输入价格
公开资料未说明
输出价格
公开资料未说明
端侧部署语音输入视觉理解
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
输入价格
公开资料未说明
输出价格
公开资料未说明
端侧部署轻量助手视觉理解
计费价格
音频 ¥0.18 / min，视频 ¥1.20 / min
输入形式
文本 / 音频 / 视频
实时语音视频通话多模态交互
计费价格
¥80.00 / 1M Tokens
输入形式
文本 / 音频
语音对话中英文语音方言风格控制
计费价格
公开资料未说明
输入形式
文本 / 音频
实时语音副语言感知人设自定义
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
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
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解音频理解多模态 Agent
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
语言模型Liquid AI稳定版
LFM2-2.6B-Transcript
2.6B parameter model for private, on-device meeting summarization
输入价格
公开资料未说明
输出价格
公开资料未说明
语音转写会议纪要音频理解
输入价格
公开资料未说明
输出价格
公开资料未说明
低延迟多模态理解成本敏感
输入价格
公开资料未说明
输出价格
公开资料未说明
复杂任务多模态问答视频理解
输入价格
公开资料未说明
输出价格
公开资料未说明
通用助手多模态聊天成本敏感
计费价格
公开资料未说明
生成形式
avatar_video / realtime_avatar
数字人客服品牌角色实时对话
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
语音模型Deepgram稳定版
Flux General English
Deepgram 当前面向英语实时语音 Agent 的 Flux 会话转写模型，主打 turn detection、打断处理和更低语音交互延迟。
计费价格
$0.0065 / 每分钟
输入形式
音频
实时语音 Agent电话机器人低延迟对话