qwen3-omni-flash 全模态模型 API 文档

Qwen-Omni 模型能够接收文本与单一其他模态（图片、音频、视频）的组合输入，并生成文本或语音形式的回复， 提供多种拟人音色，支持多语言和方言的语音输出，可应用于文本创作、视觉识别、语音助手等场景。

🔗 请求地址

https://www.dmxapi.cn/v1/responses

提示

Qwen-Omni 目前仅支持以流式输出的方式进行调用，stream参数必须设置为True，否则会报错。

💻 文生【文+音频】示例代码

import requests
import json
import base64
import os

# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================

# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"

# API 密钥 - 用于身份验证和访问控制
api_key = "sk-******************************************"  # ⚠️ 请替换为你的API密钥

# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
    "model": "qwen3-omni-flash-all",
    "input": [
        {
            "role": "user",
            "content": "你是谁？"
        }
    ],
    "stream": True,
    "stream_options": {
        "include_usage": True
    },
    "modalities": ["text", "audio"],
    "audio": {"voice": "Serena", "format": "wav"}
}

# ============================================================================
# 发送请求并处理流式响应
# ============================================================================

# 确保 output 目录存在
os.makedirs("output", exist_ok=True)

# 发送 POST 请求到 API 服务器,启用流式响应模式
response = requests.post(url, headers=headers, json=data, stream=True)

# 检查响应状态码
if not response.ok:
    print(f"❌ HTTP 错误: {response.status_code}")
    print(f"响应内容: {response.text}")
    exit(1)

# ----------------------------------------------------------------------------
# 处理流式响应 - 解析文字并保存音频
# ----------------------------------------------------------------------------
try:
    current_event = None
    text_content = ""  # 累积文字内容

    # 逐行读取响应流
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8').strip()

            if line_text.startswith('event: '):
                current_event = line_text[7:]

            elif line_text.startswith('data: '):
                data_str = line_text[6:]

                try:
                    json_data = json.loads(data_str)

                    # 处理文字增量
                    if current_event == 'response.output_text.delta':
                        delta = json_data.get('delta', '')
                        if delta:
                            print(delta, end='', flush=True)
                            text_content += delta

                    # 处理音频数据
                    elif current_event == 'response.output_item.done':
                        item = json_data.get('item', {})
                        content_list = item.get('content', [])
                        for content in content_list:
                            if content.get('type') == 'output_audio':
                                audio_info = content.get('audio', {})
                                audio_data = audio_info.get('data', '')
                                audio_id = audio_info.get('id', 'output')
                                if audio_data:
                                    # 解码 base64 并保存音频文件
                                    audio_bytes = base64.b64decode(audio_data)
                                    audio_filename = os.path.join("output", f"{audio_id}.wav")
                                    with open(audio_filename, 'wb') as f:
                                        f.write(audio_bytes)
                                    print(f"\n\n音频已保存: {audio_filename}")

                except json.JSONDecodeError:
                    pass

    print(f"\n\n完整文字内容:\n{text_content}")

# ----------------------------------------------------------------------------
# 异常处理
# ----------------------------------------------------------------------------
except KeyboardInterrupt:
    # 处理用户中断 - 当用户按 Ctrl+C 时优雅退出
    print("\n\n⚠️ 用户中断了请求")

except Exception as e:
    # 处理其他异常 - 捕获并显示任何意外错误
    print(f"\n\n❌ 发生错误: {e}")

# 最后换行 - 确保输出格式整洁
print()

✈️ 文生【文+音频】（思考模式）调用示例

Qwen3-Omni-Flash在思考模式下，不支持输出音频。

Qwen3-Omni-Flash（非思考模式）：支持汉语（普通话，部分方言），英语，法语、德语、俄语、意语、西语、葡语、日语、韩语

import requests
import json
import base64
import os

# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================

# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"

# API 密钥 - 用于身份验证和访问控制
api_key = "sk-********************************************"  # ⚠️ 请替换为你的API密钥

# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
    "model": "qwen3-omni-flash-all",
    "input": [
        {
            "role": "user",
            "content": "你是谁？"
        }
    ],
    "stream": True,
    "stream_options": {
        "include_usage": True
    },
    "modalities": ["text"],
    "enable_thinking": True
}

