選擇適合多模態理解、音視頻分析、語音對話、內容審核、語音翻譯等全模態情境的模型。
從閉源模型遷移到百鍊?
如果你正在使用 GPT 或 Gemini 的全模態/即時能力，可參考下表選擇百鍊對位模型。
|
閉源模型代表 |
百鍊推薦 |
|
|
高能力 |
GPT-5.5、Gemini 3.1 Pro |
|
|
輕量低成本 |
GPT-5.4-mini、Gemini 3.1 Flash |
|
|
即時翻譯 |
Gemini 3.1 Live |
|
使用情境
全模態模型能同時理解文本、音頻、圖片和視頻，並輸出文本和語音。當前提供三個模型系列：Qwen3.5-Omni（旗艦，能力最全）、Qwen3-Omni-Flash（輕量，成本更低，支援深度推理）、Qwen3.5-Livetranslate（專業翻譯，開箱即用）。根據您的情境選擇合適的模型：
|
情境 |
推薦模型 |
使用者指南 |
|
即時語音/視訊交談：通過麥克風和網路攝影機與AI即時互動（語音助手、智能客服、視覺問答、直播分析） |
Qwen3.5-Omni Realtime（WebSocket） |
|
|
即時語音對話（語義 VAD）：端到端語音互動，支援語義輪次檢測（smart_turn），無意義附和聲不會打斷，支援 Function Calling（語音助手、智能客服） |
Qwen-Audio（WebSocket） |
|
|
音視頻內容分析：上傳音頻或視頻檔案，AI分析內容並產生文本或語音回複（視頻審核、會議紀要、字幕產生） |
Qwen3.5-Omni（HTTP） |
|
|
輕量音視頻分析：上傳音頻或視頻檔案進行分析，成本更低（單次輸入限150秒）。支援深度推理（思考模式），僅輸出文本 |
Qwen3-Omni-Flash（HTTP） |
|
|
即時語音翻譯：語音同傳，約3秒延遲，支援60種語言（同聲傳譯、多語言會議） |
Qwen3.5-Livetranslate（WebSocket） |
|
|
音視頻檔案翻譯：上傳音頻/視頻檔案翻譯為目標語言（視頻配音、播客翻譯） |
Qwen3-Livetranslate（HTTP） |
|
|
聲音複刻：提供參考音頻，AI用該音色產生語音回複 |
Qwen3.5-Omni Plus / Flash（HTTP / WebSocket） |
-
內容分析情境中，Qwen3.5-Omni支援音頻最長3小時、視頻最長1小時。
-
支援工具調用（Function Calling）：Qwen3.5-Omni（WebSocket + HTTP）、Qwen3-Omni-Flash（僅HTTP）、Qwen-Audio Realtime（WebSocket）。
-
支援連網搜尋：僅Qwen3.5-Omni（HTTP / WebSocket）。連網搜尋與Function Calling不可同時開啟。
翻譯
全模態模型支援語音翻譯，不同模型適用於不同翻譯情境。
快速搭建翻譯應用推薦Qwen3.5-Livetranslate（60種語言，約3秒延遲，開箱即用）；最高品質和最廣語言覆蓋推薦Qwen3.5-Omni（29種輸出語言，支援連網搜尋和術語注入）；成本敏感情境推薦Qwen3-Omni-Flash（11種輸出語言，成本更低）。
推薦模型
|
模型ID |
API |
輸入 |
Function Calling |
連網搜尋 |
思考模式 |
|
|
WebSocket |
文本、音頻、圖片 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
文本、音頻、圖片 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
音頻、圖片 |
|
|
|
|
|
HTTP |
音頻、視頻 |
|
|
|
|
|
WebSocket |
音頻、文本 |
|
|
|
|
|
WebSocket |
音頻、文本 |
|
|
|
所有模型
Qwen3.5-Omni
|
模型ID |
API |
輸入 |
Function Calling |
連網搜尋 |
思考模式 |
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
Qwen3-Omni
|
模型ID |
API |
輸入 |
Function Calling |
連網搜尋 |
思考模式 |
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
WebSocket |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
|
|
HTTP |
文本、音頻、圖片、視頻 |
|
|
|
Qwen3.5-Livetranslate
|
模型ID |
API |
輸入 |
語言數 |
|
|
WebSocket |
音頻 |
60 |
|
|
WebSocket |
音頻 |
60 |
Qwen3-Livetranslate
|
模型ID |
API |
輸入 |
語言數 |
|
|
WebSocket |
音頻 |
18 |
|
|
WebSocket |
音頻 |
18 |
|
|
HTTP |
音頻、視頻 |
18 |
|
|
HTTP |
音頻、視頻 |
18 |
Qwen-Audio
|
模型ID |
API |
輸入 |
Function Calling |
連網搜尋 |
思考模式 |
|
|
WebSocket |
音頻、文本 |
|
|
|
|
|
WebSocket |
音頻、文本 |
|
|
|
舊版模型
以下模型不再更新，新專案提案使用Qwen3.5-Omni。
|
模型ID |
輸入 |
API |
|
|
文本、音頻、圖片、視頻 |
HTTP |
|
|
文本、音頻、圖片、視頻 |
HTTP |
|
|
文本、音頻、圖片、視頻 |
HTTP |
|
|
文本、音頻、圖片、視頻 |
HTTP |
|
|
文本、音頻 |
WebSocket |
|
|
文本、音頻 |
WebSocket |
|
|
文本、音頻 |
WebSocket |