计费价格
2元/小时
输入形式
音频
大参数语音交互语音输入
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
0.9元/小时
输入形式
音频
语音识别实时离线
语音模型阶跃稳定版
step-1o-audio
提供超低延迟的双向交互语音对话体验，支持中文、英语、重口音普通话输入，支持中、英、日语、粤语和四川话输出。单次互动时长最长30分钟，可处理音频时长最长70分钟。已在智能座舱、智能终端、社交娱乐、情感陪伴、智能客服、金融调解等行业领域落地。
计费价格
¥25.00 / 1M Tokens
输入形式
音频 / 文本
实时交互工具调用Agent
语音模型Cohere稳定版
Cohere Transcribe
This page describes how the Cohere Transcribe model works and how to use it.
计费价格
公开资料未说明
输入形式
音频
语音转写会议整理音频理解
语音模型Cohere稳定版
Cohere Transcribe Arabic
Cohere Transcribe Arabic 是 Cohere 于 2026 年 6 月公开的阿拉伯语语音识别模型，支持阿拉伯语方言和英语混合转写。
计费价格
公开资料未说明
输入形式
音频
阿拉伯语识别方言转写多语语音
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_edit / multi_shot
多镜头视频4K 视频视频叙事
计费价格
公开资料未说明
生成形式
text_to_video
历史兼容旧项目维护版本对照
计费价格
公开资料未说明
生成形式
text_to_video / multi_shot / image_to_video
短片分镜有声视频多镜头创作
计费价格
公开资料未说明
生成形式
text_to_video / multi_shot
短视频创作广告素材通用视频生成
语音模型Deepgram稳定版
Flux General English
Deepgram 当前面向英语实时语音 Agent 的 Flux 会话转写模型，主打 turn detection、打断处理和更低语音交互延迟。
计费价格
公开资料未说明
输入形式
音频
实时语音 Agent电话机器人低延迟对话
计费价格
公开资料未说明
输入形式
音频
多语言实时对话语音 Agent跨语言客服
计费价格
公开资料未说明
输入形式
音频
会议转写多说话人多语言 STT
计费价格
公开资料未说明
输入形式
音频
医疗转写临床记录专业术语
计费价格
公开资料未说明
输入形式
音频
旧链路兼容通用转写多语言覆盖
计费价格
公开资料未说明
输入形式
音频
会议纪要多人讨论办公录音
计费价格
公开资料未说明
输入形式
音频
电话录音客服质检呼叫中心
计费价格
公开资料未说明
输入形式
音频
金融客服投顾录音术语转写
计费价格
公开资料未说明
输入形式
音频
对话机器人语音助手实时会话
计费价格
公开资料未说明
输入形式
音频
语音信箱留言整理异步语音
计费价格
公开资料未说明
输入形式
音频
视频字幕访谈转写内容整理