# ============================================================================
# 发送请求并处理流式响应
# ============================================================================

# 确保 output 目录存在
os.makedirs("output", exist_ok=True)

# 发送 POST 请求到 API 服务器,启用流式响应模式
response = requests.post(url, headers=headers, json=data, stream=True)

# 检查响应状态码
if not response.ok:
    print(f"❌ HTTP 错误: {response.status_code}")
    print(f"响应内容: {response.text}")
    exit(1)

# ----------------------------------------------------------------------------
# 处理流式响应 - 解析文字并保存音频
# ----------------------------------------------------------------------------
try:
    current_event = None
    text_content = ""  # 累积文字内容

    # 逐行读取响应流
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8').strip()

            if line_text.startswith('event: '):
                current_event = line_text[7:]

            elif line_text.startswith('data: '):
                data_str = line_text[6:]

                try:
                    json_data = json.loads(data_str)

                    # 处理文字增量
                    if current_event == 'response.output_text.delta':
                        delta = json_data.get('delta', '')
                        if delta:
                            print(delta, end='', flush=True)
                            text_content += delta

                    # 处理音频数据
                    elif current_event == 'response.output_item.done':
                        item = json_data.get('item', {})
                        content_list = item.get('content', [])
                        for content in content_list:
                            if content.get('type') == 'output_audio':
                                audio_info = content.get('audio', {})
                                audio_data = audio_info.get('data', '')
                                audio_id = audio_info.get('id', 'output')
                                if audio_data:
                                    # 解码 base64 并保存音频文件
                                    audio_bytes = base64.b64decode(audio_data)
                                    audio_filename = os.path.join("output", f"{audio_id}.wav")
                                    with open(audio_filename, 'wb') as f:
                                        f.write(audio_bytes)
                                    print(f"\n\n音频已保存: {audio_filename}")

                except json.JSONDecodeError:
                    pass

    print(f"\n\n完整文字内容:\n{text_content}")

# ----------------------------------------------------------------------------
# 异常处理
# ----------------------------------------------------------------------------
except KeyboardInterrupt:
    # 处理用户中断 - 当用户按 Ctrl+C 时优雅退出
    print("\n\n⚠️ 用户中断了请求")

except Exception as e:
    # 处理其他异常 - 捕获并显示任何意外错误
    print(f"\n\n❌ 发生错误: {e}")

# 最后换行 - 确保输出格式整洁
print()

🚗 【文+音频】生【文+音频】调用示例

仅支持输入一个音频文件；

文件大小：

• Qwen3-Omni-Flash：不能超过 100MB，时长最长 20 分钟。

以下示例代码以传入音频公网 URL 为例，传入本地音频请参见：输入 Base64 编码的本地文件。当前只支持以流式输出的方式进行调用。

import requests
import json
import base64
import os

# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================

# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"

# API 密钥 - 用于身份验证和访问控制
api_key = "sk-*******************************************************"  # ⚠️ 请替换为你的API密钥

# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
    "model": "qwen3-omni-flash-all",
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "input_audio",
                    "input_audio": {
                        "data": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250211/tixcef/cherry.wav",
                        "format": "wav",
                    },
                },
                {"type": "text", "text": "这段音频在说什么"},
            ],
        },
    ],
    "stream": True,
    "stream_options": {
        "include_usage": True
    },
    "modalities": ["text", "audio"],
    "audio": {"voice": "Serena", "format": "wav"}
}

# ============================================================================
# 发送请求并处理流式响应
# ============================================================================

# 确保 output 目录存在
os.makedirs("output", exist_ok=True)

# 发送 POST 请求到 API 服务器,启用流式响应模式
response = requests.post(url, headers=headers, json=data, stream=True)

# 检查响应状态码
if not response.ok:
    print(f"❌ HTTP 错误: {response.status_code}")
    print(f"响应内容: {response.text}")
    exit(1)

# ----------------------------------------------------------------------------
# 处理流式响应 - 解析文字并保存音频
# ----------------------------------------------------------------------------
try:
    current_event = None
    text_content = ""  # 累积文字内容

    # 逐行读取响应流
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8').strip()

            if line_text.startswith('event: '):
                current_event = line_text[7:]

            elif line_text.startswith('data: '):
                data_str = line_text[6:]

                try:
                    json_data = json.loads(data_str)

