mcpField
A
aliyun-qwen-omni

aliyun-qwen-omni

github.com/cinienceAgent 工作流39662 次安装11 周前更新
代码仓库

关于 aliyun-qwen-omni

Model Studio Qwen Omni 技能用于通过 Qwen 模型处理图像、音频和文本输入，面向多模态 Agent 场景。它支持文本或语音形式的响应。

主要功能

  1. 01接收图像、音频和文本
  2. 02支持实时多模态交互
  3. 03生成文本或音频响应
  4. 04提供规范化请求格式
  5. 05支持多个 Omni 模型

适用场景

  1. 01构建实时多模态 Agent
  2. 02根据视觉输入生成语音响应

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 aliyun-qwen-omni

安装后在 Claude Code 中输入/aliyun-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：提供方

Model Studio Qwen Omni

验证

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

通过标准：命令退出码为 0，且生成 output/aliyun-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

标准化接口 (omni.chat)

请求
  • model（字符串，可选）：默认为 qwen3-omni-flash
  • text（字符串，可选）
  • image（字符串，可选）
  • audio（字符串，可选）
  • response_modalities（数组，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/aliyun-qwen-omni/scripts/prepare_omni_request.py \
  --output output/aliyun-qwen-omni/request.json

参考资料

  • references/sources.md

评论

支持 Markdown