mcpField
A
aliyun-qwen-omni

aliyun-qwen-omni

github.com/cinienceエージェントワークフロー39662 回インストール11 週間前に更新
リポジトリ

aliyun-qwen-omni について

Model Studio Qwen Omni は、画像・音声・テキストを Qwen モデルで扱うスキルです。マルチモーダルエージェント向けで、テキストまたは音声による応答に対応します。

主な機能

  1. 01画像・音声・テキスト入力
  2. 02リアルタイムのマルチモーダル対話
  3. 03テキストまたは音声で応答
  4. 04共通化されたリクエスト形式
  5. 05複数の Omni モデルに対応

活用シーン

  1. 01リアルタイムのマルチモーダルエージェント構築
  2. 02視覚入力に基づく音声応答の生成

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/cinience/alicloud-skills --skill aliyun-qwen-omni

インストール後、Claude Code で/aliyun-qwen-omniを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
references/
sources.md
scripts/
prepare_omni_request.py

詳細

カテゴリ：プロバイダー

Model Studio Qwen Omni

検証

mkdir -p output/aliyun-qwen-omni
python -m py_compile skills/ai/multimodal/aliyun-qwen-omni/scripts/prepare_omni_request.py && echo "py_compile_ok" > output/aliyun-qwen-omni/validate.txt

合格基準：コマンドが終了コード 0 で終了し、output/aliyun-qwen-omni/validate.txt が生成されます。

重要なモデル名

次のいずれかのモデル文字列を正確に使用してください：

  • qwen3-omni-flash
  • qwen3-omni-flash-realtime
  • qwen-omni-turbo
  • qwen-omni-turbo-realtime

典型的な用途

  • 画像＋音声＋テキストのアシスタント
  • リアルタイムのマルチモーダルエージェント
  • 視覚入力に基づく音声応答

正規化されたインターフェース（omni.chat）

リクエスト
  • model（文字列、省略可）：デフォルトは qwen3-omni-flash
  • text（文字列、省略可）
  • image（文字列、省略可）
  • audio（文字列、省略可）
  • response_modalities（array、省略可）：例：["text"]、["text","audio"]
レスポンス
  • text（文字列、省略可）
  • audio_url または audio_chunk（省略可）
  • usage（オブジェクト、省略可）

クイックスタート

python skills/ai/multimodal/aliyun-qwen-omni/scripts/prepare_omni_request.py \
  --output output/aliyun-qwen-omni/request.json

参考資料

  • references/sources.md

コメント

Markdown 対応