计费价格
公开资料未说明
输入形式
音频
历史兼容会议纪要基础转写
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。
先缩小候选，再进详情页看接口、计费和能力边界。
已收录模型
1,303
覆盖厂商
63
带价格信息
355
计费价格
公开资料未说明
输入形式
音频
历史兼容电话录音基础转写
计费价格
公开资料未说明
输入形式
音频
历史兼容金融转写基础 STT
计费价格
公开资料未说明
输入形式
音频
历史兼容语音留言基础转写
计费价格
公开资料未说明
输入形式
音频
历史兼容视频字幕基础转写
计费价格
公开资料未说明
输入形式
音频
历史兼容对话系统基础实时转写
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
文本
音效生成背景音乐创意音频
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
语音模型NVIDIA稳定版
Nemotron-Labs Audex 2B
Nemotron-Labs Audex 2B 是 NVIDIA 于 2026 年 7 月发布的音频语言模型，支持语音识别、翻译、音频理解和语音生成任务。
计费价格
公开资料未说明
输入形式
音频 / 文本
音频理解语音识别语音翻译
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
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
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 / 音频
音乐生成歌曲创作音频创作