mirror of
https://github.com/zhayujie/chatgpt-on-wechat.git
synced 2026-06-02 00:57:41 +08:00
113 lines
2.9 KiB
Plaintext
113 lines
2.9 KiB
Plaintext
---
|
||
title: 通义千问 Qwen
|
||
description: 通义千问模型配置（文本 / 图像理解 / 图像生成 / 语音识别 / 语音合成 / 向量）
|
||
---
|
||
|
||
通义千问（DashScope / 百炼）是国内覆盖最完整的厂商之一，文本、图像理解、图像生成、语音识别、语音合成与向量能力均可用一份 `dashscope_api_key` 启用。
|
||
|
||
<Tip>
|
||
通过 Web 控制台的「模型管理」页面可一站式配置以下全部能力，无需手动改配置文件。
|
||
</Tip>
|
||
|
||
## 文本对话
|
||
|
||
```json
|
||
{
|
||
"model": "qwen3.6-plus",
|
||
"dashscope_api_key": "YOUR_API_KEY"
|
||
}
|
||
```
|
||
|
||
| 参数 | 说明 |
|
||
| --- | --- |
|
||
| `model` | 可填 `qwen3.6-plus`、`qwen3.5-plus`、`qwen3-max`、`qwen-max`、`qwen-plus`、`qwen-turbo`、`qwq-plus` 等 |
|
||
| `dashscope_api_key` | 在 [百炼控制台](https://bailian.console.aliyun.com/?tab=model#/api-key) 创建，参考 [官方文档](https://bailian.console.aliyun.com/?tab=api#/api) |
|
||
|
||
## 图像理解
|
||
|
||
配置 `dashscope_api_key` 后 Agent 的 Vision 工具会自动调用千问的视觉模型识别图像。`qwen3-max` / `qwen3.5-plus` / `qwen3.6-plus` 等模型本身就是多模态；若主模型是纯文本（如 `qwen-turbo`），会自动回落到 `qwen-vl-max`。
|
||
|
||
如需手动指定 Vision 模型：
|
||
|
||
```json
|
||
{
|
||
"tools": {
|
||
"vision": {
|
||
"model": "qwen3.6-plus"
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
支持模型：`qwen3.6-plus`、`qwen3.5-plus`、`qwen3-max`。
|
||
|
||
## 图像生成
|
||
|
||
```json
|
||
{
|
||
"skills": {
|
||
"image-generation": {
|
||
"model": "qwen-image-2.0"
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
可选模型：`qwen-image-2.0`、`qwen-image-2.0-pro`。
|
||
|
||
## 语音识别
|
||
|
||
```json
|
||
{
|
||
"voice_to_text": "dashscope",
|
||
"voice_to_text_model": "qwen3-asr-flash"
|
||
}
|
||
```
|
||
|
||
| 参数 | 说明 |
|
||
| --- | --- |
|
||
| `voice_to_text` | 设为 `dashscope` 启用通义千问 ASR |
|
||
| `voice_to_text_model` | 可选，默认 `qwen3-asr-flash` |
|
||
|
||
凭证自动复用 `dashscope_api_key`。单段音频建议小于 10MB、时长不超过 300 秒。
|
||
|
||
## 语音合成
|
||
|
||
```json
|
||
{
|
||
"text_to_voice": "dashscope",
|
||
"text_to_voice_model": "qwen3-tts-flash",
|
||
"tts_voice_id": "Cherry"
|
||
}
|
||
```
|
||
|
||
| 参数 | 说明 |
|
||
| --- | --- |
|
||
| `text_to_voice_model` | 可选，默认 `qwen3-tts-flash`，覆盖普通话、方言与主流外语 |
|
||
| `tts_voice_id` | 音色 ID，详见下方常用列表 |
|
||
|
||
常用音色示例：
|
||
|
||
| 音色 ID | 说明 |
|
||
| --- | --- |
|
||
| `Cherry` | 芊悦 · 阳光女声 |
|
||
| `Serena` | 苏瑶 · 温柔女声 |
|
||
| `Ethan` | 晨煦 · 阳光男声 |
|
||
| `Chelsie` | 千雪 · 二次元少女 |
|
||
| `Dylan` | 北京话 · 晓东 |
|
||
| `Rocky` | 粤语 · 阿强 |
|
||
| `Sunny` | 四川话 · 晴儿 |
|
||
|
||
完整音色（普通话 / 各地方言 / 双语等）可在 Web 控制台的「模型管理 → 语音合成」下拉框中可视化选择。
|
||
|
||
## 向量
|
||
|
||
```json
|
||
{
|
||
"embedding_provider": "dashscope",
|
||
"embedding_model": "text-embedding-v4"
|
||
}
|
||
```
|
||
|
||
默认模型 `text-embedding-v4`。修改 embedding 后需执行 `/memory rebuild-index` 命令重建索引。
|