                    # 处理文字增量
                    if current_event == 'response.output_text.delta':
                        delta = json_data.get('delta', '')
                        if delta:
                            print(delta, end='', flush=True)
                            text_content += delta

                    # 处理音频数据
                    elif current_event == 'response.output_item.done':
                        item = json_data.get('item', {})
                        content_list = item.get('content', [])
                        for content in content_list:
                            if content.get('type') == 'output_audio':
                                audio_info = content.get('audio', {})
                                audio_data = audio_info.get('data', '')
                                audio_id = audio_info.get('id', 'output')
                                if audio_data:
                                    # 解码 base64 并保存音频文件
                                    audio_bytes = base64.b64decode(audio_data)
                                    audio_filename = os.path.join("output", f"{audio_id}.wav")
                                    with open(audio_filename, 'wb') as f:
                                        f.write(audio_bytes)
                                    print(f"\n\n音频已保存: {audio_filename}")

                except json.JSONDecodeError:
                    pass

    print(f"\n\n完整文字内容:\n{text_content}")

# ----------------------------------------------------------------------------
# 异常处理
# ----------------------------------------------------------------------------
except KeyboardInterrupt:
    # 处理用户中断 - 当用户按 Ctrl+C 时优雅退出
    print("\n\n⚠️ 用户中断了请求")

except Exception as e:
    # 处理其他异常 - 捕获并显示任何意外错误
    print(f"\n\n❌ 发生错误: {e}")

# 最后换行 - 确保输出格式整洁
print()

🚢 【文+图】生【文+音频】 调用示例

Qwen-Omni 模型支持传入多张图片。对输入图片的要求如下：

• 单个图片文件的大小不超过10 MB;
• 图片数量受模型图文总 Token 上限（即最大输入）的限制，所有图片的总 Token 数必须小于模型的最大输入 ;
• 图片的宽度和高度均应大于10像素，宽高比不应超过200:1或1:200；
• 支持的图片类型请参见视觉理解。

以下示例代码以传入图片公网 URL 为例，传入本地图片请参见：输入 Base64 编码的本地文件。当前只支持以流式输出的方式进行调用。

import requests
import json
import base64
import os

# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================

# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"

# API 密钥 - 用于身份验证和访问控制
api_key = "sk-*********************************************************"  # ⚠️ 请替换为你的API密钥

# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
    "model": "qwen3-omni-flash-all",
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"
                    },
                },
                {"type": "text", "text": "图中描绘的是什么景象？"},
            ],
        },
    ],
    "stream": True,
    "stream_options": {
        "include_usage": True
    },
    "modalities": ["text", "audio"],
    "audio": {"voice": "Serena", "format": "wav"}
}

# ============================================================================
# 发送请求并处理流式响应
# ============================================================================

# 确保 output 目录存在
os.makedirs("output", exist_ok=True)

# 发送 POST 请求到 API 服务器,启用流式响应模式
response = requests.post(url, headers=headers, json=data, stream=True)

# 检查响应状态码
if not response.ok:
    print(f"❌ HTTP 错误: {response.status_code}")
    print(f"响应内容: {response.text}")
    exit(1)

# ----------------------------------------------------------------------------
# 处理流式响应 - 解析文字并保存音频
# ----------------------------------------------------------------------------
try:
    current_event = None
    text_content = ""  # 累积文字内容

    # 逐行读取响应流
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8').strip()

            if line_text.startswith('event: '):
                current_event = line_text[7:]

            elif line_text.startswith('data: '):
                data_str = line_text[6:]

                try:
                    json_data = json.loads(data_str)

                    # 处理文字增量
                    if current_event == 'response.output_text.delta':
                        delta = json_data.get('delta', '')
                        if delta:
                            print(delta, end='', flush=True)
                            text_content += delta

                    # 处理音频数据
                    elif current_event == 'response.output_item.done':
                        item = json_data.get('item', {})
                        content_list = item.get('content', [])
                        for content in content_list:
                            if content.get('type') == 'output_audio':
                                audio_info = content.get('audio', {})
                                audio_data = audio_info.get('data', '')
                                audio_id = audio_info.get('id', 'output')
                                if audio_data:
                                    # 解码 base64 并保存音频文件
                                    audio_bytes = base64.b64decode(audio_data)
                                    audio_filename = os.path.join("output", f"{audio_id}.wav")
                                    with open(audio_filename, 'wb') as f:
                                        f.write(audio_bytes)
                                    print(f"\n\n音频已保存: {audio_filename}")

                except json.JSONDecodeError:
                    pass

    print(f"\n\n完整文字内容:\n{text_content}")

