选择适合多模态理解、音视频分析、语音对话、内容审核、语音翻译等全模态场景的模型。
从闭源模型迁移到百炼?
如果你正在使用 GPT 或 Gemini 的全模态/实时能力，可参考下表选择百炼对位模型。
闭源模型代表 | 百炼推荐 | |
|---|---|---|
音视频理解与文本生成 | ||
实时翻译 | Gemini 3.5 Live Translate |
|
说明如需语音输出，请使用 qwen3.5-omni-plus。
使用场景
全模态模型支持文本、音频、图片和视频理解。Qwen3.8-Omni-Flash 适用于音视频内容分析、会议纪要和字幕生成，支持思考模式、工具调用和联网搜索。根据您的场景选择合适的模型：
场景 | 推荐模型 | 用户指南 |
|---|---|---|
音视频理解与文本生成：分析音视频内容，生成会议纪要、字幕和文本答复 | Qwen3.8-Omni-Flash（Chat Completions / Responses） | |
实时语音/视频对话：通过麦克风和摄像头与AI实时交互（语音助手、智能客服、视觉问答、直播分析） | Qwen3.8-Omni-Flash-Realtime（WebSocket / WebRTC / AOQ） | |
实时语音对话（语义 VAD）：端到端语音交互，支持语义轮次检测（smart_turn），无意义附和声不会打断，支持 Function Calling（语音助手、智能客服） | Qwen-Audio（WebSocket） | |
离线音频输出：上传音频或视频文件，生成语音回复 | Qwen3.5-Omni（Chat Completions） | |
实时语音翻译：语音同传，约3秒延迟，支持60种语言（同声传译、多语言会议） | Qwen3.5-Livetranslate（WebSocket） | |
音视频文件翻译：上传音频/视频文件翻译为目标语言（视频配音、播客翻译） | Qwen3-Livetranslate（Chat Completions） | |
声音复刻：提供参考音频，AI用该音色生成语音回复 | Qwen3.8-Omni-Flash-Realtime（WebSocket / WebRTC / AOQ）；Qwen3.5-Omni Plus / Flash（Chat Completions） |
- 使用 Qwen3.5-Omni 分析内容时，支持音频最长3小时、视频最长1小时。
- 支持工具调用（Function Calling）：Qwen3.8-Omni-Flash-Realtime（WebSocket / WebRTC / AOQ）、Qwen3.8-Omni-Flash（Chat Completions / Responses）、Qwen3.5-Omni Plus / Flash（Chat Completions，文本输出）、Qwen3-Omni-Flash（Chat Completions）、Qwen-Audio Realtime（WebSocket）。
- 支持联网搜索：Qwen3.8-Omni-Flash-Realtime（Realtime API）、Qwen3.8-Omni-Flash（Chat Completions / Responses）、Qwen3.5-Omni（Chat Completions / Realtime API）。Qwen3.5-Omni 的联网搜索与 Function Calling 不可同时开启；Qwen3.8-Omni-Flash-Realtime 的联网搜索与
tools（Function Calling 或 MCP）不可同时开启。
翻译
音视频翻译为文本或字幕时，推荐使用 Qwen3.8-Omni-Flash。需要输出翻译后的语音时，可按下方说明选择适合时延和语音输出需求的模型。
说明快速搭建翻译应用推荐 Qwen3.5-Livetranslate（60种语言，约3秒延迟，开箱即用）；需要语音输出、联网搜索和术语注入时，实时对话可选择 Qwen3.8-Omni-Flash-Realtime，文件调用可选择 Qwen3.5-Omni。Qwen3.8-Omni-Flash-Realtime 的语音生成语种与 Qwen3.5-Omni-Realtime 一致，各音色支持范围见音色列表。
支持的语言
语言 | Qwen3.5-Livetranslate | Qwen3-Livetranslate | Qwen3.5-Omni | Qwen3-Omni-Flash |
|---|---|---|---|---|
英语 | 支持 | 支持 | 支持 | 支持 |
中文（普通话） | 支持 | 支持 | 支持 | 支持 |
粤语 | 支持 仅文本 | 支持 | 支持 | 支持 |
四川话 | 支持 | 支持 | 支持 | 支持 |
上海话 | 支持 | 支持 | 支持 | 支持 |
北京话 | 支持 | 支持 | 支持 | 支持 |
天津话 | 支持 | 支持 | 支持 | 支持 |
南京话 | 不支持 | 不支持 | 支持 | 支持 |
陕西话 | 不支持 | 不支持 | 支持 | 支持 |
闽南语 | 不支持 | 不支持 | 支持 | 支持 |
法语 | 支持 | 支持 | 支持 | 支持 |
德语 | 支持 | 支持 | 支持 | 支持 |
俄语 | 支持 | 支持 | 支持 | 支持 |
意大利语 | 支持 | 支持 | 支持 | 支持 |
西班牙语 | 支持 | 支持 | 支持 | 支持 |
葡萄牙语 | 支持 | 支持 | 支持 | 支持 |
日语 | 支持 | 支持 | 支持 | 支持 |
韩语 | 支持 | 支持 | 支持 | 支持 |
泰语 | 支持 | 支持 仅文本 | 支持 | 支持 |
印尼语 | 支持 | 支持 仅文本 | 支持 | 不支持 |
越南语 | 支持 | 支持 仅文本 | 支持 | 不支持 |
阿拉伯语 | 支持 | 支持 仅文本 | 支持 | 不支持 |
印地语 | 支持 | 支持 仅文本 | 支持 | 不支持 |
土耳其语 | 支持 | 支持 仅文本 | 支持 | 不支持 |
