# 0.6.5 版本发布日期：2025 年 11 月 30 日 | | | \ |**产品** |**版本** | |---|---| | | | \ |LAS |`v-0.10.0` | | | | \ |算子库 |`0.6.5` | ## 目录新增 12个算子，有如下类别，并持续扩展中： | | | | \ |**应用场景** |**功能** |**算子名称** | |---|---|---| | | | | \ |方舟大模型系列 |视频生成 |**【新增】++seedance 视频生成++** | | | | | \ |多模态 |图片理解 |**【新增】++图片内容理解（LLaVA 系列模型）++** | |^^|^^| | \ | | |**【新增】++图片内容理解（Qwen VL 系列模型，支持大尺寸模型）++** | |^^| | | \ | |视频理解 |**【新增】++视频内容理解（Qwen VL 系列模型，支持大尺寸模型）++** | |^^| | | \ | |多模态向量化 |**【新增】++图文 Embedding（CLIP 模型）++** | | | | | \ |音频 |音频识别 |1. **【新增】++语音端点识别（Silero 模型）++** |\ | | |2. **【新增】++语音转文字（FireRed）++** | |^^| | | \ | |音频处理 |1. **【新增】++音频滤镜处理++** |\ | | |2. **【新增】++音频信噪比计算++** | | | | | \ |其他 |其他 |**【新增】++时间戳片段合并++** | | | | | \ |文本 |文本向量化 |**【新增】++文本 embedding（BGE模型）++** | |^^| | | \ | |文本处理 |**【新增】++文本链接移除++** | # 0.5.21 版本发布日期：2025 年 9 月 30 日 | | | \ |**产品** |**版本** | |---|---| | | | \ |LAS |`v-0.9.0` | | | | \ |算子库 |`0.5.21` | ## 目录新增 7 个算子，有如下类别，并持续扩展中： | | | | \ |**应用场景** |**功能** |**算子名称** | |---|---|---| | | | | \ |方舟大模型系列（2） |\ | |文本向量化 |1. **【新增】++文本向量化（Doubao-embedding-large）++** |\ | | |2. **【新增】++文本向量化（Doubao-embedding）++** | | | | | \ |多模态（1） |音频理解 |**【新增】++音频内容理解（Qwen Omni 模型）++** | | | | | \ |文本类（2） |\ | |TOS 路径预签名 |**【新增】++生成 TOS 的普通预签名++** | |^^| | | \ | |文本翻译 |**【新增】++多语言文本翻译++** | | | | | \ |音频类（1） |音频处理 |**【新增】++音频文件大小计算++** | | | | | \ |视频类（1） |视频处理 |**【新增】++视频片段切分(时长)++** | # 0.5.10.1 版本发布日期：2025 年 8 月 21 日 | | | \ |**产品** |**版本** | |---|---| | | | \ |LAS |`v-0.8.0` | | | | \ |算子库 |`0.5.10.1` | ## 目录 LAS 算子广场当前上线的算子有如下类别，并持续扩展中： | | | | \ |**应用场景** |**功能** |**算子名称** | |---|---|---| | | | | \ |[方舟大模型系列](https://www.volcengine.com/docs/6492/1798370#%E6%96%B9%E8%88%9F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%B3%BB%E5%88%97)（21） |多模态深度思考 |1. **++多模态深度思考（Doubao-Seed-1.6）++** |\ | | |2. **++多模态深度思考（Doubao-1.5-thinking-vision-pro）++** |\ | | |3. **++多模态深度思考（Doubao-Seed-1.6-thinking）++** |\ | | |4. **++多模态深度思考（Doubao-Seed-1.6-flash）++** |\ | | |5. **++多模态深度思考（豆包系列模型）++** | |^^| | | \ | |文本生成 |1. **++深度思考（Deepseek-R1-distill-qwen-32b）++** |\ | | |2. **++文本生成（Deepseek-V3）++** |\ | | |3. **++文本生成（Doubao-1.5-pro-256K）++** |\ | | |4. **++深度思考（Deepseek-R1-distill-qwen-7b）++** |\ | | |5. **++文本生成（Doubao-1.5-pro-32K）++** |\ | | |6. **++文本生成（Doubao-1.5-lite-32K）++** |\ | | |7. **++深度思考（Deepseek-R1）++** |\ | | |8. **++深度思考（Doubao-1.5-thinking-pro）++** |\ | | |9. **++文本生成（Doubao-lite-32K）++** |\ | | |10. **++文本生成（豆包 / DeepSeek 系列模型）++** | |^^| | | \ | |视觉理解 |1. **++视觉内容理解（Doubao-1.5-vision-pro）++** |\ | | |2. **++视觉内容理解（Doubao-1.5-vision-pro-32k）++** |\ | | |3. **++视觉内容理解（豆包系列模型）++** | |^^| | | \ | |文本向量化 |1. **++文本向量化（Doubao-embedding-large）++** |\ | | |2. **++文本向量化（Doubao-embedding）++** | |^^| | | \ | |视频生成 |**++seedance 视频生成++** | |^^| | | \ | |多模态向量化 |**++图文embedding (豆包系列模型)++** | | | | | \ |[多模态](https://www.volcengine.com/docs/6492/1798370#%E5%A4%9A%E6%A8%A1%E6%80%81)（8） |多模态向量化 |\ | |（共享） |**++图文embedding (CLIP 模型)++** | |^^| | | \ | |图片理解 |1. **++图片内容理解（Qwen-VL 系列模型）++** |\ | | |2. **++图片内容理解（LLaVA 系列模型）++** |\ | | |3. **++图片内容理解（Qwen VL 系列模型，支持大尺寸模型）++** | |^^| | | \ | |视频理解 |1. **++视频内容理解（Qwen-VL 系列模型）++** |\ | | |2. **++视频内容理解（Qwen VL 系列模型，支持大尺寸模型）++** | |^^| | | \ | |音频理解 |1. **++音频内容理解（Qwen Omni 模型）++** |\ | | |2. **++音频理解（Kimi-Audio 系列模型）++** | | | | | \ |[文本](https://www.volcengine.com/docs/6492/1798370#%E6%96%87%E6%9C%AC%E7%B1%BB)（25） |\ | |文本清洗 |1. **++特定字符替换++** |\ | | |2. **++HTML 标签移除++** | |^^| | | \ | |文本质量评估 |1. **++多语言文本质量评分++** |\ | | |2. **++英文文本质量评分++** | |^^| | | \ | |文本向量化 |1. **++文本 sparse & dense embedding（BGE模型）++** |\ | | |2. **++文本 embedding（BGE模型）++** | |^^| | | \ | |文本安全识别 |**++文本内容风险识别++** | |^^| | | \ | |文本处理 |1. **++文本 chunk 切分（基于句子结构）++** |\ | | |2. **++中文简繁体转换++** |\ | | |3. **++文本安全性评分器++** |\ | | |4. **++文本链接移除++** |\ | | |5. **++URL 占比计算器++** |\ | | |6. **++文本长度计算器++** |\ | | |7. **++空白字符标准化器++** |\ | | |8. **++特殊字符占比计算器++** |\ | | |9. **++最大英文单词长度计算器++** |\ | | |10. **++MD5 哈希计算++** |\ | | |11. **++重复行计算器++** |\ | | |12. **++项目符号行占比计算器++** |\ | | |13. **++版权声明移除++** |\ | | |14. **++字符占比计算器++** |\ | | |15. **++词重复比例计算器++** |\ | | |16. **++CommonCrawl WARC 文件内容提取++** |\ | | |17. **++困惑度计算器++** | |^^| | | \ | |文本分类 |1. **++文本语种识别++** | | | | | \ |[文档](https://www.volcengine.com/docs/6492/1798370#%E6%96%87%E6%A1%A3%E5%A4%84%E7%90%86)（2） |文档解析 |1. **++PDF 文档智能解析++** |\ | | |2. **++Xlsx 文档解析++** | | | | | \ |[图片](https://www.volcengine.com/docs/6492/1798370#%E5%9B%BE%E7%89%87%E7%B1%BB)（3） |图片处理 |1. **++图片重采样++** | |^^| | | \ | |图片OCR |1. **++图像 OCR（EasyOCR）++** | |^^| | | \ | |图片向量化 |1. **++图像 Embedding（ViT 系列模型）++** | | | | | \ |[音频](https://www.volcengine.com/docs/6492/1798370#%E9%9F%B3%E9%A2%91%E7%B1%BB)（22） |音频处理 |1. **++音频格式转换++** |\ | | |2. **++音频-说话人分段 (Pyannote)++** |\ | | |3. **++音频-人声分离 (Demucs)++** |\ | | |4. **++音频信噪比计算++** |\ | | |5. **++音频转MP3++** |\ | | |6. **++音频质量评分（DNSMOS）++** |\ | | |7. **++音频片段切分（时间戳）++** |\ | | |8. **++音频滤镜处理++** |\ | | |9. **++音频文件大小计算++** |\ | | |10. **++音频静音检测++** |\ | | |11. **++音频片段切分（时长）++** |\ | | |12. **++音频时长计算++** | |^^| | | \ | |音频预处理 |1. **++音频格式标准化++** | |^^| | | \ | |音频安全识别 |1. **++音频风险识别++** | |^^| | | \ | |音频生成 |1. **++文字转语音（豆包语音大模型）++** | |^^| | | \ | |音频分类 |1. **++音频多语种识别（whisper）++** | |^^| | | \ | |音频识别 |1. **++语音转文字（FireRed）++** |\ | | |2. **++语音端点识别（FSMN 模型）++** |\ | | |3. **++语音端点识别（Silero 模型）++** |\ | | |4. **++语音转文字（LAS ASR服务）++** |\ | | |5. **++语音转文字（whisper 系列模型）++** |\ | | |6. **++说话人确认（ERes2Net）++** | | | | | \ |[视频](https://www.volcengine.com/docs/6492/1798370#%E8%A7%86%E9%A2%91%E7%B1%BB)（3） |视频处理 |1. **++视频关键帧抽取++** |\ | | |2. **++音频抽取++** |\ | | |3. **++视频片段切分(关键帧)++** | | | | | \ |其他（1） |其他 |**++时间戳片段合并++** | ## 算子列表 ### 方舟大模型系列 #### 视觉理解 ##### **++视觉内容理解（Doubao-1.5-vision-pro）++** **描述** 大模型多模态视频理解处理器。 **核心功能** * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据：string类型，支持base64编码/url地址 * （可选配置）用户提示词：string类型，当用户需要为每条数据指定不同提示词时，传入用户提示词。若不传入，则使用prompt字段配置的统一提示词） * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包多模态模型示例： * doubao-1.5-vision-pro-32k（版本250115） * doubao-1.5-vision-lite（版本250315） * doubao-1.5-vision-pro（版本250328）