# ----------------------------------------------------------------------------
# 异常处理
# ----------------------------------------------------------------------------
except KeyboardInterrupt:
    # 处理用户中断 - 当用户按 Ctrl+C 时优雅退出
    print("\n\n⚠️ 用户中断了请求")

except Exception as e:
    # 处理其他异常 - 捕获并显示任何意外错误
    print(f"\n\n❌ 发生错误: {e}")

# 最后换行 - 确保输出格式整洁
print()

🚄 【文+图片集】生【文+音频】 调用示例

以下示例代码以传入视频公网 URL 为例，传入本地视频请参见：输入 Base64 编码的本地文件。当前只支持以流式输出的方式进行调用。

图片数量：

• Qwen3-Omni-Flash：最少传入 2 张图片，最多可传入 128 张图片。

import requests
import json
import base64
import os

# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================

# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"

# API 密钥 - 用于身份验证和访问控制
api_key = "sk-*********************************************************"  # ⚠️ 请替换为你的API密钥

# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
    "model": "qwen3-omni-flash-all",
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "video",
                    "video": [
                        "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/xzsgiz/football1.jpg",
                        "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/tdescd/football2.jpg",
                        "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/zefdja/football3.jpg",
                        "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/aedbqh/football4.jpg",
                    ],
                },
                {"type": "text", "text": "描述这个视频的具体过程"},
            ],
        }
    ],
    "stream": True,
    "stream_options": {
        "include_usage": True
    },
    "modalities": ["text", "audio"],
    "audio": {"voice": "Serena", "format": "wav"}
}

# ============================================================================
# 发送请求并处理流式响应
# ============================================================================

# 确保 output 目录存在
os.makedirs("output", exist_ok=True)

# 发送 POST 请求到 API 服务器,启用流式响应模式
response = requests.post(url, headers=headers, json=data, stream=True)

# 检查响应状态码
if not response.ok:
    print(f"❌ HTTP 错误: {response.status_code}")
    print(f"响应内容: {response.text}")
    exit(1)

# ----------------------------------------------------------------------------
# 处理流式响应 - 解析文字并保存音频
# ----------------------------------------------------------------------------
try:
    current_event = None
    text_content = ""  # 累积文字内容

    # 逐行读取响应流
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8').strip()

            if line_text.startswith('event: '):
                current_event = line_text[7:]

            elif line_text.startswith('data: '):
                data_str = line_text[6:]

                try:
                    json_data = json.loads(data_str)

                    # 处理文字增量
                    if current_event == 'response.output_text.delta':
                        delta = json_data.get('delta', '')
                        if delta:
                            print(delta, end='', flush=True)
                            text_content += delta

                    # 处理音频数据
                    elif current_event == 'response.output_item.done':
                        item = json_data.get('item', {})
                        content_list = item.get('content', [])
                        for content in content_list:
                            if content.get('type') == 'output_audio':
                                audio_info = content.get('audio', {})
                                audio_data = audio_info.get('data', '')
                                audio_id = audio_info.get('id', 'output')
                                if audio_data:
                                    # 解码 base64 并保存音频文件
                                    audio_bytes = base64.b64decode(audio_data)
                                    audio_filename = os.path.join("output", f"{audio_id}.wav")
                                    with open(audio_filename, 'wb') as f:
                                        f.write(audio_bytes)
                                    print(f"\n\n音频已保存: {audio_filename}")

                except json.JSONDecodeError:
                    pass

    print(f"\n\n完整文字内容:\n{text_content}")

# ----------------------------------------------------------------------------
# 异常处理
# ----------------------------------------------------------------------------
except KeyboardInterrupt:
    # 处理用户中断 - 当用户按 Ctrl+C 时优雅退出
    print("\n\n⚠️ 用户中断了请求")

except Exception as e:
    # 处理其他异常 - 捕获并显示任何意外错误
    print(f"\n\n❌ 发生错误: {e}")

