计费价格
公开资料未说明
输入形式
音频
语音转换多语言配音保留语气
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
文本
历史兼容声音设计角色声音
计费价格
公开资料未说明
输入形式
音频
英语配音语音转换风格迁移
计费价格
公开资料未说明
输入形式
音频
实时转写语音 Agent直播字幕
计费价格
公开资料未说明
输入形式
音频
录音转写会议纪要多语言 STT
计费价格
公开资料未说明
输入形式
音频
历史兼容录音转写旧链路维护
计费价格
公开资料未说明
输入形式
文本
音效生成视频后期短时音频素材
计费价格
公开资料未说明
生成模式
remix
音乐生成歌曲创作广告配乐
计费价格
公开资料未说明
生成模式
lyrics_to_music
音乐生成短视频配乐创作草稿
计费价格
公开资料未说明
输入形式
文本
历史排查旧链路维护退役模型记录
计费价格
公开资料未说明
输入形式
文本
历史排查旧链路维护退役模型记录
计费价格
公开资料未说明
输入形式
文本
历史排查旧链路维护退役模型记录
计费价格
公开资料未说明
输入形式
文本
历史排查旧链路维护退役模型记录
多模态模型美团 LongCat即将下线
LongCat Flash Omni 2603
LongCat 官方更新日志显示该旧模型已于 2026 年 5 月 29 日停止调用，正式接入应迁移到 LongCat 2.0。
输入价格
公开资料未说明
输出价格
公开资料未说明
视觉理解语音交互多模态助手
语音模型Deepgram稳定版
Deepgram Flux TTS
Deepgram Flux TTS 是 2026 年 8 月发布的面向实时语音 Agent 的对话式文本转语音模型，支持跨轮上下文、打断处理和流式输出。
计费价格
公开资料未说明
输入形式
文本
实时语音 Agent对话式 TTS低延迟语音
计费价格
公开资料未说明
输入形式
文本 / 音频
实时语音副语言感知人设自定义
计费价格
公开资料未说明
输入形式
文本 / 音频
对话情绪理解人设自定义
语音模型阶跃稳定版
stepaudio-2.5-tts
真正具有声音表演能力的语音合成模型，首次将语境理解能力引入语音生成全流程。通过 Global Context（全局语境）+ Inline Context（文中语境）双档控制，配合 Zero-shot Clone，让合成语音有呼吸感、轻重主次和情绪弧线，适合有声书、短剧配音、广告旁白、情感叙事等高表现力场景。
计费价格
¥5.8 / 10K characters
输入形式
文本
Contextual TTS双档语境控制Zero-shot Clone
语音模型阶跃稳定版
step-tts-mini
支持中、英、日语、粤语、四川话，提供19种官方音色，兼具出色的音色复刻能力，支持中、英、日语复刻。适合客服外呼、情感陪伴、智能助手语音交互等对发音真人感要求高的场景。
计费价格
¥0.9 / 10K characters
输入形式
文本
语音生成音色复刻情绪风格
语音模型阶跃稳定版
stepaudio-2.5-asr
阶跃新一代流式语音识别模型，基于 4B MTP 架构，在识别准确率与响应延迟之间取得良好平衡。支持中英文识别与 ITN 文本规范化，适合实时字幕、语音输入、会议记录等对识别速度与准确率均有要求的场景。
计费价格
0.15元/小时
输入形式
音频
高准确率低延迟中英双语