关于该接口功能的示例图如下：输入图像 自定义模板 生成结果 应用场景 职场证件照制作：一键训练证件照人物形象风格，专为用户打造符合各类企业招聘、求职简历等场景的高质量、规范化的职场证件照，轻松完成高质量的职场证件照制作，节省...
模型概览 模型名 模型简介 wordart-texture WordArt锦书-文字纹理生成可以对输入的文字内容或文字图片进行创意设计，根据提示词内容对文字添加材质和纹理，实现立体材质、场景融合、光影特效等效果，生成效果精美、风格多样的艺术字，结合...
待上线 全妙-VL 视频打标预处理 为客户上传的多模态数据，利用多模态大模型，针对图片、视频补充相应的标签（例如主题、风格、镜头语言等）。待上线 妙读全量PaaS接口 模型 能力点名称 能力点描述 接口地址 全妙-Long 抽书籍卖点 基于一本...
文档简介 根据用户输入的原始图片、局部涂抹图和任意的文本描述，使用通义万相模型（wanx-x-painting），即可快速完成图像的二次创作。重要 本文档仅适用于“中国大陆（北京）”地域，且必须使用该地域的 API Key。wanx-x-painting 模型...
多媒体分析概述 智能设计ArtLab 为设计师群体提供的一站式自动化AIGC设计工具，集成了Stable Diffusion、Kohya等主流的文生图、图生图能力，打通了图片数据集管理、图片打标、LoRA模型训练、AI绘图的AIGC全场景链路，帮助设计师在设计、...
目前支持文本和图片类型的模型，模型与内容安全服务的对应关系，以及计费信息，请参见 面向阿里云百炼大模型用户的文本审核服务 和 面向阿里云百炼大模型用户的图片审核服务。步骤一：开通内容审核服务 访问 内容审核增强版 页面，仔细阅读...
通义万相-图像编辑模型（wan2.5）支持多图输入（1-3张）和多图输出（1-4张），通过 文本指令 实现主体一致的单图编辑、目标检测与分割以及多图融合等能力。快速开始 前提条件 在调用前，先 获取与配置 API Key，再 配置API Key到环境变量。...
OpenSearch LLM智能问答版内置非结构化数据处理、向量模型、文本&向量检索、LLM，提供一站式开箱即用的检索增强生成（RAG）方案，支持丰富数据格式的快速导入，构建包含对话、链接、图片在内的多模态对话式搜索服务，帮助开发者快速搭建RAG...
根据手绘图加上任意文字描述，使用通义万相-涂鸦作画模型，即可轻松完成涂鸦作画。重要 本文档仅适用于“中国大陆（北京）”地域，需使用“中国大陆（北京）”地域的 API Key。基本介绍 通义万相-涂鸦作画通过手绘任意内容加文字描述，即可...
您可以将AI搜索开放平台、ModelScope与定制模型中的模型进行独立部署，提供更高并发、更低延迟的推理服务。模型列表 模型类别 模型名称 模型来源 文本向量化 OpenSearch文本向量化服务-001：提供多语言（40+）文本向量化服务，输入文本最大...
在阿里云百炼，通过工作流组合使用大模型、API和函数计算等节点，可有效降低编码成本。本文介绍如何创建工作流。应用介绍 为什么使用工作流应用 工作流是一种将复杂任务拆分为一系列有序步骤的方法，旨在简化系统复杂度，提高工作效率。在...
本文介绍创意海报生成模型的输入输出参数。根据要求自动生成海报的背景和文字排版，支持多种海报风格。无需设计基础，轻松制作出彩作品，让创意触手可及。相关指南：创意海报生成 重要 本文档仅适用于“中国大陆（北京）”地域，且必须使用...
本文为您介绍如何使用SD WebUI进行PAI ArtLab Stable Diffusion模型的生图实践，包括具体步骤和注意事项。点击登录 PAI ArtLab控制台。背景信息 Stable Diffusion是由Stability AI开发的图像AI大模型，能够根据文本指令生成或修改图像。...