# 最后换行 - 确保输出格式整洁
print()

🚀 【文+视频】生【文+音频】 调用示例

仅支持输入一个视频文件；

文件大小：

• Qwen3-Omni-Flash：限制为 256 MB，时长限制为 150s；

TIP

视频文件中的视觉信息与音频信息会分开计费。

import requests
import json
import base64
import os

# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================

# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"

# API 密钥 - 用于身份验证和访问控制
api_key = "sk-*********************************************************"  # ⚠️ 请替换为你的API密钥

# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
    "model": "qwen3-omni-flash-all",
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "video_url",
                    "video_url": {
                        "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241115/cqqkru/1.mp4"
                    },
                },
                {"type": "text", "text": "详细介绍一下视频内容和视频的背景音乐内容?"},
            ],
        },
    ],
    "stream": True,
    "stream_options": {
        "include_usage": True
    },
    "modalities": ["text", "audio"],
    "audio": {"voice": "Serena", "format": "wav"}
}

# ============================================================================
# 发送请求并处理流式响应
# ============================================================================

# 确保 output 目录存在
os.makedirs("output", exist_ok=True)

# 发送 POST 请求到 API 服务器,启用流式响应模式
response = requests.post(url, headers=headers, json=data, stream=True)

# 检查响应状态码
if not response.ok:
    print(f"❌ HTTP 错误: {response.status_code}")
    print(f"响应内容: {response.text}")
    exit(1)

# ----------------------------------------------------------------------------
# 处理流式响应 - 解析文字并保存音频
# ----------------------------------------------------------------------------
try:
    current_event = None
    text_content = ""  # 累积文字内容

    # 逐行读取响应流
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8').strip()

            if line_text.startswith('event: '):
                current_event = line_text[7:]

            elif line_text.startswith('data: '):
                data_str = line_text[6:]

                try:
                    json_data = json.loads(data_str)

                    # 处理文字增量
                    if current_event == 'response.output_text.delta':
                        delta = json_data.get('delta', '')
                        if delta:
                            print(delta, end='', flush=True)
                            text_content += delta

                    # 处理音频数据
                    elif current_event == 'response.output_item.done':
                        item = json_data.get('item', {})
                        content_list = item.get('content', [])
                        for content in content_list:
                            if content.get('type') == 'output_audio':
                                audio_info = content.get('audio', {})
                                audio_data = audio_info.get('data', '')
                                audio_id = audio_info.get('id', 'output')
                                if audio_data:
                                    # 解码 base64 并保存音频文件
                                    audio_bytes = base64.b64decode(audio_data)
                                    audio_filename = os.path.join("output", f"{audio_id}.wav")
                                    with open(audio_filename, 'wb') as f:
                                        f.write(audio_bytes)
                                    print(f"\n\n音频已保存: {audio_filename}")

                except json.JSONDecodeError:
                    pass

    print(f"\n\n完整文字内容:\n{text_content}")

# ----------------------------------------------------------------------------
# 异常处理
# ----------------------------------------------------------------------------
except KeyboardInterrupt:
    # 处理用户中断 - 当用户按 Ctrl+C 时优雅退出
    print("\n\n⚠️ 用户中断了请求")

except Exception as e:
    # 处理其他异常 - 捕获并显示任何意外错误
    print(f"\n\n❌ 发生错误: {e}")

# 最后换行 - 确保输出格式整洁
print()

🧙‍♀️ 多轮对话 调用示例

您在使用 Qwen-Omni 模型的多轮对话功能时，需要注意：

• Assistant Message:

添加到 messages 数组中的 Assistant Message 只可以包含文本数据。

• User Message:

一条 User Message 只可以包含文本和一种模态的数据，在多轮对话中您可以在不同的 User Message 中输入不同模态的数据。

import requests
import json
import base64
import os

# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================

# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"

# API 密钥 - 用于身份验证和访问控制
api_key = "sk-**************************************************"  # ⚠️ 请替换为你的API密钥

# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
    "Content-Type": "application/json",      # 指定请求体为 JSON 格式
    "Authorization": f"{api_key}",    # token 认证方式
}

# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
    "model": "qwen3-omni-flash-all",
    "input": [
        {
            "role": "user",
            "content": [
                {
                    "type": "input_audio",
                    "input_audio": {
                        "data": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
                    }
                },
                {
                    "type": "text",
                    "text": "这段音频在说什么"
                }
            ]
        },
        {
            "role": "assistant",
            "content": [
                {
                    "type": "text",
                    "text": "这段音频在说：欢迎使用阿里云"
                }
            ]
        },
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "介绍一下这家公司？"
                }
            ]
        }
    ],
    "stream": True,
    "stream_options": {
        "include_usage": True
    },
    "modalities": ["text"]
}

# ============================================================================
# 发送请求并处理流式响应
# ============================================================================

# 确保 output 目录存在
os.makedirs("output", exist_ok=True)

# 发送 POST 请求到 API 服务器,启用流式响应模式
response = requests.post(url, headers=headers, json=data, stream=True)

# 检查响应状态码
if not response.ok:
    print(f"❌ HTTP 错误: {response.status_code}")
    print(f"响应内容: {response.text}")
    exit(1)

# ----------------------------------------------------------------------------
# 处理流式响应 - 解析文字并保存音频
# ----------------------------------------------------------------------------
try:
    current_event = None
    text_content = ""  # 累积文字内容

    # 逐行读取响应流
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8').strip()

            if line_text.startswith('event: '):
                current_event = line_text[7:]

            elif line_text.startswith('data: '):
                data_str = line_text[6:]

                try:
                    json_data = json.loads(data_str)

                    # 处理文字增量
                    if current_event == 'response.output_text.delta':
                        delta = json_data.get('delta', '')
                        if delta:
                            print(delta, end='', flush=True)
                            text_content += delta

                    # 处理音频数据
                    elif current_event == 'response.output_item.done':
                        item = json_data.get('item', {})
                        content_list = item.get('content', [])
                        for content in content_list:
                            if content.get('type') == 'output_audio':
                                audio_info = content.get('audio', {})
                                audio_data = audio_info.get('data', '')
                                audio_id = audio_info.get('id', 'output')
                                if audio_data:
                                    # 解码 base64 并保存音频文件
                                    audio_bytes = base64.b64decode(audio_data)
                                    audio_filename = os.path.join("output", f"{audio_id}.wav")
                                    with open(audio_filename, 'wb') as f:
                                        f.write(audio_bytes)
                                    print(f"\n\n音频已保存: {audio_filename}")

                except json.JSONDecodeError:
                    pass

    print(f"\n\n完整文字内容:\n{text_content}")

# ----------------------------------------------------------------------------
# 异常处理
# ----------------------------------------------------------------------------
except KeyboardInterrupt:
    # 处理用户中断 - 当用户按 Ctrl+C 时优雅退出
    print("\n\n⚠️ 用户中断了请求")

except Exception as e:
    # 处理其他异常 - 捕获并显示任何意外错误
    print(f"\n\n❌ 发生错误: {e}")

