mcpField
A
alicloud-ai-multimodal-qwen-omni

alicloud-ai-multimodal-qwen-omni

github.com/cinienceAgent 工作流39693 次安装11 周前更新
代码仓库

关于 alicloud-ai-multimodal-qwen-omni

用于构造阿里云 Model Studio Qwen Omni 请求的技能。统一接口支持文本、图像和音频输入，并可请求文本或音频回复，适用于多模态及实时场景。

主要功能

  1. 01构造统一的 omni.chat 请求
  2. 02接收文本、图像和音频输入
  3. 03选择支持的 Qwen Omni 模型
  4. 04请求文本和音频回复

适用场景

  1. 01构建多模态助手请求
  2. 02准备实时 Agent 交互
  3. 03根据视觉输入生成语音回复

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/alicloud-ai-multimodal-qwen-omni确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

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

详细介绍

类别：服务提供商

Model Studio Qwen Omni

验证

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

通过标准：命令以 0 退出，并生成 output/alicloud-ai-multimodal-qwen-omni/validate.txt。

关键模型名称

请使用以下精确的模型字符串之一：

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

典型用途

  • 图像 + 音频 + 文本助手
  • 实时多模态 Agent
  • 基于视觉输入生成语音回复

规范化接口（omni.chat）

请求
  • model（字符串，可选）：默认值为 qwen3-omni-flash
  • text（字符串，可选）
  • image（字符串，可选）
  • audio（字符串，可选）
  • response_modalities（array，可选）：例如 ["text"]、["text","audio"]
响应
  • text（字符串，可选）
  • audio_url 或 audio_chunk（可选）
  • usage（对象，可选）

快速开始

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

参考资料

  • references/sources.md

评论

支持 Markdown