芬兰语 | 支持 | 不支持 | 支持 | 不支持 |
波兰语 | 支持 | 不支持 | 支持 | 不支持 |
荷兰语 | 支持 | 不支持 | 支持 | 不支持 |
捷克语 | 支持 | 不支持 | 支持 | 不支持 |
乌尔都语 | 支持 | 不支持 | 支持 | 不支持 |
他加禄语 | 支持 | 不支持 | 支持 | 不支持 |
瑞典语 | 支持 | 不支持 | 支持 | 不支持 |
丹麦语 | 支持 | 不支持 | 支持 | 不支持 |
希伯来语 | 支持 | 不支持 | 支持 | 不支持 |
冰岛语 | 支持 | 不支持 | 支持 | 不支持 |
马来语 | 支持 | 不支持 | 支持 | 不支持 |
挪威语 | 支持 | 不支持 | 支持 | 不支持 |
波斯语 | 支持 | 不支持 | 支持 | 不支持 |
希腊语 | 支持 仅文本 | 支持 仅文本 | 不支持 | 不支持 |
南非荷兰语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
阿斯图里亚斯语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
白俄罗斯语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
保加利亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
孟加拉语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
波斯尼亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
加泰罗尼亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
宿务语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
爱沙尼亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
加利西亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
古吉拉特语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
克罗地亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
匈牙利语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
爪哇语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
哈萨克语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
卡纳达语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
柯尔克孜语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
拉脱维亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
马其顿语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
马拉雅拉姆语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
马拉地语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
旁遮普语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
罗马尼亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
斯洛伐克语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
斯洛文尼亚语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
斯瓦希里语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
塔吉克语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
阿塞拜疆语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
乌克兰语 | 支持 仅文本 | 不支持 | 不支持 | 不支持 |
“支持”表示同时输出语音和文本。“仅文本”表示该语言不输出语音。
Qwen3.8-Omni-Flash、Qwen3.8-Omni-Flash-Realtime 和 Qwen3.5-Omni 均支持113种输入语言/方言，完整输入语种列表见模型选型。
Qwen3.5-Livetranslate支持60种语言（29种音频+文本，31种仅文本）。
旧版qwen-omni-turbo仅支持中文和英文。
推荐模型
模型 | API | 适用场景 |
|---|---|---|
qwen3.8-omni-flash | Chat Completions / Responses | 音视频理解、文本生成、思考、Function Calling、联网搜索 |
qwen3.8-omni-flash-realtime | Realtime API（WebSocket / WebRTC / AOQ） | 实时音视频对话、Function Calling、MCP、声音复刻 |
qwen3.5-omni-plus / qwen3.5-omni-flash | Chat Completions | 离线语音输出、声音复刻 |