##### **++视觉内容理解（Doubao-1.5-vision-pro-32k）++** **描述** 大模型多模态视频理解处理器。 **核心功能** * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据：string类型，支持base64编码/url地址 * （可选配置）用户提示词：string类型，当用户需要为每条数据指定不同提示词时，传入用户提示词。若不传入，则使用prompt字段配置的统一提示词） * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包多模态模型示例： * doubao-1.5-vision-pro-32k（版本250115） * doubao-1.5-vision-lite（版本250315） * doubao-1.5-vision-pro（版本250328）

##### **++视觉内容理解（豆包系列模型）++** **描述** 大模型多模态视频理解处理器。 **核心功能** * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据：string类型，支持base64编码/url地址 * （可选配置）用户提示词：string类型，当用户需要为每条数据指定不同提示词时，传入用户提示词。若不传入，则使用prompt字段配置的统一提示词） * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包多模态模型示例： * doubao-1.5-vision-pro-32k（版本250115） * doubao-1.5-vision-lite（版本250315） * doubao-1.5-vision-pro（版本250328）

##### 视频内容理解（豆包系列）增强版 **描述** 视频内容理解算子，支持对视频文件使用豆包模型进行理解，包括视频内容的解析与自然语言描述生成。 **使用限制** * 视频文件占用存储空间需小于 1 GiB。 * 暂不支持对视频文件中的音频信息进行理解。 * 视频链接需为公网或者火山内网可访问。 **核心功能** * 将视频压缩到50M以内，再使用豆包模型进行视频理解； * 支持视频格式：MP4、AVI、MOV、MKV、FLV、WMV，因视频文件格式变种较多，不能保证所有文件都能被识别，请通过测试验证文件能够被正常识别。 **性能说明** * 理论上，视频越大，所需的处理时间越长； * 实际处理时间受视频质量、网络环境等因素影响，建议在火山内网环境下使用。 **支持模型示例：** ![Image](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/d25f830826d8487f8d82727f3be84192~tplv-goo7wpa0wc-image.image =2218x) #### 多模态深度思考 ##### **++多模态深度思考（Doubao-Seed-1.6）++** **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++多模态深度思考（Doubao-1.5-thinking-vision-pro）++** **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++多模态深度思考（Doubao-Seed-1.6-thinking）++** **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++多模态深度思考（Doubao-Seed-1.6-flash）++** **描述** **多模态场景下提供大模型的深度思考能力** 使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出. **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++多模态深度思考（豆包系列模型）++** **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

