计费价格
公开资料未说明
输入形式
文本 / 音频
对话情绪理解人设自定义
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
语音模型阶跃稳定版
stepaudio-2.5-tts
真正具有声音表演能力的语音合成模型，首次将语境理解能力引入语音生成全流程。通过 Global Context（全局语境）+ Inline Context（文中语境）双档控制，配合 Zero-shot Clone，让合成语音有呼吸感、轻重主次和情绪弧线，适合有声书、短剧配音、广告旁白、情感叙事等高表现力场景。
计费价格
¥5.8 / 10K characters
输入形式
文本
Contextual TTS双档语境控制Zero-shot Clone
语音模型阶跃稳定版
step-tts-mini
支持中、英、日语、粤语、四川话，提供19种官方音色，兼具出色的音色复刻能力，支持中、英、日语复刻。适合客服外呼、情感陪伴、智能助手语音交互等对发音真人感要求高的场景。
计费价格
¥0.9 / 10K characters
输入形式
文本
语音生成音色复刻情绪风格
语音模型阶跃稳定版
stepaudio-2.5-asr
阶跃新一代流式语音识别模型，基于 4B MTP 架构，在识别准确率与响应延迟之间取得良好平衡。支持中英文识别与 ITN 文本规范化，适合实时字幕、语音输入、会议记录等对识别速度与准确率均有要求的场景。
计费价格
0.15元/小时
输入形式
音频
高准确率低延迟中英双语
计费价格
2元/小时
输入形式
音频
大参数语音交互语音输入
计费价格
0.9元/小时
输入形式
音频
语音识别实时离线
语音模型阶跃稳定版
step-1o-audio
提供超低延迟的双向交互语音对话体验，支持中文、英语、重口音普通话输入，支持中、英、日语、粤语和四川话输出。单次互动时长最长30分钟，可处理音频时长最长70分钟。已在智能座舱、智能终端、社交娱乐、情感陪伴、智能客服、金融调解等行业领域落地。
计费价格
¥25.00 / 1M Tokens
输入形式
音频 / 文本
实时交互工具调用Agent
计费价格
公开资料未说明
输入形式
音频
语音助手实时客服双向语音
计费价格
公开资料未说明
输入形式
音频 / 文本
语音 Agent低时延交互多轮对话
计费价格
公开资料未说明
输入形式
音频 / 文本
语音转写语音翻译多语种语音
计费价格
公开资料未说明
输入形式
音频
实时转写低延迟语音输入英文 ASR
计费价格
公开资料未说明
输入形式
文本 / 音频
语音助手双向语音交互英文语音对话
语音模型Liquid AI稳定版
LFM2.5-Audio-1.5B
1.5B fully interleaved audio/text model for TTS, ASR, and voice chat
计费价格
公开资料未说明
输入形式
文本 / 音频
语音助手ASR / TTS语音交互
计费价格
公开资料未说明
输入形式
文本 / 音频
语音助手ASR / TTS语音交互
计费价格
公开资料未说明
输入形式
音频
语音转写音频翻译轻量语音接口
计费价格
公开资料未说明
输入形式
音频
语音翻译高精度翻译语音到语音
计费价格
公开资料未说明
输入形式
文本
音效生成背景音乐创意音频
计费价格
公开资料未说明
输入形式
文本 / 音频
音乐与音频生成文本转音频音频样本续写
计费价格
公开资料未说明
输入形式
文本
高质量配音多人对话角色语音
语音模型ElevenLabs稳定版
Eleven v3 Conversational
Eleven v3 Conversational 是 ElevenLabs 面向实时对话的表现力语音模型，延迟约 280ms，支持 70 多种语言和上下文对话表达。
计费价格
公开资料未说明
输入形式
文本
实时语音对话低延迟情绪表达