选择模型 图片问答需要使用具有视觉能力的模型，您可以在配置时选择 Qwen-VL、QVQ 或 Qwen-Omni 模型。参见 2.2.配置模型与 API 密钥，在 模型 处添加您需要使用的视觉模型，并勾选 视觉 能力。2.对话 在发送按钮旁选择视觉模型，在输入框...
模型概览 模型效果示意 模型简介 模型名 模型简介 wanx-background-generation-v2 通义万相-图像背景生成模型为主体商品生成背景图，适用于电商和海报场景。支持多种背景生成方法：文本引导、图像引导、文本与图像结合引导，以及文本、图像...
AI 试衣-图片分割是一个辅助模型，支持从模特图或 AI 试衣图中分割出服装区域，如上装、下装、连衣裙或连体衣。此模型为可选模型，与 AI 试衣模型配合使用，可实现 局部试衣、获取指定服饰坐标 等特定效果。重要 本文档仅适用于“中国大陆...
解决方案：如需对图片内容进行文本提取、分析和总结，可使用通义千问VL模型。File[id:file-fe-*]cannot be found.原因：仅在Qwen-Long模型的对话场景中，在发起对话请求后的极短时间内调用OpenAI文件兼容接口删除相关文件时才会出现。解决...
人像风格重绘模型支持将人物照片，转换为多种预设或自定义的艺术风格。重要 本文档仅适用于“中国大陆（北京）”地域，且必须使用该地域的 API Key。快速入口：使用指南｜HTTP调用新手指南｜免费额度｜计费与限流 模型概览 模型名称 计费...
本文介绍图像画面扩展模型的输入输出参数。图像画面扩展（也称“扩图”）支持多种扩展方式，包括按宽高比扩图、按比例扩图、在上下左右四个方向添加像素扩图。这三种方式还可以结合旋转角度进行扩图。相关指南：图像画面扩展 重要 本文档仅...
max_tokens 的设置不会影响大模型的生成过程，如果模型生成的 Token 数超过 max_tokens，本次请求会返回截断后的内容。默认值和最大值都是模型的最大输出长度。关于各模型的最大输出长度，请参见 模型列表。max_tokens参数适用于需要限制...
Qwen-Omni 模型能够接收文本与单一其他模态（图片、音频、视频）的组合输入，并生成文本或语音形式的回复，提供多种拟人音色，支持多语言和方言的语音输出，可应用于文本创作、视觉识别、语音助手等场景。快速开始 前提条件 已 配置 API ...
qwen3-livetranslate-flash-realtime 是视觉增强型实时翻译模型，支持 18 种语言（中、英、俄、法等）互译，可同时处理音频与图像输入，适用于实时视频流或本地视频文件，利用视觉上下文信息提升翻译准确性，并实时输出高质量的翻译文本与...
本文介绍如何调用 Qwen、DeepSeek 等支持深度思考的模型。Qwen 显示思考过程 ▼ 11/100。更精确地：9.9=99/10=990/100，9.11=911/100，990/100 与 911/100 比较，显然 990>911，所以 990/100>911/100，因此 9.9>9.11。我也可以直接看小数...
传统的RAG流程只处理文本，会忽略PDF、Word等文档中的图片，导致信息丢失。PAI-RAG的多模态功能集成了多模态大语言模型（LLM），能够同时理解图文内容，提供更完整的回答。本文将介绍如何在RAG服务中启用多模态推理。前提条件 已部署RAG...
EMO模型可基于人物肖像图片和人声音频，生成人脸动态视频。重要 本文档仅适用于“中国大陆（北京）”地域，需使用“中国大陆（北京）”地域的 API Key。效果示例 输入示例 输出示例 人物肖像：人声音频：使用动作风格强度：参数 style_...
在阿里云上，您只需 10 分钟，无需任何编码，即可为您的组织在企业微信上集成一个有大模型能力加成的 AI 助手。这个助手可以全天候（7x24）响应用户咨询，还能解答私域问题，成为您企业的专属助手，提升用户体验，增强业务竞争力。方案概览...
