BRASILModelos omnimodais
Escolha um modelo para compreensão multimodal, análise de áudio e vídeo, conversação de voz, moderação de conteúdo, ou tradução de fala.
Modelos omnimodais entendem texto, áudio, imagens e vídeo. Qwen3.8-Omni-Flash suporta análise de áudio/vídeo, resumos de reuniões, e geração de legendas, com modo de pensar, chamada de ferramentas, e busca na web. Três séries estão disponíveis:
| Série | Posição | Destaques |
|---|---|---|
| Qwen3.5-Omni | Flagship | Muito capaz. Pesquisa na internet e clonagem de voz. Até 3 horas de áudio ou 1 hora de vídeo. |
| Qwen3-Omni-Flash | Leve. | Custo mais baixo, modo de pensar. 150 s por pedido. |
| Qwen3.8-Livetranslate | Tradução | 60 idiomas, latência de 2,3 s. |
Escolha um modelo por cenário.
| Cenário | Modelo recomendado. | API | Guia. |
|---|---|---|---|
| Compreensão de áudio/vídeo e geração de texto- Analisar conteúdo de áudio/vídeo e gerar resumos de reunião, legendas e respostas de texto | Qwen3.8-Omni-Flash | "Conversa completa" / "Respostas" | Áudio e vídeo, compreensão de arquivos. |
| Conversa de voz e vídeo em tempo real- Interaja através de microfone e câmera (assistentes de voz, atendimento ao cliente, Q & A visual, análise ao vivo) | Qwen3.8-Omni-Flash-Realtime | API em tempo real | Áudio em tempo real e compreensão de vídeo |
| Conversa de voz em tempo real com o VAD semântico.- Interação de voz de ponta a ponta onde sons de enchimento não interrompem; suporta chamada de função | Qwen-Audio Em tempo real. | API em tempo real | Conversa de áudio em tempo real. |
| Saída de áudio desligada- Carregue arquivos de áudio ou vídeo e gere respostas de fala. | Qwen3.5-Omni | Completação de bate-papo | Áudio e vídeo, compreensão de arquivos. |
| Tradução de discurso em tempo real- interpretação simultânea, ~2,3 de latência, 60 idiomas (conferências, tradução ao vivo) | Qwen3.8-Livetranslate | API em tempo real | Tradução em tempo real de áudio e vídeo |
| Tradução de arquivos de áudio e vídeo- traduza um arquivo carregado para uma língua de destino (vídeo dublagem, tradução de podcast) | Qwen3-Livetranslate | Completação de bate-papo | Tradução de arquivos de áudio e vídeo |
| Clonagem de voz- Fornecer áudio de referência e resposta nessa voz | Qwen3.8-Omni-Flash-Realtime; Qwen3.5-Omni E mais, Flash. | API em tempo real; Completação de bate-papo | Clonagem de voz |
Limites de capacidade
- Chamada de função Qwen3.8-Omni-Flash-Realtime, Qwen3.8-Omni-Flash, Qwen3.5-Omni Mais / Flash (exposição de texto), Qwen3.5-Omni-Realtime, Qwen3-Omni-Flash, e Qwen-Audio Tempo real.
- Busca na internet Qwen3.8-Omni-Flash-Realtime, Qwen3.8-Omni-Flash, Qwen3.5-Omni, e Qwen-Audio Em tempo real, via
enable_search. - ? Modo de pensar ? Qwen3-Omni-Flash Só, e não retorna nenhuma saída de fala.
Migrar de modelos de código fechado.
| Exemplos de fontes fechadas. | QwenCloud recomendação | |
|---|---|---|
| Compreensão de áudio/vídeo e geração de texto | Gemini 3.8 Flash | qwen3.8-omni-flash |
| Tradução em tempo real | Gêmeos 3.5 Live Translate (Preview) | qwen3.8-livetranslate-flash-realtime |
Lista completa de modelos
Para versões datadas, a matriz de capacidade, e a cobertura de linguagem de tradução, veja os modelos recomendados, todos os modelos, e as seções de tradução de [modelos de fala-a-fala] (/developer-guides/speech/s2s-models). Para as vozes que cada modelo suporta, veja [lista de voz] (/developer-guides/speech/omni-voice-list).
Se você só precisa de fala e fala para fora, e você está escolhendo entre um único modelo S2S e um pipeline (ASR + LLM + TTS), começar com [Modelos de fala para fala] (/developer-guides/speech/s2s-models).
Saiba mais.
Realtime understanding
Construa áudio e vídeo em tempo real na API em tempo real.
File understanding
Analise arquivos de áudio e vídeo e gere respostas de fala.
Voice list
Vozes apoiadas por cada modelo omnimodal, com amostras.
Speech-to-speech models
S2S contra pipeline, mais a matriz de seleção completa.