qwen3.5-livetranslate-flash-realtime | Realtime API（WebSocket） | 实时翻译 |
qwen3-livetranslate-flash | Chat Completions | 音视频文件翻译 |
qwen-audio-3.1-realtime-plus / qwen-audio-3.0-realtime-plus / qwen-audio-3.0-realtime-flash | Realtime API（WebSocket） | 实时语音对话 |
所有模型
Qwen3.8-Omni
qwen3.8-omni-flash 适用于音视频理解和内容分析，思考模式默认开启；qwen3.8-omni-flash-realtime 适用于实时音视频对话。
模型ID | API | 输入 | 输出 | Function Calling | 联网搜索 |
|---|---|---|---|---|---|
Chat Completions / Responses | 文本、音频、图片、视频 | 仅文本 | 支持 | 支持 | |
Realtime API | 文本、音频、图片、视频 | 文本、音频 | 支持 | 支持 |
离线模型支持 1M Token 上下文、多通道空间音频、隐式缓存和 Responses Session 缓存，参见调用说明。实时模型还支持 MCP、多通道音频和声音复刻，参见实时调用指南。
Qwen3.5-Omni
模型ID | API | 输入 | Function Calling | 联网搜索 | 思考模式 |
|---|---|---|---|---|---|
| Realtime API（WebSocket） | 文本、音频、图片、视频 | 支持 | 支持 | 不支持 |
| Realtime API（WebSocket） | 文本、音频、图片、视频 | 支持 | 支持 | 不支持 |
| Chat Completions | 文本、音频、图片、视频 | 支持（北京，文本输出） | 支持 | 不支持 |
| Chat Completions | 文本、音频、图片、视频 | 支持（北京，文本输出） | 支持 | 不支持 |
| Realtime API（WebSocket） | 文本、音频、图片、视频 | 支持 | 支持 | 不支持 |
| Realtime API（WebSocket） | 文本、音频、图片、视频 | 支持 | 支持 | 不支持 |
| Chat Completions | 文本、音频、图片、视频 | 支持（北京，文本输出） | 支持 | 不支持 |
| Chat Completions | 文本、音频、图片、视频 | 支持（北京，文本输出） | 支持 | 不支持 |
Qwen3-Omni
模型ID | API | 输入 | Function Calling | 联网搜索 | 思考模式 |
|---|---|---|---|---|---|
| Realtime API（WebSocket） | 文本、音频、图片、视频 | 不支持 | 不支持 | 不支持 |
| Realtime API（WebSocket） | 文本、音频、图片、视频 | 不支持 | 不支持 | 不支持 |
| Realtime API（WebSocket） | 文本、音频、图片、视频 | 不支持 | 不支持 | 不支持 |
| Chat Completions | 文本、音频、图片、视频 | 支持 | 不支持 | 支持 |
| Chat Completions | 文本、音频、图片、视频 | 支持 | 不支持 | 支持 |
| Chat Completions | 文本、音频、图片、视频 | 支持 | 不支持 | 支持 |
Qwen3.5-Livetranslate
模型ID | API | 输入 | 语言数 |
|---|---|---|---|
| Realtime API（WebSocket） | 音频、图片 | 60 |
| Realtime API（WebSocket） | 音频 | 60 |
| Chat Completions | 音频、视频 | 60 |
Qwen3-Livetranslate
模型ID | API | 输入 | 语言数 |
|---|---|---|---|
| Realtime API（WebSocket） | 音频 | 18 |
| Realtime API（WebSocket） | 音频 | 18 |
| Chat Completions | 音频、视频 | 18 |
| Chat Completions | 音频、视频 | 18 |
Qwen-Audio
模型ID | API | 输入 | Function Calling | 联网搜索 | 思考模式 |
|---|---|---|---|---|---|
| Realtime API（WebSocket） | 音频、文本 | 支持 | 支持 | 不支持 |
| Realtime API（WebSocket） | 音频、文本 | 支持 | 支持 | 不支持 |
| Realtime API（WebSocket） | 音频、文本 | 支持 | 支持 | 不支持 |
旧版模型
以下模型不再更新，新项目的音视频理解与文本生成推荐 Qwen3.8-Omni-Flash；离线语音输出可选择 Qwen3.5-Omni。实时音视频对话推荐 Qwen3.8-Omni-Flash-Realtime。
模型ID | 输入 | API |
|---|---|---|
| 文本、音频、图片、视频 | Chat Completions |
| 文本、音频、图片、视频 | Chat Completions |
| 文本、音频、图片、视频 | Chat Completions |
| 文本、音频、图片、视频 | Chat Completions |
| 文本、音频 | Realtime API（WebSocket） |
| 文本、音频 | Realtime API（WebSocket） |
| 文本、音频 | Realtime API（WebSocket） |