表情包emoji-detect-v1是一个图像合规性检测模型，用于判断输入图像中的人物形象是否满足“表情包Emoji模型”的要求。检测通过后，该模型输出人脸区域及扩展后的动态表情区域坐标，供后续视频生成使用。重要 本文档仅适用于“中国大陆...
通义千问Audio是阿里云研发的大规模音频语言模型，能够理解多种音频（包括说话人语音、自然声音、音乐、歌声等）。模型的核心能力包括音频转录、提取内容摘要、情感分析、音频事件检测及语音聊天等。重要 适用地域：通义千问 Audio 模型...
因此，当您选择此类模型并上传图片时，可点击 图标，从以下两种 图片处理方式 中选择：纯模型处理 模型仅使用自己的视觉能力来分析图片，然后直接回答，不会调用外部工具。适用于“看图问答”。例如，提问“这张图里有什么？模型处理+规划 ...
模型概览 模型简介 舞动人像AnimateAnyone-detect，是一个图像检测模型，用于检测输入的图片是否满足AnimateAnyone模型所需的人物图片规范。舞动人像AnimateAnyone-template，是一个动作模板生成模型，用于从人物运动视频中提取人物动作并...
模型概览 模型简介 灵动人像LivePortrait-detect是一个图像检测模型，用于检测输入的图片是否满足LivePortrait模型所需的人物肖像图片规范。灵动人像LivePortrait是一个人物视频生成模型，可基于人物肖像图片和人声音频文件，快速、轻量地...
基础模型当前支持图像生成模型、图片编辑模型（视频模型近期将支持），可根据您的需求场景灵活选择。图像生成模型支持Qwen-Image等模型的训练；图像编辑模型支持Qwen-Image-Edit-2509、Qwen-Image-Edit等模型的训练，并支持多图（图片组）...
模型体验 支持选择多个模型同时体验，快速对比不同模型的效果，最多同时选择3个模型，支持差异化模型配置及重复模型选择。说明 为了保障模型的正常使用和输出质量，模型体验中心不同模型的文本输入长度限制不同，例如Qwen-Long模型输入...
模型概览 模型简介 悦动人像EMO-detect，是一个特定的图像检测模型，用于检测输入的图片是否满足emo模型所需的人物肖像图片规范。悦动人像EMO，是一个人物视频生成模型，可基于人物肖像图片和人声音频文件生成人物肖像动态视频。模型效果...
LivePortrait-detect模型，用于确认输入的人物肖像图片是否符合LivePortrait模型的输入规范。本文档介绍了该模型提供的图像检测能力的API调用方法。重要 本文档仅适用于“中国大陆（北京）”地域，且必须使用该地域的 API Key。模型概览 ...
EMO-detect模型，用于确认输入的人物肖像图片是否符合EMO视频生成模型的输入规范。本文档介绍了该模型提供的图像检测能力的API调用方法。重要 本文档仅适用于“中国大陆（北京）”地域，且必须使用该地域的 API Key。模型概览 模型名 模型...
qwen-max requestId string 请求 id 0bc13a9517168617617186457e401f time string 时间 2024-04-24 11:54:34 totalTokens integer token 量 300 usage object 消耗 token 量 imageCount integer 图片数量,wanx 等模型 0 imageTokens ...
（不满1天按1天计费）图片生成 模型服务 模型类型 独占实例资源规格 实例单价 实例单价（预付费）通义万相-文本生成图像-0521 预置模型 轻量版 20元/实例/小时 10,000元/月 视频生成 模型服务 模型类型 独占实例资源规格 实例单价 实例单价...
OpenSearch-LLM智能问答版不仅内置了高性能的大语言模型（LLM），还支持用户从阿里云的“大模型服务平台百炼”中增加新的外部LLM。用户可以根据自身的业务需求，灵活选择和集成最合适的大语言模型，从而提高系统的多样性和适应性。本文介绍...
接口支持单段文本、单张图片或单个视频文件的上传，也允许不同类型组合（如文本+图片），部分模型支持同类型内容的多个输入（如多张图片），请参考具体模型的限制说明。北京 模型名称 向量维度 文本长度限制 图片限制 视频片限制 单价（每...