Alibaba/qwen-flash-character

qwen-flash-character

Qwen Flash Character API kostenlos testen für schnelles textbasiertes Persona-Rollenspiel, Profil, Memory und skalierbare Alibaba-LLM-Workflows.

Text Chat

Dokumentation

API-Beispiele

JavaScriptPythoncURL

Anfragebeispiel

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'qwen-flash-character',
    messages: [
      {
        role: 'system',
        content: 'You are a calm library assistant who speaks briefly and vividly.'
      },
      {
        role: 'user',
        content: 'Introduce yourself in three sentences.'
      }
    ],
    stream: true,
    max_tokens: 800,
    temperature: 0.7,
    seed: 12345
  })
});

if (!response.ok) {
  const errorBody = await response.json().catch(() => null);
  throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split(/\r?\n\r?\n/);
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split(/\r?\n/).filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Anfragebeispiel

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'qwen-flash-character',
        'messages': [
            {
                'role': 'system',
                'content': 'You are a calm library assistant who speaks briefly and vividly.',
            },
            {
                'role': 'user',
                'content': 'Introduce yourself in three sentences.',
            },
        ],
        'stream': True,
        'max_tokens': 800,
        'temperature': 0.7,
        'seed': 12345,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Anfragebeispiel

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-flash-character",
    "messages": [
      {
        "role": "system",
        "content": "You are a calm library assistant who speaks briefly and vividly."
      },
      {
        "role": "user",
        "content": "Introduce yourself in three sentences."
      }
    ],
    "stream": true,
    "max_tokens": 800,
    "temperature": 0.7,
    "seed": 12345
  }'

Neuen Chat starten

Senden Sie eine Nachricht, um zu beginnen.

Preise für Qwen Flash Character

Parameter	Preis	Ursprünglicher Preis	Rabatt

Token: input	$0.0500 pro 1 Mio. Eingabe-Token	-	Standard
Token: output	$0.4000 pro 1 Mio. Ausgabe-Token	-	Standard

README

Schnelle und erschwingliche Qwen Flash Character API (Alibaba Character-Roleplay-LLM)

Die Qwen Flash Character API auf Flaq AI bietet schnellen, kosteneffizienten Zugriff auf das Alibaba Character-Roleplay-LLM für Chat-Produkte, Companion-Apps, Storytelling-Systeme und persona-getriebene Workflows. Diese erschwingliche Qwen API-Integration hilft Entwicklern, schnell charakterkonsistente Textantworten zu generieren und dabei promptgesteuerte Tonalität, Profileinrichtung und Gesprächskontext zu unterstützen. Sie ist für schnelle Iteration, Dialogtests mit hohem Volumen und skalierbare Roleplay-Funktionen ausgelegt.

Hauptfunktionen der Qwen Flash Character API

Schneller Charakterdialog: Generiert schnell persona-ausgerichtete Textantworten für Prototypen, Roleplay-Apps, Assistenten und Gesprächsworkflows mit hohem Volumen.
Kosteneffizienter API-Zugriff: Nutzt Qwen Flash Character für erschwinglichen Charakter-Chat, ohne eigene Modellinfrastruktur zu betreiben.
Promptgesteuerte Persona-Kontrolle: Definiert Charakterhintergrund, Ton, Sprechstil und Antwortverhalten über system-Nachrichten, wobei profile für den Langzeitgedächtnis-Modus verwendet wird.
Konsistente Gesprächsrichtung: Hält den Dialog über Turns hinweg an erkennbaren Charaktermerkmalen und Sitzungskontext ausgerichtet.
Unterstützung für Langzeitgedächtnis: Verwendet Gedächtnis über zusammengehörige Gespräche hinweg mit enable_long_term_memory, profile und einem benutzerdefinierten x-session-Wert wieder.
Gruppenchat-Simulation: Simuliert Szenen mit mehreren Sprechern, indem Sprechernamen manuell in den Nachrichteninhalt geschrieben werden und ein assistant-Präfix mit partial: true verwendet wird.
Flexible Roleplay-Abdeckung: Erstellt Companions, Story-Charaktere, Trainings-Personas, Support-Bots und interaktive Fiction-Erlebnisse.
Entwicklerfreundliche Integration: Ergänzt Produkte um schnelle Character-LLM-Workflows über die verwaltete Alibaba API-Route von Flaq AI.