#### 文本生成 ##### **++深度思考（Deepseek-R1-distill-qwen-32b）++** :::tip 该算子在 0.5.21 版本下线。 ::: **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++文本生成（Deepseek-V3）++** **描述** 大模型文本生成专用处理器（豆包/DeepSeek）。 **核心功能** * 纯文本场景优化：根据用户输入文本数据，自动构建符合模型规范的message结构 * 输入简化机制：原生支持str类型输入，自动封装为{role: user, content: text}格式 * 多任务支持：翻译/总结/问答等NLP场景开箱即用 * 双提示词系统： * system_content：系统级行为指导（如翻译风格控制） * prompt：用户级指令模板（支持{query}占位符替换） **输入输出规范：** * 输入格式：纯文本数据 * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包文本模型系列： * doubao-1.5-lite-32k（版本250115） * doubao-1.5-pro-256k（版本250115） * 等等 * DeepSeek系列： * DeepSeek-V3（版本250324）

##### **++文本生成（Doubao-1.5-pro-256K）++** **描述** 大模型文本生成专用处理器（豆包/DeepSeek）。 **核心功能** * 纯文本场景优化：根据用户输入文本数据，自动构建符合模型规范的message结构 * 输入简化机制：原生支持str类型输入，自动封装为{role: user, content: text}格式 * 多任务支持：翻译/总结/问答等NLP场景开箱即用 * 双提示词系统： * system_content：系统级行为指导（如翻译风格控制） * prompt：用户级指令模板（支持{query}占位符替换） **输入输出规范：** * 输入格式：纯文本数据 * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包文本模型系列： * doubao-1.5-lite-32k（版本250115） * doubao-1.5-pro-256k（版本250115） * 等等 * DeepSeek系列： * DeepSeek-V3（版本250324）

##### **++深度思考（Deepseek-R1-distill-qwen-7b）++** :::tip 该算子在 0.5.21 版本下线。 ::: **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++文本生成（Doubao-1.5-pro-32K）++** **描述** 大模型文本生成专用处理器（豆包/DeepSeek）。 **核心功能** * 纯文本场景优化：根据用户输入文本数据，自动构建符合模型规范的message结构 * 输入简化机制：原生支持str类型输入，自动封装为{role: user, content: text}格式 * 多任务支持：翻译/总结/问答等NLP场景开箱即用 * 双提示词系统： * system_content：系统级行为指导（如翻译风格控制） * prompt：用户级指令模板（支持{query}占位符替换） **输入输出规范：** * 输入格式：纯文本数据 * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包文本模型系列： * doubao-1.5-lite-32k（版本250115） * doubao-1.5-pro-256k（版本250115） * 等等 * DeepSeek系列： * DeepSeek-V3（版本250324）

##### **++文本生成（Doubao-1.5-lite-32K）++** **描述** 大模型文本生成专用处理器（豆包/DeepSeek）。 **核心功能** * 纯文本场景优化：根据用户输入文本数据，自动构建符合模型规范的message结构 * 输入简化机制：原生支持str类型输入，自动封装为{role: user, content: text}格式 * 多任务支持：翻译/总结/问答等NLP场景开箱即用 * 双提示词系统： * system_content：系统级行为指导（如翻译风格控制） * prompt：用户级指令模板（支持{query}占位符替换） **输入输出规范：** * 输入格式：纯文本数据 * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包文本模型系列： * doubao-1.5-lite-32k（版本250115） * doubao-1.5-pro-256k（版本250115） * 等等 * DeepSeek系列： * DeepSeek-V3（版本250324）

##### **++深度思考（Deepseek-R1）++** **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++深度思考（Doubao-1.5-thinking-pro）++** **描述** 多模态场景下提供大模型的深度思考能力。使用具备深度思考能力的模型进行图片、视频或文本进行分析理解，并返回文本输出。 **核心功能** * 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content） * 多模态场景支持：支持图片/视频理解任务，自动构建符合多模态模型规范的message结构 * 输入简化机制：配置图片/视频的base64编码、URL等输入格式，便可以实现视觉理解功能 **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * （可选）用户提示词：string类型，当需要为每条数据指定不同提示词时传入，未传入时使用类初始化参数中的prompt * 输出格式： * 默认模式：struct类型包含 llm_result（生成结果）和 reasoning_content（思维链内容） * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，额外返回 finish_reason 字段： * finish_reason：模型结果结束原因，取值范围：stop（正常终止）、length（超出token限制）、content_filter（内容过滤） **模型能力增强：** * 思维链可视化：通过 reasoning_content 字段输出模型的推理过程 * 结果可靠性控制：通过 finish_reason 字段识别异常终止情况 * 多模态理解：支持图片/视频/文本的混合输入解析 **支持模型示例：** * doubao-Seed-1.6（版本250615） * doubao-Seed-1.6-thinking（版本250715）

