语音模型NVIDIA稳定版
Nemotron 3.5 ASR Streaming 0.6B
Nemotron 3.5 ASR Streaming 0.6B 是 NVIDIA 于 2026 年 5 月发布的多语种流式语音识别模型，面向实时转写和语音 Agent。
计费价格
公开资料未说明
输入形式
音频
流式语音识别实时转写多语种
官方模型目录与价格对比
找模型，不只看名字，还要看能力和价格
按模型类型、上下文、价格和厂商整理官方模型目录，方便你快速筛出适合写代码、做推理、跑视觉或搭 Agent 的那一批模型。
- 已收录模型
- 1,411
- 覆盖厂商
- 70
- 带价格信息
- 525
- 推理模型
- 438
计费价格
$0.03 / 每分钟
输入形式
音频
同声传译跨境通话Agent
计费价格
$0.02 / 每分钟
输入形式
音频 / 文本
实时字幕语音输入Agent
计费价格
限时免费
输入形式
文本
语音合成配音语音助手
计费价格
限时免费
输入形式
文本 / 音频
声音克隆语音合成品牌音色
计费价格
限时免费
输入形式
文本
音色设计品牌声音创意配音
计费价格
公开资料未说明
输入形式
音频 / 文本
语音识别语音理解开放权重
语音模型IBM Granite稳定版
Granite Speech 4.1 2B Plus
Granite Speech 4.1 2B Plus 是 IBM 于 2026 年 4 月发布的增强语音理解模型。
计费价格
公开资料未说明
输入形式
音频 / 文本
语音识别语音理解开放权重
语音模型Google预览版
Gemini 3.1 Flash TTS (Text-to-Speech) Preview
Gemini 3.1 Flash TTS (Text-to-Speech) Preview 是 Google 的语音合成模型，适合语音合成、语音助手等语音输出场景。 当前仍是预览版。
计费价格
$1.00 / 1M Tokens
输入形式
文本
语音合成语音助手配音内容
计费价格
限时免费
输入形式
文本
语音合成默认音色文本转语音
语音模型Google预览版
Gemini 3.1 Flash Live Preview
Gemini 3.1 Flash Live Preview 是 Google 的实时语音模型，适合实时语音、语音助手等低延迟语音交互场景。 当前仍是预览版。
计费价格
$0.75 / 1M Tokens
输入形式
文本 / 图像 / 音频 / 视频
实时语音语音助手音频对话
语音模型Cohere稳定版
Cohere Transcribe
This page describes how the Cohere Transcribe model works and how to use it.
计费价格
公开资料未说明
输入形式
音频
语音转写会议整理音频理解
语音模型Google预览版
Gemini 2.5 Flash Text-to-Speech
Gemini 2.5 Flash Text-to-Speech 是 Google 的语音合成模型，适合语音合成、语音助手等语音输出场景。 当前仍是预览版。
计费价格
$0.50 / 1M Tokens
输入形式
文本
语音合成语音助手配音内容
语音模型Google预览版
Gemini 2.5 Pro Text-to-Speech
Gemini 2.5 Pro Text-to-Speech 是 Google 的语音合成模型，适合语音合成、语音助手等语音输出场景。 当前仍是预览版。
计费价格
$1.00 / 1M Tokens
输入形式
文本
语音合成语音助手配音内容
计费价格
$0.60 / 1M Tokens
输入形式
文本 / 音频
语音交互成本敏感音频内容
语音模型Google预览版
Gemini 2.5 Flash Live Preview
Gemini 2.5 Flash Live Preview 是 Google 的实时语音模型，适合实时语音、语音助手等低延迟语音交互场景。 当前仍是预览版。
计费价格
$0.50 / 1M Tokens
输入形式
音频 / 视频 / 文本
实时语音语音助手音频对话
计费价格
公开资料未说明
输入形式
文本 / 音频
语音交互音频内容Agent
计费价格
$3.50 / 1M Tokens
输入形式
音频 / 文本
实时翻译语音交互低延迟
计费价格
公开资料未说明
输入形式
文本
实时语音 Agent低延迟 TTS高自然度语音
计费价格
公开资料未说明
输入形式
音频
语音识别中文方言多说话人