Alibaba/qwen-flash-character

qwen-flash-character

ทดลองใช้ฟรี API Qwen Flash Character สำหรับโรลเพลย์ข้อความที่ขับเคลื่อนด้วยบุคลิกอย่างรวดเร็ว โปรไฟล์ หน่วยความจำ และเวิร์กโฟลว์ Alibaba LLM ที่ปรับขนาดได้

Text Chat

เอกสาร

ตัวอย่าง API

JavaScriptPythoncURL

ตัวอย่างการส่งคำขอ

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);
    }
  }
}

ตัวอย่างการส่งคำขอ

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)

ตัวอย่างการส่งคำขอ

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
  }'

เริ่มแชตใหม่

ส่งข้อความเพื่อเริ่มต้น

ราคา Qwen Flash Character

พารามิเตอร์	ราคา	ราคาเดิม	ส่วนลด

โทเค็น: input	$0.0500 ต่อ 1 ล้านโทเค็นอินพุต	-	มาตรฐาน
โทเค็น: output	$0.4000 ต่อ 1 ล้านโทเค็นเอาต์พุต	-	มาตรฐาน

README

API Qwen Flash Character ที่รวดเร็วและคุ้มค่า (Alibaba Character Roleplay LLM)

Qwen Flash Character API บน Flaq AI ให้การเข้าถึง Alibaba character roleplay LLM ที่รวดเร็วและคุ้มต้นทุนสำหรับผลิตภัณฑ์ chat แอป companion ระบบ storytelling และเวิร์กโฟลว์ที่ขับเคลื่อนด้วย persona การผสานรวม Qwen API ที่คุ้มค่านี้ช่วยให้ developer สร้างการตอบกลับข้อความที่สอดคล้องกับตัวละครได้อย่างรวดเร็ว พร้อมรองรับ tone ที่กำกับด้วย prompt การตั้งค่าโปรไฟล์ และบริบทการสนทนา ออกแบบมาสำหรับการวนซ้ำอย่างรวดเร็ว การทดสอบบทสนทนาปริมาณสูง และฟีเจอร์ roleplay ที่ขยายได้

ฟีเจอร์หลักของ Qwen Flash Character API

บทสนทนาตัวละครที่รวดเร็ว: สร้างการตอบกลับข้อความที่สอดคล้องกับ persona อย่างรวดเร็วสำหรับ prototype แอป roleplay ผู้ช่วย และเวิร์กโฟลว์การสนทนาปริมาณสูง
การเข้าถึง API ที่คุ้มต้นทุน: ใช้ Qwen Flash Character สำหรับ character chat ที่คุ้มค่าโดยไม่ต้องดูแลโครงสร้างพื้นฐานโมเดลแบบกำหนดเอง
การควบคุม Persona ด้วย Prompt: กำหนดพื้นหลังตัวละคร tone สไตล์การพูด และพฤติกรรมการตอบกลับผ่านข้อความ system โดยใช้ profile สำหรับโหมดหน่วยความจำระยะยาว
ทิศทางบทสนทนาที่สอดคล้อง: รักษาบทสนทนาให้สอดคล้องกับคุณลักษณะตัวละครที่จดจำได้และบริบทเซสชันข้ามหลายเทิร์น
รองรับหน่วยความจำระยะยาว: ใช้หน่วยความจำซ้ำในบทสนทนาที่เกี่ยวข้องด้วย enable_long_term_memory, profile และค่า x-session ที่ผู้ใช้กำหนดเอง
การจำลองแชตกลุ่ม: จำลองฉากหลายผู้พูดโดยเขียนชื่อผู้พูดในเนื้อหาข้อความด้วยตนเอง และใช้คำนำหน้า assistant พร้อม partial: true
ขอบเขต Roleplay ที่ยืดหยุ่น: สร้าง companion ตัวละครเรื่องเล่า persona สำหรับการฝึก บอตซัพพอร์ต และประสบการณ์ interactive fiction
การผสานรวมที่เป็นมิตรกับ Developer: เพิ่มเวิร์กโฟลว์ character LLM ที่รวดเร็วลงในผลิตภัณฑ์ผ่าน route Alibaba API ที่จัดการโดย Flaq AI

วิธีใช้ Qwen Flash Character API สำหรับ Character Chat อย่างรวดเร็วบน Flaq AI

Input: ข้อความ chat, คำสั่ง persona ระบบ, การตั้งค่าหน่วยความจำระยะยาวแบบเลือกใช้ และข้อความ assistant partial สำหรับเขียนต่อแบบเลือกใช้
Output: การตอบกลับเป็นข้อความสำหรับบทสนทนาตัวละคร roleplay storytelling และประสบการณ์ chat ที่ขับเคลื่อนด้วย persona
การควบคุมบทสนทนา: รองรับการกำกับด้วย prompt สำหรับอัตลักษณ์ tone พฤติกรรมหน่วยความจำ สไตล์การตอบกลับ บริบทระยะสั้น และความต่อเนื่องของเซสชันระยะยาว
ความสามารถ: บทสนทนา roleplay ที่รวดเร็ว การสร้างข้อความที่สอดคล้องกับตัวละคร persona chat การจำลองแชตกลุ่ม การเขียนต่อ assistant บางส่วน storytelling แบบโต้ตอบ และเวิร์กโฟลว์ตัวละครที่ขยายได้ผ่านการผสานรวม Qwen Flash Character API

