Token导航 LogoToken导航

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

查看 313 个模型

音乐生成Udio稳定版

Udio v1.5

Udio v1.5 是当前仍公开保留的主力歌曲模型版本,重点提升音质、调性控制和多语言结果。

计费价格

公开资料未说明

生成模式

lyrics_to_music

高质量歌曲调性控制多语言歌曲
音乐生成Suno稳定版

Suno Audio Inputs

Audio Inputs 是 Suno 的音频输入工作流,可把哼唱、乐器片段或环境声音扩展成完整歌曲。

计费价格

公开资料未说明

生成模式

remix

音频续写灵感扩写乐器片段成歌
音乐生成Udio稳定版

Udio Inpainting

Inpainting 是 Udio 的局部音乐编辑能力,适合对已有歌曲片段做定点重写和替换。

计费价格

公开资料未说明

生成模式

remix

局部修歌片段重写精修编辑
语音模型Google预览版

Gemini 3.5 实时翻译

Gemini 3.5 实时翻译 是 Google 的实时语音模型,适合实时翻译、语音交互等低延迟语音交互场景。 当前仍是预览版。

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
语音模型Cartesia稳定版

Sonic 3.5

Sonic 3.5 是 Cartesia 当前公开的新一代流式文本转语音模型,适合实时语音 Agent、低延迟交互和高自然度语音生成。

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
语音模型小米稳定版

MiMo-V2.5-ASR

MiMo-V2.5-ASR 是小米 2026 年 4 月发布的开源语音识别模型,支持中英双语、中文方言、代码切换、歌词识别、噪声环境和多说话人场景。

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
语音模型Google预览版

Lyria 3.5

Lyria 3.5 是 Google DeepMind 最新音乐生成模型,重点提升音乐性、歌词和人声质量,并支持可变歌曲长度。

计费价格

公开资料未说明

输入形式

文本 / 图像

音乐生成歌曲创作人声
语音模型OpenAI稳定版

gpt-realtime-1.5

OpenAI 当前最新语音旗舰,适合语音助手、客服和实时语音 Agent。

计费价格

$4.00 / 1M Tokens

输入形式

文本 / 图像 / 音频

语音交互实时对话Agent
语音模型OpenAI稳定版

gpt-audio-1.5

OpenAI 当前最新 Chat Completions 音频主力,适合音频输入输出和语音交互工作流。

计费价格

$2.50 / 1M Tokens

输入形式

文本 / 音频

语音交互音频内容Agent
语音模型OpenAI稳定版

gpt-realtime

OpenAI 当前首个 GA 实时模型,支持 WebRTC、WebSocket 或 SIP 下的实时文本和音频交互。

计费价格

$4.00 / 1M Tokens

输入形式

文本 / 图像 / 音频

语音交互实时对话Agent
语音模型OpenAI稳定版

gpt-realtime-mini

GPT Realtime 的低成本版本,适合成本敏感的实时文本与语音交互场景。

计费价格

$0.60 / 1M Tokens

输入形式

文本 / 图像 / 音频

语音交互实时对话成本敏感
语音模型OpenAI稳定版

GPT-4o mini TTS

由 GPT-4o mini 驱动的文本转语音模型,适合低成本 TTS 场景。

计费价格

公开资料未说明

输入形式

文本

语音合成配音内容成本敏感
视频生成OpenAI即将下线

Sora 2

OpenAI 的视频生成模型,适合广告素材、产品演示和带音频的视频内容制作。

计费价格

$0.10 / second (720p)

生成形式

text_to_video / image_to_video

视频生成广告素材品牌短片
视频生成OpenAI即将下线

Sora 2 Pro

OpenAI 的高质量视频生成模型,适合更高规格的广告片、品牌短片和动态内容制作。

计费价格

$0.30 / second (720p), $0.50 / second (1024p)

生成形式

text_to_video / image_to_video

视频生成品牌短片广告素材
语音模型OpenAI稳定版

GPT-4o Audio

GPT-4o Audio 是 OpenAI 的音频交互模型,适合语音助手、实时对话和多模态语音工作流。

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
语音模型OpenAI稳定版

GPT-4o mini Audio

GPT-4o mini Audio 是 OpenAI 的音频交互模型,适合语音助手、实时对话和多模态语音工作流。

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
语音模型OpenAI稳定版

GPT-4o Realtime

GPT-4o Realtime 是 OpenAI 的音频交互模型,适合语音助手、实时对话和多模态语音工作流。

计费价格

公开资料未说明

输入形式

文本 / 音频

实时对话语音助手Agent
语音模型OpenAI稳定版

GPT-4o mini Realtime

GPT-4o mini Realtime 是 OpenAI 的音频交互模型,适合语音助手、实时对话和多模态语音工作流。

计费价格

公开资料未说明

输入形式

文本 / 音频

实时对话语音助手Agent