.qianwenai.com/docs/openapi-wan27-image.json): Wan2.7 图像生成与编辑 API,支持文生图、多图编辑、边界框交互式编辑以及图像集生成。 - [openapi-wanx-sketch-to-image](https://platform.qianwenai.com/docs/openapi-wanx-sketch-to-image.json): 本文介绍万相-涂鸦作画模型的API输入输出参数。万相-涂鸦作画通过手绘图案和文字描述,生成精美的涂鸦绘画作品。 - [openapi-wanx-style-repaint](https://platform.qianwenai.com/docs/openapi-wanx-style-repaint.json): 人像风格重绘模型支持将人物照片转换为多种预设或自定义的艺术风格。 - [openapi-wanx-v1-text-to-image](https://platform.qianwenai.com/docs/openapi-wanx-v1-text-to-image.json): 使用 wanx-v1 模型根据文本描述生成图像。本 API 采用异步任务模式:先通过 POST 请求提交任务,再通过 GET 请求轮询结果。 - [openapi-wanx-x-painting](https://platform.qianwenai.com/docs/openapi-wanx-x-painting.json): 图像局部重绘 API。根据用户输入的原始图片、掩码图和 prompt 提示词,在涂抹区域生成与文字描述相对应的内容,而涂抹区域外的部分则基本保持不变。 - [openapi-z-image](https://platform.qianwenai.com/docs/openapi-z-image.json): Z-Image 文生图 API。 - [openapi-image-translation](https://platform.qianwenai.com/docs/openapi-image-translation.json): 千问-图像翻译模型(Qwen-MT-Image)可精准翻译图像中的文字,并保留原始排版。该模型还支持领域提示、敏感词过滤、术语干预等自定义功能。 `qwen-mt-image-2.0` 和 `qwen-mt-image` 均支持同步调用和异步调用两种模式。同步调用详见[同步调用](/api-reference/image-translation/qwen-mt-image/synchronous)。 异步调用流程分两步: 1. **创建任务获取任务 ID**:发送 POST 请求创建任务,返回 task_id。 2. **根据任务 ID 查询结果**:使用 task_id 轮询任务状态,直到任务完成并获得图像 URL。 - [openapi-async-task-api](https://platform.qianwenai.com/docs/openapi-async-task-api.json) - [openapi-manage-asynchronous-tasks](https://platform.qianwenai.com/docs/openapi-manage-asynchronous-tasks.json) - [openapi-image](https://platform.qianwenai.com/docs/openapi-image.json): DashScope 图像 API,涵盖图像生成、图像编辑、专项图像任务及多模态向量嵌入。 - [openapi-qwen-mt-uni](https://platform.qianwenai.com/docs/openapi-qwen-mt-uni.json): 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。 同一接口支持**同步**与**异步**两种调用模式,请求体参数完全一致,由请求头 `X-DashScope-Async` 控制返回形式。同步调用请求后等待并直接返回翻译结果,适合文本、图片、小文件等耗时较短的场景。 异步调用流程分两步: 1. **创建任务获取任务 ID**:发送 POST 请求创建任务,返回 task_id。 2. **根据任务 ID 查询结果**:使用 task_id 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。 - [openapi-fun-music](https://platform.qianwenai.com/docs/openapi-fun-music.json): 音乐生成 Fun-Music 模型的 API 参考文档,支持流式和非流式输出。 - [openapi-batch](https://platform.qianwenai.com/docs/openapi-batch.json): 通过文件上传提交批量推理任务,费用仅为实时 API 调用的50%。兼容 OpenAI 接口。 - [openapi-conversations](https://platform.qianwenai.com/docs/openapi-conversations.json): 自动管理多轮对话历史,支持跨设备、跨会话的上下文管理。 - [openapi-file](https://platform.qianwenai.com/docs/openapi-file.json): 上传并管理文件,用于文档解析或批量处理。 - [openapi-reranking](https://platform.qianwenai.com/docs/openapi-reranking.json): 对召回文档按语义相关度重新排序,提升 RAG 和检索系统的搜索精准度。 - [openapi-translation](https://platform.qianwenai.com/docs/openapi-translation.json): 通过 OpenAI 兼容接口或 DashScope 原生接口调用 Qwen-MT 翻译模型。支持基础翻译、术语干预、翻译记忆和领域提示。 - [openapi-ocr](https://platform.qianwenai.com/docs/openapi-ocr.json): Qwen-OCR 文字提取模型的 API 参考文档,支持 OpenAI 兼容协议和 DashScope 协议。 - [openapi-fun-asr-recorded-speech-recognition-http-api](https://platform.qianwenai.com/docs/openapi-fun-asr-recorded-speech-recognition-http-api.json) - [openapi-paraformer-recorded-speech-recognition-restful-api](https://platform.qianwenai.com/docs/openapi-paraformer-recorded-speech-recognition-restful-api.json) - [openapi-qwen-asr-api-reference](https://platform.qianwenai.com/docs/openapi-qwen-asr-api-reference.json) - [openapi-qwen-audio-asr-filetrans-http-api](https://platform.qianwenai.com/docs/openapi-qwen-audio-asr-filetrans-http-api.json) - [openapi-voice-clone-design-http-api](https://platform.qianwenai.com/docs/openapi-voice-clone-design-http-api.json) - [openapi-text-embedding](https://platform.qianwenai.com/docs/openapi-text-embedding.json): 文本向量模型 API 参考文档,支持 OpenAI 兼容协议和 DashScope 协议。 - [openapi-happyhorse-image-to-video](https://platform.qianwenai.com/docs/openapi-happyhorse-image-to-video.json): 使用 HappyHorse 模型以首帧图片为基础生成视频。异步提交任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-happyhorse-ref-to-video](https://platform.qianwenai.com/docs/openapi-happyhorse-ref-to-video.json): 使用 HappyHorse 模型传入多张参考图像生成视频。异步提交任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-happyhorse-text-to-video](https://platform.qianwenai.com/docs/openapi-happyhorse-text-to-video.json): 使用 HappyHorse 模型通过文本提示词生成视频。异步提交任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-happyhorse-video-editing](https://platform.qianwenai.com/docs/openapi-happyhorse-video-editing.json): 使用 HappyHorse 模型通过文本指令和参考图片编辑视频。异步提交任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-kling-video-generation](https://platform.qianwenai.com/docs/openapi-kling-video-generation.json): 可灵(Kling)视频生成异步 API,支持文生视频、图生视频(首帧/首尾帧)、参考生视频等多种模式。 - [openapi-minimax-h3-video](https://platform.qianwenai.com/docs/openapi-minimax-h3-video.json): MiniMax-H3 是视频生成模型,支持文生视频、图生视频(首帧/尾帧/首尾帧)和多模态参考生视频等多种用法。提交异步任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-pixverse-image-to-video](https://platform.qianwenai.com/docs/openapi-pixverse-image-to-video.json): 爱诗 PixVerse 图生视频模型根据输入图像和文本提示词,生成一段流畅的视频。API 采用异步调用方式:先 POST 创建任务获取 task_id,再 GET 轮询查询任务状态与结果。 - [openapi-pixverse-kf2v](https://platform.qianwenai.com/docs/openapi-pixverse-kf2v.json): 爱诗-首尾帧生视频模型基于首帧图像、尾帧图像和文本提示词,生成一段平滑过渡的视频。 - [openapi-pixverse-lipsync](https://platform.qianwenai.com/docs/openapi-pixverse-lipsync.json): 爱诗 PixVerse 视频对口型模型支持输入视频和音频(或 TTS 文本),生成与音频同步的对口型视频。API 采用异步调用方式:先 POST 创建任务获取 task_id,再 GET 轮询查询任务状态与结果。 - [openapi-pixverse-motioncontrol](https://platform.qianwenai.com/docs/openapi-pixverse-motioncontrol.json): 爱诗 PixVerse 视频动作模仿模型支持输入人物图片和动作参考视频,将视频中的动作迁移到目标角色上,生成角色复现相同动作的新视频。适用于动作模仿、编舞复刻、角色动画生成等场景。API 采用异步调用方式:先 POST 创建任务获取 task_id,再 GET 轮询查询任务状态与结果。 - [openapi-pixverse-ref-to-video](https://platform.qianwenai.com/docs/openapi-pixverse-ref-to-video.json): PixVerse 参考生视频模型支持传入多张参考图片或视频,通过文本提示词描述场景,将图片中的主体角色融合生成一段流畅的视频。支持通过 `@ref_name` 语法精确引用参考图中的主体。 - [openapi-pixverse-text-to-video](https://platform.qianwenai.com/docs/openapi-pixverse-text-to-video.json): 爱诗 PixVerse 文生视频模型基于文本提示词,生成一段流畅的视频。API 采用异步调用方式:先 POST 创建任务获取 task_id,再 GET 轮询查询任务状态与结果。 - [openapi-pixverse-upscale](https://platform.qianwenai.com/docs/openapi-pixverse-upscale.json): 爱诗 PixVerse 视频超清模型支持将输入视频进行超分辨率处理,固定输出 4K(3840×2160)分辨率视频。API 采用异步调用方式:先 POST 创建任务获取 task_id,再 GET 轮询查询任务状态与结果。 - [openapi-video-retalk](https://platform.qianwenai.com/docs/openapi-video-retalk.json): 基于人物视频和人声音频,生成人物讲话口型与输入音频相匹配的新视频。 - [openapi-video-style-transform](https://platform.qianwenai.com/docs/openapi-video-style-transform.json): 视频风格重绘 API。将真实视频转换为多种艺术风格(日式漫画、美式漫画、3D卡通等8种风格)。使用异步任务模式——提交任务后轮询获取结果。 - [openapi-vidu-image-to-video](https://platform.qianwenai.com/docs/openapi-vidu-image-to-video.json): 使用 Vidu 模型,以 1 张图片作为首帧,配合文本提示词生成视频。 - [openapi-vidu-reference-to-video](https://platform.qianwenai.com/docs/openapi-vidu-reference-to-video.json): Vidu-参考生视频模型支持传入参考图片和文本提示词,将图片中的主体角色融合到提示词描述的场景中,生成流畅的视频内容。API 采用异步调用模式,包含"创建任务"和"查询结果"两个步骤。 - [openapi-vidu-start-end-to-video](https://platform.qianwenai.com/docs/openapi-vidu-start-end-to-video.json): 基于首帧图像和尾帧图像生成平滑过渡视频。采用异步任务模式:提交任务后轮询获取结果。 - [openapi-vidu-text-to-video](https://platform.qianwenai.com/docs/openapi-vidu-text-to-video.json): Vidu 文生视频模型基于文本提示词,生成一段流畅的视频。API 采用异步调用模式,包含"创建任务"和"查询结果"两个步骤。 - [openapi-wan-video-editing](https://platform.qianwenai.com/docs/openapi-wan-video-editing.json): Wan 统一视频编辑 API,支持多模态输入(文本、图像、视频),提供五大核心能力:多图参考、视频重绘、局部编辑、视频续写和画面扩展。 - [openapi-wan-image-to-animation](https://platform.qianwenai.com/docs/openapi-wan-image-to-animation.json): 使用 wan2.2-animate-move 模型,将参考视频中的人物动作与表情迁移到输入图片,生成动画视频。 - [openapi-wan-i2v-first-frame](https://platform.qianwenai.com/docs/openapi-wan-i2v-first-frame.json): 使用 Wan 图像转视频模型,根据首帧图像和文字描述生成视频。支持音频同步、多镜头叙事以及多种分辨率规格。 - [openapi-wan-i2v-first-last](https://platform.qianwenai.com/docs/openapi-wan-i2v-first-last.json): 使用 Wan kf2v 模型,基于首帧图像、尾帧图像和文本提示词,生成过渡自然流畅的视频。 - [openapi-wan-ref-to-video](https://platform.qianwenai.com/docs/openapi-wan-ref-to-video.json): Wan 参考驱动视频生成 API,支持通过参考图片或视频结合多模态输入(文本、图片、视频)生成表演视频,覆盖单人或多人互动、多镜头叙事及音视频同步等场景。 - [openapi-wan-s2v](https://platform.qianwenai.com/docs/openapi-wan-s2v.json): 数字人 wan2.2-s2v 模型能基于单张图片和音频,生成动作自然的说话、唱歌或表演视频。 - [openapi-wan-s2v-detect](https://platform.qianwenai.com/docs/openapi-wan-s2v-detect.json): 万相数字人图像检测 API。检测输入图像是否符合 wan2.2-s2v 视频生成模型的人物图像规格要求。 - [openapi-wan-text-to-video](https://platform.qianwenai.com/docs/openapi-wan-text-to-video.json): Wan 文本生成视频 API。支持多模态输入(文字、图像、音频),可生成最长 15 秒、分辨率高达 1080P 的视频。采用异步任务模式——先提交任务,再轮询获取结果。 - [openapi-wan-character-swap](https://platform.qianwenai.com/docs/openapi-wan-character-swap.json): Wan 视频换脸 API。将视频中的主角替换为图片中的人物,同时保留原视频的场景、光线和色调。采用异步任务方式处理。 - [openapi-wan27-image-to-video](https://platform.qianwenai.com/docs/openapi-wan27-image-to-video.json): 基于 Wan 2.7 模型,从图片、音频和视频片段生成视频。以异步方式提交任务,然后通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-wan27-ref-to-video](https://platform.qianwenai.com/docs/openapi-wan27-ref-to-video.json): Wan 2.7 参考内容生视频 API。基于参考图片或视频生成表演视频,支持多模态输入(文本、图像、视频)。采用新协议,通过 media 数组传入参考内容,支持分辨率和比例参数配置,并提供增强版响应元数据。 - [openapi-wan27-text-to-video](https://platform.qianwenai.com/docs/openapi-wan27-text-to-video.json): 使用 Wan 2.7 模型从文本生成视频。提交异步任务后,通过轮询 `GET /tasks/{task_id}` 获取生成结果。 - [openapi-wan27-video-editing](https://platform.qianwenai.com/docs/openapi-wan27-video-editing.json): 基于 Wan 2.7 模型,通过多模态输入(文本、图片、视频)对视频进行编辑。提交异步任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-wan30-video](https://platform.qianwenai.com/docs/openapi-wan30-video.json): 万相 3.0 是全能参考视频生成模型(All-in-One),统一支持文生视频、图生视频(首帧/首尾帧)、参考生视频和参考文件生视频等多种用法,最长可生成30秒视频,输出帧率为30fps。提交异步任务后,通过 `GET /tasks/{task_id}` 轮询获取结果。 - [openapi-happyoyster-adventure](https://platform.qianwenai.com/docs/openapi-happyoyster-adventure.json): HappyOyster 世界探索(Adventure)模式 Open API。创建/管理 World、换取体验凭证、查询历史与产物。服务端通过主 API Key 调用,标准 HTTPS REST。客户端通过临时 API Key + ticket 走 RTC 通道实时体验。