สำหรับการจำลองแชตกลุ่ม ชื่อผู้พูดจะไม่ถูกอนุมานจาก profile ให้เพิ่มชื่อที่จุดเริ่มต้นของแต่ละข้อความด้วยตนเอง จากนั้นเพิ่มข้อความ assistant สุดท้าย เช่น Ling Lu: พร้อม partial: true เพื่อให้โมเดลตอบต่อเป็นตัวละครนั้น

กรณีการใช้งานที่ดีที่สุดสำหรับการผสานรวม Qwen Flash Character API

การวนซ้ำบทสนทนาอย่างรวดเร็ว: ทดสอบเสียงตัวละคร โปรไฟล์ และสไตล์การโต้ตอบได้อย่างรวดเร็วก่อนเลือกทิศทาง persona สุดท้าย
แอป Companion และ Roleplay: ขับเคลื่อนผลิตภัณฑ์สำหรับผู้ใช้ที่ต้องการ character chat ที่รวดเร็ว หน่วยความจำเบา และการสร้างข้อความที่คุ้มค่า
การทำ Prototype เรื่องราวและเกม: สำรวจบทสนทนา พฤติกรรม NPC ฉากแตกแขนง และปฏิสัมพันธ์ตัวละครสำหรับการพัฒนาผลิตภัณฑ์ช่วงต้น
Training และการจำลอง: สร้างการฝึกสนทนาตามบทบาทสำหรับการเรียนภาษา coaching การฝึกซัพพอร์ต และการซ้อมสถานการณ์
เวิร์กโฟลว์ Chat ปริมาณสูง: รองรับระบบ roleplay และ persona-chat ที่ขยายได้เมื่อความเร็วและความคุ้มค่ามีความสำคัญ

หมายเหตุ โปรดตรวจสอบให้แน่ใจว่า prompt โปรไฟล์ตัวละคร การใช้หน่วยความจำ และข้อความที่สร้างขึ้นเป็นไปตามข้อกำหนดด้านความปลอดภัยของ Alibaba และ Flaq AI หากเกิดข้อผิดพลาด ให้แก้ไข request โปรไฟล์ หรือการตั้งค่าการสร้าง แล้วลองอีกครั้ง

Qwen Flash Character เทียบกับคู่แข่ง: การวิเคราะห์เปรียบเทียบ

Qwen Flash Character vs. Qwen Plus Character
Qwen Plus Character ถูกวางตำแหน่งสำหรับ roleplay ที่ลึกกว่าและการตอบกลับที่ขับเคลื่อนด้วย persona อย่างประณีตกว่า Qwen Flash Character ให้ความสำคัญกับบทสนทนาที่รวดเร็วและคุ้มค่าสำหรับเวิร์กโฟลว์ที่ต้องวนซ้ำบ่อย
Qwen Flash Character vs. GPT Character Chat โมเดล GPT รองรับการสนทนาอเนกประสงค์ที่กว้าง Qwen Flash Character มุ่งเน้นเวิร์กโฟลว์ character chat ที่รวดเร็วซึ่งขับเคลื่อนโดย Alibaba พร้อมการเข้าถึง API ที่มีการจัดการ
Qwen Flash Character vs. Claude Character Chat Claude มีประโยชน์สำหรับบทสนทนาระยะยาวที่รอบคอบ Qwen Flash Character เสนอ route ที่เร็วกว่าและต้นทุนต่ำกว่าสำหรับผลิตภัณฑ์ roleplay และ companion chat ที่ขยายได้
Qwen Flash Character vs. Kimi Text-to-Text Kimi มีประโยชน์สำหรับการใช้เหตุผล LLM ทั่วไปและการเขียน Qwen Flash Character มุ่งเน้นพฤติกรรม persona ของตัวละคร สไตล์การตอบกลับแบบ roleplay และบทสนทนาปริมาณสูง
Qwen Flash Character vs. General Qwen Chat โมเดล chat Qwen ทั่วไปครอบคลุมงานข้อความที่หลากหลาย Qwen Flash Character ถูกปรับให้เหมาะกับการสนทนาที่นำด้วย persona เมื่อความเร็ว ความคุ้มค่า และความสอดคล้องของตัวละครมีความสำคัญ