计费价格
$0.05 / 每分钟
输入形式
音频 / 文本
实时语音对话语音助手Agent
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
$0.50 / 1M Tokens
输入形式
文本
语音合成有声内容Agent
计费价格
$0.50 / 1M Tokens
输入形式
文本
语音播报客服语音Agent
计费价格
$0.75 / 1M Tokens
输入形式
音频 / 文本 / 图像 / 视频
实时语音助手语音对话Agent
语音模型Google稳定版
Gemini 3.8 Live Extended Thinking
Gemini 3.8 Live Extended Thinking 在实时语音基础上支持后台推理，适合需要边聊边想的复杂任务。
计费价格
$0.75 / 1M Tokens
输入形式
音频 / 文本 / 图像 / 视频
复杂语音任务实时推理深度推理
计费价格
$0.02 / 每分钟
输入形式
音频 / 文本
实时转写会议字幕Agent
计费价格
$0.0045 / 每分钟
输入形式
音频 / 文本
录音转写会议纪要Agent
计费价格
$3.50 / 1M Tokens
输入形式
音频
会议转写长音频识别Agent
计费价格
$3.50 / 1M Tokens
输入形式
音频
实时字幕流式转写Agent
语音模型Deepgram稳定版
Deepgram Flux TTS
Deepgram Flux TTS 是 2026 年 8 月发布的面向实时语音 Agent 的对话式文本转语音模型，支持跨轮上下文、打断处理和流式输出。
计费价格
$0.04 / 1K characters
输入形式
文本
实时语音 Agent对话式 TTS低延迟语音
计费价格
公开资料未说明
输入形式
音频
语音转写语音输入多模态 Agent
计费价格
公开资料未说明
输入形式
文本
文本转语音语音 Agent语音输出
语音模型NVIDIA稳定版
NemotronLabs VoiceChat 11B
NemotronLabs VoiceChat 11B 是 NVIDIA 于 2026 年 7 月发布的端到端全双工实时语音模型，支持自然轮流对话、打断和实时工具调用。
计费价格
公开资料未说明
输入形式
音频
实时语音全双工对话语音 Agent
计费价格
公开资料未说明
输入形式
音频
实时语音 Agent低延迟转写端点检测
语音模型OpenAI稳定版
gpt-realtime-2.1
gpt-realtime-2.1 是 OpenAI 2026 年 7 月的实时语音模型，128K 上下文，支持文本、图片、音频输入，适合低延迟语音对话和语音助手。
计费价格
$4.00 / 1M Tokens
输入形式
文本 / 图像 / 音频
实时语音语音助手语音对话
计费价格
$4.00 / 1M Tokens
输入形式
文本 / 音频 / 图像
实时语音对话语音智能体深度推理
计费价格
$0.60 / 1M Tokens
输入形式
文本 / 音频 / 图像
高并发语音实时对话深度推理
语音模型AssemblyAI稳定版
Universal-3.5 Pro Realtime
Universal-3.5 Pro Realtime 是 AssemblyAI 于 2026 年 6 月发布的实时语音识别模型，支持上下文感知转写和低延迟语音 Agent。
计费价格
公开资料未说明
输入形式
音频
实时转写语音 Agent低延迟交互
计费价格
公开资料未说明
输入形式
音频 / 文本
音乐生成实时音频开放模型
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