项目简介
qwen-free-api 是一个开源项目，提供与阿里通义千问大模型兼容的API接口。
该项目支持多种功能，包括高速流式输出、无水印AI绘图、长文档解读、图像解析以及多轮对话等。允许用户通过零配置部署，支持多路token，并能自动清理会话痕迹，以提高使用体验。
使用场景
对话补全：用户可以利用 qwen-free-api进行自动文本生成，实现聊天机器人的对话补全功能。AI绘图：根据用户提供的描述，AI可以生成相应的图像。 文档解读：AI可以解析用户提供的文档内容，并给出解读。 图像解析：AI可以对用户提供的图像进行内容解析。 多轮对话：支持在对话中进行多轮交互，使对话更加自然和连贯。
使用方法
在线体验
提供了一个临时测试功能的链接：https://udify.app/chat/qOXzVl5kkvhQXM8r。
接入准备
用户从通义千问（ https://tongyi.aliyun.com/qianwen）登录获取login_tongyi_ticket。使用开发者工具从Cookies中找到 login_tongyi_ticket的值，这将作为后续请求的Bearer Token。
部署方法
提供了多种部署方式，包括Docker、Docker-compose、Render、Vercel、Zeabur和原生部署。
1. Docker 部署
准备一台具有公网IP的服务器，并将8000端口开放。 使用以下命令拉取镜像并启动服务：
dockerrun-it-d--init--nameqwen-free-api-p8000:8000-eTZ=Asia/Shanghaivinlic/qwen-free-api:latest
查看、重启或停止服务的命令分别是：
dockerlogs-fqwen-free-api
dockerrestartqwen-free-api
dockerstopqwen-free-api
2. Docker-compose 部署
使用以下docker-compose.yml文件：
services:
qwen-free-api:
container_name: qwen-free-api
image: vinlic/qwen-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
3. Render 部署
fork本项目到你的github账号下。 访问 Render 并登录你的github账号。 构建你的 Web Service（New+ -> Build and deploy from a Git repository -> Connect你fork的项目 -> 选择部署区域 -> 选择实例类型为Free -> Create Web Service）。 等待构建完成后，复制分配的域名并拼接URL访问即可。
4. Vercel 部署
确保安装Node.js环境。 全局安装Vercel CLI：
npmi-gvercel--registryhttp://registry.npmmirror.com
登录Vercel并部署项目：
npmi-gvercel--registryhttp://registry.npmmirror.com
vercellogin
gitclonehttps://github.com/LLM-Red-Team/qwen-free-api
cdqwen-free-api
vercel--prod
5. 原生部署
准备一台服务器并安装Node.js环境。 安装依赖：
npmi
安装PM2进行进程守护：
npmi-gpm2
编译构建：
npmrunbuild
启动服务：
pm2startdist/index.js--name"qwen-free-api"
查看、重启或停止服务的命令分别是：
pm2logsqwen-free-api
pm2reloadqwen-free-api
pm2stopqwen-free-api
接口列表
对话补全：兼容openai的 /chat/completions接口，允许发送对话消息并获取补全结果。AI绘图：兼容openai的 /images/generations接口，根据描述生成图像。文档解读：允许用户上传文档并获取AI的解读结果。 图像解析：提供图像URL或BASE64编码，获取AI对图像内容的解析。 Token存活检测：检测提供的 login_tongyi_ticket是否有效。
目前支持与openai兼容的 /v1/chat/completions 接口，可自行使用与openai或其他兼容的客户端接入接口，或者使用 dify 等线上服务接入使用。
PS：项目推荐使用二次开发客户端如LobeChat或ChatGPT Web，以简化接入流程。