Pilih model yang tepat untuk pemahaman multimodal, analisis audio dan video, percakapan suara, moderasi konten, terjemahan suara, serta kasus penggunaan omni-modal lainnya.
Kasus penggunaan
Model omni-modal mampu memahami teks, audio, gambar, dan video secara simultan, serta menghasilkan output berupa teks maupun ucapan. Tersedia tiga keluarga model: Qwen3.5-Omni (flagship dengan kemampuan paling lengkap), Qwen3-Omni-Flash (ringan, biaya lebih rendah, mendukung deep thinking), dan Qwen3.5-Livetranslate (dirancang khusus untuk terjemahan, siap pakai). Pilih model sesuai kebutuhan kasus penggunaan Anda:
|
Kasus penggunaan |
Model yang direkomendasikan |
Panduan pengguna |
|
Percakapan suara/video Real-time: Berinteraksi dengan AI melalui mikrofon dan Kamera (asisten suara, bot layanan pelanggan, tanya jawab visual, analisis live-stream) |
Qwen3.5-Omni Realtime (WebSocket) |
|
|
Analisis audio dan video: Unggah file audio atau video untuk mendapatkan tanggapan teks atau ucapan yang dihasilkan AI (moderasi konten video, transkripsi rapat, pembuatan keterangan) |
Qwen3.5-Omni (HTTP) |
|
|
Analisis audio dan video ringan: Analisis file audio atau video yang diunggah dengan biaya lebih rendah (input tunggal dibatasi hingga 150 detik). Mendukung mode berpikir (deep thinking) dengan output hanya berupa teks |
Qwen3-Omni-Flash (HTTP) |
|
|
Terjemahan suara Real-time: Interpretasi simultan dengan latensi sekitar 3 detik, mendukung 60 bahasa (interpretasi langsung, rapat multibahasa) |
Qwen3.5-Livetranslate (WebSocket) |
|
|
Terjemahan file audio dan video: Unggah file audio atau video dan terjemahkan ke bahasa target (dubbing video, terjemahan podcast) |
Qwen3-Livetranslate (HTTP) |
|
|
Voice cloning: Berikan klip audio referensi dan AI akan menghasilkan tanggapan ucapan dengan suara tersebut |
Qwen3.5-Omni Plus / Flash (HTTP / WebSocket) |
-
Untuk analisis konten, Qwen3.5-Omni mendukung audio hingga 3 jam dan video hingga 1 jam per permintaan.
-
Pemanggilan fungsi didukung oleh Qwen3.5-Omni (melalui WebSocket dan HTTP) serta Qwen3-Omni-Flash (HTTP saja).
-
Pencarian web hanya didukung oleh Qwen3.5-Omni (HTTP/WebSocket) dan tidak dapat diaktifkan bersamaan dengan pemanggilan fungsi.
Terjemahan
Model omni-modal mendukung terjemahan suara, dengan model berbeda yang sesuai untuk berbagai skenario terjemahan.
Untuk penyiapan cepat, gunakan Qwen3.5-Livetranslate (60 bahasa, latensi sekitar 3 detik, siap pakai). Untuk kualitas tertinggi dan cakupan bahasa terluas, gunakan Qwen3.5-Omni (29 bahasa output dengan dukungan pencarian web dan injeksi istilah). Untuk beban kerja yang sensitif terhadap biaya, pilih Qwen3-Omni-Flash (11 bahasa output dengan biaya lebih rendah).
Model yang direkomendasikan
|
Model ID |
API |
Input |
Pemanggilan fungsi |
Pencarian web |
Mode berpikir |
|
|
WebSocket |
Teks, audio, gambar |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Teks, audio, gambar |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Audio, gambar |
|
|
|
|
|
HTTP |
Audio, video |
|
|
|
Semua model
Qwen3.5-Omni
|
ID Model |
API |
Input |
Pemanggilan fungsi |
Pencarian web |
Mode berpikir |
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
Qwen3-Omni
|
ID Model |
API |
Input |
Pemanggilan fungsi |
Pencarian web |
Mode berpikir |
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
WebSocket |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
|
|
HTTP |
Teks, audio, gambar, video |
|
|
|
Qwen3.5-Livetranslate
|
ID Model |
API |
Input |
Bahasa |
|
|
WebSocket |
Audio |
60 |
|
|
WebSocket |
Audio |
60 |
Qwen3-Livetranslate
|
ID Model |
API |
Input |
Bahasa |
|
|
WebSocket |
Audio |
18 |
|
|
WebSocket |
Audio |
18 |
|
|
HTTP |
Audio, video |
18 |
|
|
HTTP |
Audio, video |
18 |
Model lama
Model-model berikut tidak lagi diperbarui. Gunakan Qwen3.5-Omni untuk Proyek baru.
|
ID Model |
Input |
API |
|
|
Teks, audio, gambar, video |
HTTP |
|
|
Teks, audio, gambar, video |
HTTP |
|
|
Teks, audio, gambar, video |
HTTP |
|
|
Teks, audio, gambar, video |
HTTP |
|
|
Teks, audio |
WebSocket |
|
|
Teks, audio |
WebSocket |
|
|
Teks, audio |
WebSocket |