云南知能科技有限公司
公司新闻
了解知能科技在 AI 应用落地、Token、服务器与定制开发方面的最新动态。
🚀全模态模型
文+视频 生 文+音频
基于阿里通义千问 Qwen3.5-Omni 系列最新一代全模态大模型，可同时接收文本与视频输入，并以 SSE 流式方式返回文本与音频（WAV）。模型具备强大的音视频描述能力，覆盖 74 种语言、39 种方言的输入识别与 29 种语言、7 种方言的语音输出，支持 55 种拟人音色，最长 1 小时视频、
阅读更多
🚀全模态模型
文本+本地视频 生 文本+音频
基于阿里云通义千问 Qwen3.5-Omni 系列最新一代全模态模型的 Responses 端点调用，支持文本、图片、音频、视频任意组合的多模态输入，可同步输出文本与语音（WAV 格式）。模型原生支持 3 小时音频或 1 小时视频的长序列理解，覆盖 113 种输入语言/方言、36 种输出语言/方言，
阅读更多
🚀全模态模型
qwen3-omni-flash全模态模型
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。 🔗 请求地址 https://api.apexrouter.top/v1/responses 提
阅读更多
📄数据处理（文档/PDF/OCR）
deepseek-ocr
DeepSeek-OCR 是一个强大的图像文字识别接口，能够精准识别图片中的文字内容，支持多种场景下的 OCR 处理。 模型名称 模型 说明 DeepSeek-OCR 标准版 OCR 模型 接口地址 https://api.apexrouter.top/v1 支持的 Prompt 模板 场景 Pro
阅读更多
📄数据处理（文档/PDF/OCR）
qwen-vl-ocr-latest
通义千问OCR 是专用于文字提取的视觉理解模型，可从各类图像（如扫描文档、表格、票据等）中提取文本或解析结构化数据，支持识别多种语言，并能通过特定任务指令实现信息抽取、表格解析、公式识别等高级功能。 📍 请求地址 https://api.apexrouter.top/v1/chat/completi
阅读更多