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
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
计费价格
公开资料未说明
输入形式
文本
音效生成环境声视频后期
计费价格
公开资料未说明
输入形式
文本 / 视频
视频配乐声音设计音画同步
计费价格
公开资料未说明
输入形式
文本 / 音频
语音生成声音克隆旁白
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
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
输入价格
¥2.80 / 1M Tokens
输出价格
¥14.00 / 1M Tokens
视觉理解语音理解多模态助手
计费价格
限时免费
输入形式
文本
语音合成配音语音助手
计费价格
限时免费
输入形式
文本 / 音频
声音克隆语音合成品牌音色
计费价格
限时免费
输入形式
文本
音色设计品牌声音创意配音
计费价格
限时免费
输入形式
文本
语音合成默认音色文本转语音
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
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
生成形式
performance_video
数字人表演音频驱动视频角色口播