aliyun-modelstudio-entry

Category: task

Alibaba Cloud Model Studio エントリ（ルーティング）

モデルやパラメーターの詳細が重複しないよう、リクエストを既存のローカルスキルにルーティングします。

前提条件

• SDK をインストールします（PEP 668 の制限を避けるため、仮想環境を推奨します）。

python3 -m venv .venv
. .venv/bin/activate
python -m pip install dashscope

• DASHSCOPE_API_KEY を設定します（環境変数を推奨します。または ~/.alibabacloud/credentials の dashscope_api_key を使用します）。

ルーティングテーブル（現在、このリポジトリでサポートされている項目）

必要な機能	対象スキル
テキスト生成／推論／ツール呼び出し	skills/ai/text/aliyun-qwen-generation/
コーディング／リポジトリの推論	skills/ai/code/aliyun-qwen-coder/
複数段階の詳細なリサーチ	skills/ai/research/aliyun-qwen-deep-research/
テキストから画像への変換／画像生成	skills/ai/image/aliyun-qwen-image/
画像編集	skills/ai/image/aliyun-qwen-image-edit/
テキストから動画への変換／画像から動画への変換（t2v/i2v）	skills/ai/video/aliyun-wan-video/
Wan 以外の PixVerse 動画生成	skills/ai/video/aliyun-pixverse-generation/
参照画像から動画への変換（r2v）	skills/ai/video/aliyun-wan-r2v/
デジタルヒューマンの会話／歌唱アバター	skills/ai/video/aliyun-wan-digital-human/
表情豊かなポートレート動画（EMO）	skills/ai/video/aliyun-emo/
軽量なポートレートアニメーション（LivePortrait）	skills/ai/video/aliyun-liveportrait/
モーション転送／ダンスアバター（AnimateAnyone）	skills/ai/video/aliyun-animate-anyone/
絵文字／ミームのポートレート動画	skills/ai/video/aliyun-emoji/
テキスト読み上げ（TTS）	skills/ai/audio/aliyun-qwen-tts/
音声認識／文字起こし（ASR）	skills/ai/audio/aliyun-qwen-asr/
リアルタイム音声認識	skills/ai/audio/aliyun-qwen-asr-realtime/
リアルタイム TTS	skills/ai/audio/aliyun-qwen-tts-realtime/
ライブ音声翻訳	skills/ai/audio/aliyun-qwen-livetranslate/
CosyVoice 音声クローン	skills/ai/audio/aliyun-cosyvoice-voice-clone/
CosyVoice 音声デザイン	skills/ai/audio/aliyun-cosyvoice-voice-design/
音声クローン	skills/ai/audio/aliyun-qwen-tts-voice-clone/
音声デザイン	skills/ai/audio/aliyun-qwen-tts-voice-design/
Omni マルチモーダルインタラクション	skills/ai/multimodal/aliyun-qwen-omni/
視覚的推論	skills/ai/multimodal/aliyun-qvq/
OCR／文書解析／表解析	skills/ai/multimodal/aliyun-qwen-ocr/
テキスト埋め込み	skills/ai/search/aliyun-qwen-text-embedding/
マルチモーダル埋め込み	skills/ai/search/aliyun-qwen-multimodal-embedding/
再ランキング	skills/ai/search/aliyun-qwen-rerank/
ベクトル検索	skills/ai/search/aliyun-dashvector-search/ または skills/ai/search/aliyun-opensearch-search/ または skills/ai/search/aliyun-milvus-search/
文書理解	skills/ai/text/aliyun-docmind-extract/
動画編集	skills/ai/video/aliyun-wan-edit/
動画のリップシンク置換／リトーク	skills/ai/video/aliyun-videoretalk/
モデル一覧のクロール／更新	skills/ai/misc/aliyun-modelstudio-crawl-and-skill/

該当するものがない場合

• まずモデルの機能と入出力の種類を確認してください。
• 必要な機能がリポジトリにない場合は、まず新しいスキルを追加してください。

このリポジトリで不足している一般的な機能（残っている課題）

• 画像翻訳

• バーチャル試着／デジタルヒューマン／高度な動画ペルソナ

• マルチモーダル／ASR のダウンロードに失敗する場合は、上記の公開 URL を優先してください。

• ASR のパラメーターエラーが発生した場合は、input_audio.data にデータ URI を使用してください。

• マルチモーダル埋め込みで 400 エラーが発生した場合は、input.contents が配列になっていることを確認してください。

非同期タスクのポーリングテンプレート（動画／長時間実行タスク）

X-DashScope-Async: enable によって task_id が返された場合は、次のようにポーリングします。

GET https://dashscope.aliyuncs.com/api/v1/tasks/<task_id>
Authorization: Bearer $DASHSCOPE_API_KEY

結果のフィールド例（成功時）：

{
  "output": {
    "task_status": "SUCCEEDED",
    "video_url": "https://..."
  }
}

注記：

• 推奨ポーリング間隔：15～20 秒、最大 10 回。
• 成功後、output.video_url をダウンロードしてください。

不明点がある場合の確認事項

1. テキスト、画像、音声、動画のどれを扱いますか？
2. 生成、編集・理解、検索のどれを行いますか？
3. 音声処理（TTS／ASR／リアルタイム翻訳）と検索（埋め込み／リランキング／ベクターデータベース）のどちらが必要ですか？
4. 実行可能な SDK スクリプトと、API／パラメーターの説明のどちらが必要ですか？

参考資料

• モデル一覧とリンク：output/alicloud-model-studio-models-summary.md

• API／パラメーター／使用例：対象のサブスキルの SKILL.md と references/*.md を参照してください

• 公式ソース一覧：references/sources.md

検証

mkdir -p output/aliyun-modelstudio-entry
echo "validation_placeholder" > output/aliyun-modelstudio-entry/validate.txt

合格条件：コマンドが終了コード 0 で終了し、output/aliyun-modelstudio-entry/validate.txt が生成されること。

出力と証拠

• 成果物、コマンド出力、API レスポンスの概要を output/aliyun-modelstudio-entry/ に保存してください。
• 再現性を確保するため、証拠ファイルに主要なパラメーター（リージョン／リソース ID／時間範囲）を含めてください。

ワークフロー

1. ユーザーの意図、リージョン、識別子、操作が読み取り専用か変更を伴うものかを確認します。
2. 接続と権限を確認するため、最初に最小限の読み取り専用クエリを実行します。
3. 明示的なパラメーターと限定された範囲を指定して、対象の操作を実行します。
4. 結果を検証し、出力ファイルと証拠ファイルを保存します。