阿里通义大模型哪些是支持多模态的api的ai模型？
国外的gpt，gemini都是多模态大模型，调用api直接支持传图片、声音、视频，但是阿里的qwen-max等模型只支持文本，要识别图片害的qwen-vl-max，有没有同时支持图片、声音、文本、视频输入的阿里大模型?
私活外包
搜索
阿里通义大模型哪些是支持多模态的api的ai模型？
国外的gpt，gemini都是多模态大模型，调用api直接支持传图片、声音、视频，但是阿里的qwen-max等模型只支持文本，要识别图片害的qwen-vl-max，有没有同时支持图片、声音、文本、视频输入的阿里大模型?