# 最后换行 - 确保输出格式整洁
print()

☀️支持的音色

**支持的音色：**输出音频的音色与文件格式通过audio参数来配置，如：audio={"voice": "Cherry", "format": "wav"}：

• 文件格式（format）：只支持设定为"wav"；

• 音频音色（voice）：

• 音色表

• 音色名	**voice**参数	描述	支持的语种
  芊悦	Cherry	阳光积极、亲切自然小姐姐	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  苏瑶	Serena	温柔小姐姐	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  晨煦	Ethan	标准普通话，带部分北方口音。阳光、温暖、活力、朝气	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  千雪	Chelsie	二次元虚拟女友	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  茉兔	Momo	撒娇搞怪，逗你开心	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  十三	Vivian	拽拽的、可爱的小暴躁	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  月白	Moon	率性帅气的月白	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  四月	Maia	知性与温柔的碰撞	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  凯	Kai	耳朵的一场SPA	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  不吃鱼	Nofish	不会翘舌音的设计师	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  萌宝	Bella	喝酒不打醉拳的小萝莉	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  詹妮弗	Jennifer	品牌级、电影质感般美语女声	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  甜茶	Ryan	节奏拉满，戏感炸裂，真实与张力共舞	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  卡捷琳娜	Katerina	御姐音色，韵律回味十足	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  艾登	Aiden	精通厨艺的美语大男孩	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  沧明子	Eldric Sage	沉稳睿智的老者，沧桑如松却心明如镜	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  乖小妹	Mia	温顺如春水，乖巧如初雪	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  沙小弥	Mochi	聪明伶俐的小大人，童真未泯却早慧如禅	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  燕铮莺	Bellona	声音洪亮，吐字清晰，人物鲜活，听得人热血沸腾；金戈铁马入梦来，字正腔圆间尽显千面人声的江湖	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  田叔	Vincent	一口独特的沙哑烟嗓，一开口便道尽了千军万马与江湖豪情	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  萌小姬	Bunny	“萌属性”爆棚的小萝莉	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  阿闻	Neil	平直的基线语调，字正腔圆的咬字发音，这就是最专业的新闻主持人	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  墨讲师	Elias	既保持学科严谨性，又通过叙事技巧将复杂知识转化为可消化的认知模块	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  徐大爷	Arthur	被岁月和旱烟浸泡过的质朴嗓音，不疾不徐地摇开了满村的奇闻异事	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  邻家妹妹	Nini	糯米糍一样又软又黏的嗓音，那一声声拉长了的“哥哥”，甜得能把人的骨头都叫酥了	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  诡婆婆	Ebona	她的低语像一把生锈的钥匙，缓慢转动你内心最深处的幽暗角落——那里藏着所有你不敢承认的童年阴影与未知恐惧	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  小婉	Seren	温和舒缓的声线，助你更快地进入睡眠，晚安，好梦	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  顽屁小孩	Pip	调皮捣蛋却充满童真的他来了，这是你记忆中的小新吗	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  少女阿月	Stella	平时是甜到发腻的迷糊少女音，但在喊出“代表月亮消灭你”时，瞬间充满不容置疑的爱与正义	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  博德加	Bodega	热情的西班牙大叔	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  索尼莎	Sonrisa	热情开朗的拉美大姐	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  阿列克	Alek	一开口，是战斗民族的冷，也是毛呢大衣下的暖	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  多尔切	Dolce	慵懒的意大利大叔	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  素熙	Sohee	温柔开朗，情绪丰富的韩国欧尼	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  小野杏	Ono Anna	鬼灵精怪的青梅竹马	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  莱恩	Lenn	理性是底色，叛逆藏在细节里——穿西装也听后朋克的德国青年	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  埃米尔安	Emilien	浪漫的法国大哥哥	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  安德雷	Andre	声音磁性，自然舒服、沉稳男生	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  拉迪奥·戈尔	Radio Gol	足球诗人Rádio Gol！今天我要用名字为你们解说足球。	中文、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  上海-阿珍	Jada	风风火火的沪上阿姐	中文（上海话）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  北京-晓东	Dylan	北京胡同里长大的少年	中文（北京话）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  南京-老李	Li	耐心的瑜伽老师	中文（南京话）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  陕西-秦川	Marcus	面宽话短，心实声沉——老陕的味道	中文（陕西话）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  闽南-阿杰	Roy	诙谐直爽、市井活泼的台湾哥仔形象	中文（闽南语）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  天津-李彼得	Peter	天津相声，专业捧哏	中文（天津话）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  四川-晴儿	Sunny	甜到你心里的川妹子	中文（四川话）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  四川-程川	Eric	一个跳脱市井的四川成都男子	中文（四川话）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  粤语-阿强	Rocky	幽默风趣的阿强，在线陪聊	中文（粤语）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语
  粤语-阿清	Kiki	甜美的港妹闺蜜	中文（粤语）、英语、法语、德语、俄语、意大利语、西班牙语、葡萄牙语、日语、韩语

必须使用流式输出：所有对 Qwen-Omni 模型的请求都必须设置 stream=True。

💐base64文件传入

本地图片：

{

                    "type": "image_url",
                    "image_url": {"url": f"data:image/png;base64,{base64_image}"},
 }

本地音频：

 {

                    "type": "input_audio",
                    "input_audio": {
                        "data": f"data:;base64,{base64_audio}",
                        "format": "mp3",
},

本地视频：

 {

                    "type": "input_audio",

                    "input_audio": {

                        "data": f"data:;base64,{base64_audio}",

                        "format": "mp3",

},

🎩qwen官方网站

网站地址：

https://help.aliyun.com/zh/model-studio/qwen-omni

© 2025 DMXAPI qwen3-omni-flash 全模态模型