语音模型Google预览版
Gemini 2.5 Flash Live Preview
Gemini 2.5 Flash Live Preview 是 Google 的实时语音模型，适合实时语音、语音助手等低延迟语音交互场景。 当前仍是预览版。
计费价格
$0.50 / 1M Tokens
输入形式
音频 / 视频 / 文本
实时语音语音助手音频对话
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
语音模型Google预览版
Gemini 2.5 Pro Text-to-Speech
Gemini 2.5 Pro Text-to-Speech 是 Google 的语音合成模型，适合语音合成、语音助手等语音输出场景。 当前仍是预览版。
计费价格
$1.00 / 1M Tokens
输入形式
文本
语音合成语音助手配音内容
语音模型Google预览版
Gemini 3.1 Flash Live Preview
Gemini 3.1 Flash Live Preview 是 Google 的实时语音模型，适合实时语音、语音助手等低延迟语音交互场景。 当前仍是预览版。
计费价格
$0.75 / 1M Tokens
输入形式
文本 / 图像 / 音频 / 视频
实时语音语音助手音频对话
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Microsoft稳定版
VibeVoice-ASR-BitNet
VibeVoice-ASR-BitNet 是 Microsoft 发布的多语言低资源语音识别模型，采用 BitNet 量化以支持 CPU 推理。
计费价格
公开资料未说明
输入形式
音频
语音识别多语言CPU 推理
已展示全部 6 个模型