Alibaba Cloud: Qwen3.5-Omni-Flash

Qwen3.5 Omni Flashは、日常的なアシスタントタスクにマルチモーダルな理解をもたらします。付随するメディアからイベントを説明するなど、音声や記述コンテキストと並行して画像を解釈する用途に適しています。

qwen3.5-omni-flash

利用可能Alibaba Cloudチャット

入力 / 出力: $0.40 / $2.20
コンテキスト: 197K
最大出力: 64K
モダリティ: ビジョンチャット

Qwen3.5-Omni-Flash について

Qwen3.5-Omni-Flashは、AlibabaのQwen3.5-Omniファミリーにおける速度重視のモデルです。テキスト、画像、音声、動画を読み取り、テキストまたは音声で回答できるネイティブマルチモーダルモデルです。Qwen3.5-Omni-Plusの高速かつ低コストな兄弟モデルであり、Qwen3-Omni-Flashから進化し、メディアの制限緩和、55種類の音声、74言語および39方言での音声出力に対応しています。

得意なこと

1回のリクエストでテキスト、画像、音声、動画を読み取り、テキストまたは音声で回答できます。
非リアルタイムAPIでは、1回のリクエストにつき最大約3時間の音声または1時間の動画を処理できます。
74言語および39方言で発話可能で、55種類の内蔵音声に加え、カスタム音声もサポートしています。
音声入力認識は113言語に対応しており、多言語が混在する音声にも適しています。

他のモデルを検討すべきケース

ライブでの割り込み可能な音声会話は、別のモデルであるQwen3.5-Omni-Flash-Realtimeが担います。
回答はテキストまたは音声で返されるため、画像や動画の生成には別のモデルが必要です。
Flashは、難易度の高いマルチモーダルな質問において、Qwen3.5-Omni-Plusと比較すると深さよりも速度を優先しています。

はじめに

最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。

最初のリクエストを送信する

お使いの言語の例をコピーして、エンドポイントに対して実行してください。

テキスト・トゥ・テキストMessages API

POST/v1/messages

API形式:

curl https://api.tokenlab.sh/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: sk-xxx" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "qwen3.5-omni-flash",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "Hello!"}
    ]
  }'

料金

Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。

Text Output

100万トークンあたり

Official 価格: 入力 $0.40 / 出力 $2.20 / テキスト入力 $0.40 / オーディオ入力 $3.00 / 画像入力 $0.40 / テキスト出力 $2.20 / オーディオ出力 $11.90
Verified 価格: —
割引: —

音声オン

100万トークンあたり

Official 価格: 入力 $0.40 / 出力 $11.90 / テキスト入力 $0.40 / オーディオ入力 $3.00 / 画像入力 $0.40 / テキスト出力 $0.00 / オーディオ出力 $11.90
Verified 価格: —
割引: —

	Official 価格100万トークンあたり	Verified 価格100万トークンあたり	割引
Text Output	入力 $0.40 / 出力 $2.20 / テキスト入力 $0.40 / オーディオ入力 $3.00 / 画像入力 $0.40 / テキスト出力 $2.20 / オーディオ出力 $11.90	—	—
音声オン	入力 $0.40 / 出力 $11.90 / テキスト入力 $0.40 / オーディオ入力 $3.00 / 画像入力 $0.40 / テキスト出力 $0.00 / オーディオ出力 $11.90	—	—

使用状況とアクティビティ

成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。

使用量と可用性

過去24時間

リクエスト数
成功率
P95 レイテンシ
合計トークン数

モデルパフォーマンス

最終更新日時: 2026/11/01 7:21 UTC

プライバシーおよびデータ量のしきい値に達すると、メトリクスが表示されます。

データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。

Consoleで開く

ConsoleでQwen3.5-Omni-Flashを開き、プロンプトを編集・送信できます。

qwen3.5-omni-flashと/v1/messagesでメッセージをテスト。返答、レイテンシ、コストを表示します。

ユースケース

向いている用途

ビジョン

会議や通話の要約
長い録音データを送信し、決定事項、担当者、未解決の質問を抽出させ、テキストまたは音声ブリーフィングとして回答を得ます。
音声による製品ヘルプ
顧客の写真と音声による質問を受け取り、顧客の言語と方言に合わせて音声で回答します。
動画コンテンツのタグ付け
アップロードされた動画の内容（映像と音声）を処理し、メディアライブラリ用の説明文やトピックを出力します。

プロンプト例

この1時間のトレーニング動画を要約し、トピックが切り替わるタイムスタンプを記録してください。

話者が広東語と英語を切り替えて話しています。文字起こしを行い、広東語の部分を翻訳してください。

この写真で何が起きているか説明し、落ち着いた女性の声で回答を読み上げてください。

このモデルは条件付き料金です。月間トークン総量だけでは確実な見積もりができません。リクエスト仕様・キャッシュ・該当時間帯に応じた詳細料金をご利用ください。

FAQ

FlashとPlusの違いは何ですか？

どちらも同じ入力タイプと音声に対応したQwen3.5-Omniモデルです。Flashは高速版、Plusは高品質版です。大量の処理やレイテンシが重要な作業にはFlashから始め、複雑なメディアに対する回答が不十分な場合にPlusへ移行してください。

音声を出力できますか？

はい。テキストと音声の両方を返すことができ、55種類の内蔵音声とカスタム音声サポートを備え、74言語および39方言に対応しています。リクエスト時に音声とテキストのどちらが必要かを選択します。

どのくらいの長さの録音を扱えますか？

AlibabaのQwen3.5-Omniドキュメントによると、1回のリクエストにつき最大約3時間の音声または1時間の動画を扱えます。それより長い素材は分割して順次処理してください。

どの言語を理解できますか？

音声入力認識は113言語に対応し、音声回答は74言語および39方言をカバーしているため、言語を事前に指定することなく、多言語が混在する音声も1回のリクエストで処理できます。

これはライブ音声会話用のモデルですか？

いいえ。Qwen3.5-Omni-Flashは完了した入力を受け取るモデルです。ストリーミングで割り込み可能な音声セッションには、接続を維持してライブの音声および動画フレームを受け付けるQwen3.5-Omni-Flash-Realtimeを使用してください。

Qwen3.5-Omni-Flash の料金はいくらですか？

TokenLab では Qwen3.5-Omni-Flash は入力 $0.40 / 出力 $2.20 100万トークンあたりです。詳細は上の料金表を参照してください。料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。

Qwen3.5-Omni-Flash のコンテキストウィンドウと出力制限は？

Qwen3.5-Omni-Flash は最大 196,608 トークンのコンテキストに対応し、1回のレスポンスで最大 65,536 トークンまで出力可能です。

Qwen3.5-Omni-Flash はどのエンドポイントを使うべきですか？

Qwen3.5-Omni-Flash のデフォルトは https://api.tokenlab.sh/v1/messages です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。

Qwen3.5-Omni-Flash はどの操作に対応していますか？

Qwen3.5-Omni-Flash はテキスト・トゥ・テキストに対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。