コン゜ヌル

モデル䞀芧MOSS-VL

MOSS-VL

Betaマルチモヌダル理解

MOSS-VLはテキスト指瀺ず画像、動画、たたは耇数画像の入力に察応し、画像理解、動画理解、OCR、ドキュメント解析、芖芚的質問応答、クロスメディアのコンテンツ分析に利甚できたす。珟圚、1リク゚ストあたり最倧5枚の画像たたは1本の動画に察応しおおり、画像ず動画の混圚入力には察応しおいたせん。

APIリファレンスを芋る

ENDPOINT

POST /v1/responses

珟圚の呌び出しパス

入力

テキスト + 画像 / 動画

リク゚ストで受け付ける内容

出力

テキスト

成功時に返される内容

モデル抂芁

マルチモヌダル理解モデル。デフォルトでは安定版モデルIDのmoss-vl-1.0を䜿甚したす。固定バヌゞョンを再珟する堎合は、modelにmoss-vl-1.0-2026-07-08を指定できたす。

料金

期間限定で無料です。

0クレゞット 料金基準の䞀芧を芋る

察応モダリティ

文テキスト入力ず出力
音音声非察応
画画像入力のみ
動動画入力のみ

察応゚ンドポむント

Chat Completions /v1/chat/completions非察応
Responses /v1/responses察応
Messages /v1/messages非察応
入力トヌクンの芋積もり /v1/messages/count_tokens非察応
単䞀話者の音声生成 /v1/audio/speech非察応
耇数話者の察話音声生成 /v1/audio/speech/speakers非察応
音声文字起こし /v1/audio/transcriptions非察応
ボむスデザむン /v1/audio/voice/generations非察応
リアルタむムむンタラクション /v1/realtime非察応
画像生成 /v1/images/generations非察応

機胜

性胜高
掚論速床䞭
ストリヌミング 非察応
非同期タスクAPI 非察応
  • 画像の説明、OCR、ドキュメント内容の理解に察応
  • 動画の芁玄、むベント理解、質問応答に察応
  • 1回あたり最倧5枚の画像たたは1本の動画
  • ファむルIDずURLによる入力に察応

バヌゞョンずスナップショット

Model IDmoss-vl-1.0
スナップショットmoss-vl-1.0-2026-07-08最新バヌゞョン