##### **++文本生成（Doubao-lite-32K）++** **描述** 大模型文本生成专用处理器（豆包/DeepSeek）。 **核心功能** * 纯文本场景优化：根据用户输入文本数据，自动构建符合模型规范的message结构 * 输入简化机制：原生支持str类型输入，自动封装为{role: user, content: text}格式 * 多任务支持：翻译/总结/问答等NLP场景开箱即用 * 双提示词系统： * system_content：系统级行为指导（如翻译风格控制） * prompt：用户级指令模板（支持{query}占位符替换） **输入输出规范：** * 输入格式：纯文本数据 * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包文本模型系列： * doubao-1.5-lite-32k（版本250115） * doubao-1.5-pro-256k（版本250115） * 等等 * DeepSeek系列： * DeepSeek-V3（版本250324）

##### **++文本生成（豆包 / DeepSeek 系列模型）++** **描述** 大模型文本生成专用处理器（豆包/DeepSeek）。 **核心功能** * 纯文本场景优化：根据用户输入文本数据，自动构建符合模型规范的message结构 * 输入简化机制：原生支持str类型输入，自动封装为{role: user, content: text}格式 * 多任务支持：翻译/总结/问答等NLP场景开箱即用 * 双提示词系统： * system_content：系统级行为指导（如翻译风格控制） * prompt：用户级指令模板（支持{query}占位符替换） **输入输出规范：** * 输入格式：纯文本数据 * 输出格式： * 默认模式：str类型生成结果 * 诊断模式：设置环境变量 LAS_LLM_FINISH_REASON_CHECK=true，返回完整的生成结果和模型结果结束原因： * llm_result：str类型，生成结果 * finish_reason：str类型，模型结果结束原因，取值范围：stop、length、content_filter **支持模型示例：** * 豆包文本模型系列： * doubao-1.5-lite-32k（版本250115） * doubao-1.5-pro-256k（版本250115） * 等等 * DeepSeek系列： * DeepSeek-V3（版本250324）

#### 文本向量化 ##### **++文本向量化（Doubao-embedding-large）++** **描述** **文本向量化生成处理器** **核心功能** * 文本向量化支持：支持文本的向量化生成，实现文本检索能力，参考文档：[文本向量化 API](https://www.volcengine.com/docs/82379/1521766)。 **输入输出规范：** * 输入格式： * 文本数据：string类型 * 输出格式： * 默认模式：float数组类型的向量表示

##### **++文本向量化（Doubao-embedding）++** **描述** **文本向量化生成处理器** **核心功能** * 文本向量化支持：支持文本的向量化生成，实现文本检索能力，参考文档：[https://www.volcengine.com/docs/82379/1521766](https://www.volcengine.com/docs/82379/1521766) **输入输出规范：** * 输入格式： * 文本数据：string类型 * 输出格式： * 默认模式：float数组类型的向量表示

多模态向量化 ##### **++图文embedding (CLIP 模型)++** **描述** CLIP（Contrastive Language-Image Pretraining）跨模态嵌入生成器，实现基于CLIP模型的图文联合嵌入空间映射。 **核心功能** * 多模态统一编码 * 文本编码：中文文本 → 512/768/1024维语义向量 * 图像编码：图像 → 512/768/1024维视觉特征向量 * 跨模态相似度计算 * 支持余弦相似度/内积计算图文嵌入向量的关联度 **典型应用场景** * ✅ 电商场景 - 商品图文互搜 * ✅ 内容审核 - 图文一致性校验 * ✅ 推荐系统 - 多模态特征融合

##### **++图文embedding (豆包系列模型)++** **描述** 多模态向量生成处理器。 **核心功能** * 多模态向量化支持：支持图像/视频与文本的联合向量生成，实现跨模态检索能力，参考文档：[https://www.volcengine.com/docs/82379/1523520](https://www.volcengine.com/docs/82379/1523520) * 输入格式自适应： * 原生支持图像/视频的base64编码、二进制数据、URL等输入格式 * 自动处理媒体格式转换（JPEG/PNG/MP4/AVI等） * 模型名称：doubao-embedding-vision **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * 输出格式： * 默认模式：float数组类型的向量表示 **支持模型版本示例：** ```Plain Text - 250615 - 250328 ```

