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
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
公开资料未说明
输入形式
音频 / 文本
音频理解日语开放权重
计费价格
公开资料未说明
生成模式
remix
音乐生成歌曲创作广告配乐
语音模型Stability AI稳定版
Stable Audio 3.0 Small SFX
Stable Audio 3.0 Small SFX 是 Stability AI 面向端侧设备的音效生成模型。
计费价格
公开资料未说明
输入形式
文本
音效生成端侧部署音频创作
计费价格
公开资料未说明
输入形式
文本
音乐生成端侧部署开放权重
语音模型Stability AI稳定版
Stable Audio 3.0 Medium
Stable Audio 3.0 Medium 是 Stability AI 面向更高音乐性和更长音频生成的开放权重模型。
计费价格
公开资料未说明
输入形式
文本
音乐生成长音频开放权重
语音模型Stability AI稳定版
Stable Audio 3.0 Large
Stable Audio 3.0 Large 是 Stability AI 面向音乐平台和创意应用的高阶音频生成模型。
计费价格
公开资料未说明
输入形式
文本 / 音频
音乐生成高吞吐创意应用
语音模型通义稳定版
Qwen3.5 LiveTranslate Flash Realtime
Qwen3.5 LiveTranslate Flash 实时版，面向多语言实时音视频同传，支持低延迟语音交互。
计费价格
公开资料未说明
输入形式
文本 / 音频 / 视频
实时翻译语音交互多语言
输入价格
$1.50 / 1M Tokens
输出价格
$9.00 / 1M Tokens
代码开发Agent低延迟
输入价格
公开资料未说明
输出价格
公开资料未说明
实时语音全模态交互端侧助手
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
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
多模态模型Google即将下线
Gemini 3.1 Flash-Lite
Gemini 3.1 Flash-Lite 是 Google 于 2026 年 5 月发布的低延迟、多模态模型，适合成本敏感和高吞吐工作流。
输入价格
$0.25 / 1M Tokens
输出价格
$1.50 / 1M Tokens
低延迟成本敏感批量处理
多模态模型NVIDIA预览版
Nemotron 3 Nano Omni Reasoning
Nemotron 3 Nano Omni Reasoning 是 NVIDIA 面向全模态推理的模型，支持图像、视频、语音和文本理解，适合多模态 Agent 与复杂场景分析。
输入价格
公开资料未说明
输出价格
公开资料未说明
多模态推理视频理解语音理解
计费价格
公开资料未说明
生成形式
text_to_video
文生视频音画视频视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video
图生视频音画视频视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_to_video
参考生视频角色一致性视频生成
输入价格
¥2.80 / 1M Tokens
输出价格
¥14.00 / 1M Tokens
多模态问答Agent内容理解
计费价格
限时免费
输入形式
文本
语音合成配音语音助手