So nutzt du die Qwen Flash Character API für schnellen Charakter-Chat auf Flaq AI

Eingabe: Chat-Nachrichten, System-Persona-Anweisungen, optionale Langzeitgedächtnis-Einstellungen und optionale assistant-partial-Fortsetzungsnachrichten.
Ausgabe: Textantworten für Charakterdialoge, Roleplay, Storytelling und persona-getriebene Chat-Erlebnisse.
Gesprächskontrolle: Unterstützt promptbasierte Steuerung von Identität, Ton, Gedächtnisverhalten, Antwortstil, kurzfristigem Kontext und langfristiger Sitzungskontinuität.
Fähigkeiten: Schneller Roleplay-Dialog, charakterkonsistente Textgenerierung, Persona-Chat, Gruppenchat-Simulation, partielle assistant-Fortsetzung, interaktives Storytelling und skalierbare Charakter-Workflows über die Qwen Flash Character API-Integration.

Bei der Gruppenchat-Simulation werden Sprechernamen nicht aus profile abgeleitet. Füge Namen manuell am Anfang jeder Nachricht hinzu und hänge dann eine finale assistant-Nachricht wie Ling Lu: mit partial: true an, damit das Modell als dieser Charakter fortfährt.

Beste Anwendungsfälle für die Qwen Flash Character API-Integration

Schnelle Dialogiteration: Testet Charakterstimmen, Profile und Interaktionsstile schnell, bevor eine finale Persona-Richtung ausgewählt wird.
Companion- und Roleplay-Apps: Unterstützt nutzerorientierte Produkte, die schnellen Charakter-Chat, leichtgewichtiges Gedächtnis und erschwingliche Textgenerierung benötigen.
Story- und Spiele-Prototyping: Erkundet Dialoge, NPC-Verhalten, verzweigte Szenen und Charakterinteraktionen für frühe Produktentwicklung.
Training und Simulation: Erstellt rollenbasierte Gesprächspraxis für Sprachenlernen, Coaching, Support-Training und Szenario-Proben.
Chat-Workflows mit hohem Volumen: Unterstützt skalierbare Roleplay- und Persona-Chat-Systeme, bei denen Geschwindigkeit und Kosten wichtig sind.

Hinweis Stelle sicher, dass Prompts, Charakterprofile, Gedächtnisnutzung und generierter Text die Sicherheitsanforderungen von Alibaba und Flaq AI erfüllen. Falls ein Fehler auftritt, überarbeite Anfrage, Profil oder Generierungseinstellungen und versuche es erneut.

Qwen Flash Character im Vergleich zu Wettbewerbern: vergleichende Analyse

Qwen Flash Character vs. Qwen Plus Character
Qwen Plus Character ist für reichhaltigeres Roleplay und ausgefeiltere persona-getriebene Antworten positioniert. Qwen Flash Character priorisiert schnellen, erschwinglichen Dialog für iterationsintensive Workflows.
Qwen Flash Character vs. GPT Character Chat GPT-Modelle unterstützen breite allgemeine Konversation. Qwen Flash Character konzentriert sich auf schnelle Alibaba-gestützte Charakter-Chat-Workflows mit verwaltetem API-Zugriff.
Qwen Flash Character vs. Claude Character Chat Claude ist nützlich für sorgfältige lange Dialoge. Qwen Flash Character bietet eine schnellere, günstigere Route für skalierbare Roleplay- und Companion-Chat-Produkte.
Qwen Flash Character vs. Kimi Text-to-Text Kimi ist nützlich für allgemeines LLM-Reasoning und Schreiben. Qwen Flash Character konzentriert sich auf Charakter-Persona-Verhalten, Roleplay-Antwortstil und Dialog mit hohem Volumen.
Qwen Flash Character vs. General Qwen Chat Allgemeine Qwen-Chatmodelle decken breite Textaufgaben ab. Qwen Flash Character ist für persona-geführte Gespräche optimiert, bei denen Geschwindigkeit, Kosten und Charakterkonsistenz zählen.