Überblick
Beim Videoverständnis analysiert das Modell Videobilder anhand von Textanweisungen und gibt Beschreibungen, Zeitstempel oder strukturierte Ergebnisse zurück. Typische Anwendungen sind:- Beschreibung von Szenen und Handlungen von Personen
- Videozusammenfassungen und Fragen zum Inhalt
- Ermittlung von Anfang und Ende eines Ereignisses
- Extraktion von Informationen im JSON-Format
qwen3.7-plus, wie Sie MP4-Videos mit Chat Completions und der Responses API übergeben.
APIs und Eingabeformate
In Responses ist
video_url ein Erweiterungsfeld von AIHubMix. Die folgenden Beispiele übergeben es per HTTP-Anfrage.
Multimedia-Eingaben für Gemini-Modelle werden im Gemini-Leitfaden beschrieben.
Schnellstart
Das folgende Beispiel verwendet das integriertefetch von Node.js 22. Eine SDK-Installation ist nicht erforderlich. Setzen Sie vor der Ausführung AIHUBMIX_API_KEY in Ihrer Umgebung. Die Beispiel-URL verweist auf eine öffentliche MP4-Datei aus der offiziellen Dokumentation von Alibaba. Ersetzen Sie url für Ihre Anwendung durch eine Videoadresse, auf die der Modellanbieter zugreifen kann.
.mjs-Datei und führen Sie ihn mit Node.js aus. Das erfolgreiche Ergebnis steht in choices[0].message.content und muss erneut als JSON geparst werden. Das Beispiel gibt auch die Anfrage-ID und den Verbrauch zum Abgleich in der Konsole aus.
Lokale Videoeingabe
Kodieren Sie die lokale Datei als Base64 und übergeben Sie sie als Daten-URL mitdata:video/mp4;base64,. Das Beispiel liest den Dateipfad aus dem ersten Befehlszeilenargument oder, wenn keines angegeben wurde, video.mp4 aus dem aktuellen Verzeichnis. Die Video-URL in einer HTTP-Anfrage kann kein lokaler Dateipfad sein.
Responses API
Responses-Anfragen verwenden ebenfalls das Objektvideo_url, während Textblöcke input_text verwenden. Konfigurieren Sie die JSON-Ausgabe unter text.format. Auch dieses Beispiel liest das Video aus dem ersten Befehlszeilenargument oder aus video.mp4 im aktuellen Verzeichnis.
output von Responses kann sowohl Reasoning- als auch Nachrichtenelemente enthalten. Wählen Sie zum Lesen des Ergebnisses output_text aus den message-Elementen aus. Der Ausgabeverbrauch kann Reasoning-Tokens enthalten. Die Länge des endgültigen JSON allein reicht daher nicht zur Kostenschätzung aus.
Strukturierte Ausgabe
Die Beispiele geben im JSON-Modus ein Arrayscenes zurück. Jede Szene enthält:
Passen Sie Prompt und Felder an Ihre Anwendung an. Der JSON-Modus stellt eine JSON-Ausgabe sicher. Feldtypen, Pflichtfelder und Zeitbereiche sollten von der Anwendung validiert werden.
Datei- und Dauerlimits
Die offizielle Vision-Dokumentation von Alibaba nennt folgende Videolimits für die Qwen3.7-Serie:- Zu den Videoformaten gehören MP4, AVI, MKV, MOV, FLV und WMV.
- Die Videodauer liegt zwischen 2 Sekunden und 2 Stunden.
- Die Base64-kodierte Zeichenfolge muss kleiner als 10MB sein. Eine Originaldatei unter 7MB wird empfohlen.
- Bei öffentlichen URLs beträgt das Dateigrößenlimit des Anbieters 2GB.
Abrechnung und Tokens
Qwen wandelt Videobilder in Eingabetokens um, die zusammen mit dem Prompt zum Eingabeverbrauch zählen. Generierte Inhalte zählen zum Ausgabeverbrauch. Videodauer, Auflösung und Frame-Auswahl beeinflussen den Verbrauch. Die MP4-Dateigröße oder Dauer allein reicht nicht aus, um die Kosten zu berechnen. Videoeingaben von Qwen3.7 Plus werden zum Eingabetokenpreis des Modells abgerechnet, generierte Inhalte zum Ausgabetokenpreis. Die Preise finden Sie auf der Modellseite von Qwen3.7 Plus.- Chat Completions meldet
usage.prompt_tokensundusage.completion_tokens. - Responses meldet
usage.input_tokensundusage.output_tokens. - Reasoning-Tokens sind bereits in den Ausgabetokens enthalten und dürfen nicht erneut addiert werden.
- Cache-Treffer werden zum jeweils geltenden Cache-Preis abgerechnet.
x-aihubmix-request-id auf.
Empfehlungen
- Senden Sie Video und Textanweisungen gemeinsam und geben Sie die zu extrahierenden Informationen sowie das Ausgabeformat an.
- Öffentliche Videolinks müssen während der Anfrage gültig und für den Modellanbieter erreichbar bleiben.
- Verwenden Sie Base64 für kleine lokale Dateien und bevorzugen Sie öffentliche URLs für größere Dateien.
- Validieren Sie JSON-Felder, Szenenreihenfolge und Zeitbereiche in Ihrer Anwendung.
- Zeitstempel eignen sich zum Auffinden von Ereignissen und Inhalten. Für präzise Schnitte sollten Sie die Grenzen mit Videobearbeitungswerkzeugen abgleichen.
Aktualisiert: 2026-10-13