计费价格
公开资料未说明
输入形式
音频
语音转写音频翻译轻量语音接口
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
语音翻译高精度翻译语音到语音
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / fusion_reference_to_video
角色一致性复杂镜头长时视频
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / extend
主力视频生成长时视频多段叙事
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / fusion_reference_to_video
现役通用视频带音频视频Fusion 参考生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / fusion_reference_to_video / extend
多段叙事带音频视频旧版兼容
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / fusion_reference_to_video / extend / effects
旧项目兼容通用视频Fusion 参考生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / fusion_reference_to_video / extend / effects
历史兼容旧链路对照Fusion 参考生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / extend / effects
历史兼容旧项目维护旧版视频结果对照
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / transition / extend / effects
历史兼容最旧链路旧结果复现
视频生成PixVerse稳定版
PixVerse Speech Lip Sync
Speech Lip Sync 是 PixVerse 的独立视频口型同步工作流，可用外部音频或 TTS 让视频人像对口型。
计费价格
公开资料未说明
生成形式
text_to_video / video_to_video
口型同步视频配音人物说话视频
计费价格
公开资料未说明
输入形式
文本
实时语音 Agent电话机器人高自然度语音
计费价格
公开资料未说明
输入形式
文本
旧链路兼容实时语音历史项目维护
计费价格
公开资料未说明
输入形式
文本
极低时延语音对话成本敏感实时语音
计费价格
公开资料未说明
输入形式
文本
历史兼容旧项目维护老链路对照
计费价格
公开资料未说明
输入形式
音频
实时转写批量转写多语言语音识别
计费价格
公开资料未说明
输入形式
音频
变声配音替换保留语调
计费价格
公开资料未说明
输入形式
音频 / 文本
语音编辑补写台词已有音频修补
计费价格
公开资料未说明
生成形式
text_to_image
标准文生图营销素材多地区创意图
图像生成Adobe稳定版
Adobe Firefly Image Model 5
Adobe Firefly Image Model 5 是 Adobe 于 2026 年 4 月公开的新一代图像生成模型，重点提升真实感和细节表现，并支持新版 Generate Image API。
计费价格
公开资料未说明
生成形式
text_to_image / image_to_image
真实感图像营销素材商业创意