### 多模态 #### 多模态向量化 ##### **++图文embedding (CLIP 模型)++** **描述** CLIP（Contrastive Language-Image Pretraining）跨模态嵌入生成器，实现基于CLIP模型的图文联合嵌入空间映射。 **核心功能** * 多模态统一编码 * 文本编码：中文文本 → 512/768/1024维语义向量 * 图像编码：图像 → 512/768/1024维视觉特征向量 * 跨模态相似度计算 * 支持余弦相似度/内积计算图文嵌入向量的关联度 **典型应用场景** * ✅ 电商场景 - 商品图文互搜 * ✅ 内容审核 - 图文一致性校验 * ✅ 推荐系统 - 多模态特征融合

##### **++图文embedding (豆包系列模型)++** **描述** 多模态向量生成处理器。 **核心功能** * 多模态向量化支持：支持图像/视频与文本的联合向量生成，实现跨模态检索能力，参考文档：[https://www.volcengine.com/docs/82379/1523520](https://www.volcengine.com/docs/82379/1523520) * 输入格式自适应： * 原生支持图像/视频的base64编码、二进制数据、URL等输入格式 * 自动处理媒体格式转换（JPEG/PNG/MP4/AVI等） * 模型名称：doubao-embedding-vision **输入输出规范：** * 输入格式： * 图片/视频数据/文本数据：string类型，支持base64编码/url地址 * 输出格式： * 默认模式：float数组类型的向量表示 **支持模型版本示例：** ```Plain Text - 250615 - 250328 ```

#### 图片理解 ##### **图片内容理解（Qwen VL 系列模型）** **描述** 基于 Qwen2.5-VL 的多模态图像理解模型，支持视觉语义解析与自然语言描述生成。 **核心功能** * 多模态输入处理：支持 TOS URL/Base64编码/二进制流三种图像格式 * 视觉-语言联合建模：实现图像内容到语义空间的映射 * 支持对话式提示：通过提示词(prompt)引导生成方向 * 中英文混合场景优化：特别针对中文语义增强 * 支持先将图像尺寸修正为一致，建议按照图像和GPU情况设置图像尺寸

#### 视频理解 ##### **++视频内容理解（Qwen VL 系列模型）++** **描述** 基于 Qwen2.5-VL 的多模态视频理解模型，支持时序语义解析与自然语言描述生成。 **核心功能** * 多模态时序建模：支持 TOS URL/Base64编码/二进制流三种视频格式 * 时空联合建模：捕捉视频时空特征与语义关联 * 对话式提示：通过提示词(prompt)引导生成方向 * 中英文混合场景优化：特别针对中文语义增强 * 支持先将视频尺寸修正为一致，建议按照视频和GPU情况设置尺寸

#### 音频理解 ##### **++音频内容理解（Qwen Omni 模型）++** **描述** Qwen2.5-Omni 多模态音频理解模型 - 音频内容解析与自然语言描述生成核心功能 **核心功能** * 智能内容理解与描述生成 * 基于音频信号自动生成详细准确的自然语言描述，支持通过 prompt 参数自定义提示词 * 支持mp3、acc、m4a等音频格式 * 高效模型加载与推理优化 * 支持多种计算精度选择（bfloat16、float16、float32），适配不同性能需求 * 集成FlashAttention2加速技术，显著提升推理效率 * 支持自动或手动设备分配，完美适配单卡/多卡环境 **场景优化** * 广泛适用于音频内容分析、智能音频描述、多媒体内容理解等应用场景 * 内置批处理机制，高效支持大规模音频数据并行推理 * 灵活配置返回音频数据选项，满足多样化业务需求

### 文本类 #### 文本清洗 ##### **++特定字符替换++** **描述** 正则表达式批量替换处理器，支持多模式并行替换与复杂规则处理。 **核心功能** * 双模式替换机制： * 精确字符串匹配替换 * 正则表达式模式匹配替换 * 批量处理能力：支持多组pattern-replacement对并行处理 * 容错机制：异常模式跳过并记录详细日志

##### **++HTML 标签移除++** **描述** HTML 文档净化处理器，支持复杂结构解析与 HTML 标签清理。 **核心功能** * 多结构解析： * 标题提取：自动识别 `

-

` 标签 * 正文抽取：智能识别文章主体内容 * 冗余过滤：移除 `

AI 数据湖服务