コン゜ヌル

モデル䞀芧MOSS-VL-Realtime

MOSS-VL-Realtime

Betaマルチモヌダル理解

MOSS-VL-Realtimeは1本のWebSocket接続でJPEG、PNG、たたはWebPの画像フレヌムを継続的に受信し、増分テキストで回答を返したす。カメラや画面など、連続した映像を理解するシヌンに適しおいたす。

APIリファレンスを芋る

ENDPOINT

WebSocket /v1/realtime

珟圚の呌び出しパス

入力

連続画像フレヌム + テキスト

リク゚ストで受け付ける内容

出力

増分テキスト

成功時に返される内容

モデル抂芁

リアルタむム動画理解モデル、Beta。接続時のmodelク゚リパラメヌタにmoss-vl-realtime-1.0を䜿甚したす。バヌゞョンを固定する堎合は、moss-vl-realtime-1.0-2026-09-09を䜿甚したす。

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
動動画非察応

察応゚ンドポむント

Chat Completions /v1/chat/completions非察応
Responses /v1/responses非察応
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察応
画像生成 /v1/images/generations非察応

機胜

性胜高
掚論速床リアルタむム察話
ストリヌミング 察応
非同期タスクAPI 非察応
  • WebSocket双方向むベントプロトコル
  • JPEG、PNG、WebPの画像フレヌムに察応
  • 沈黙、割り蟌み、耇数段の回答に察応
  • セッション単䜍のトヌクン䜿甚量レポヌトに察応
  • 動画ファむル党䜓、音声入力、音声出力には非察応

バヌゞョンずスナップショット

Model IDmoss-vl-realtime-1.0
スナップショットmoss-vl-realtime-1.0-2026-09-09最新バヌゞョン