通义千问 Qwen

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。

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。

文本对话

{
  "model": "qwen3.7-plus",
  "dashscope_api_key": "YOUR_API_KEY"
}

参数	说明
`model`	可填 `qwen3.7-plus`、`qwen3.7-max`、`qwen3.6-plus`、`qwen3.5-plus`、`qwen3-max`、`qwen-max`、`qwen-plus`、`qwen-turbo`、`qwq-plus` 等
`dashscope_api_key`	在百炼控制台创建，参考官方文档

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。qwen3.7-plus / qwen3.6-plus / qwen3.5-plus / qwen3-max 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：

{
  "tools": {
    "vision": {
      "model": "qwen3.7-plus"
    }
  }
}

支持模型：qwen3.7-plus、qwen3.6-plus、qwen3.5-plus、qwen3-max。

图像生成

{
  "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

{
  "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

{
  "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

{
  "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。

​文本对话

​图像理解

​图像生成

​语音识别

​语音合成

​向量

文本对话

图像理解

图像生成

语音识别

语音合成

向量