依類別探索 AI 模型 API

音訊與語音模型 API

適用於轉錄、語音與即時體驗的語音辨識、文字轉語音及音訊模型。

10 個可用模型

比較模型 API 價格與能力

開啟模型詳細頁面，查看目前價格、端點、上下文限制及相關 API。

全部模型價格

Xiaomi

mimo-v2.5-tts-voicedesign

无需参考音频，一句话描述即可生成全新音色。多维度语义理解，覆盖口音、年龄、气质与录音质感。

上下文 —

按量收費

Suppliers 1

可用

Xiaomi

mimo-v2.5-tts-voiceclone

数秒参考音频，即可高保真复刻目标音色。无需训练或标注，克隆后仍可叠加风格指令与情绪标签。

上下文 —

按量收費

Suppliers 1

可用

Xiaomi

mimo-v2.5-tts

精品音色语音合成，风格指令精准遵循。内联情绪标签逐字控制，零提示词捕捉角色气质。

上下文 —

按量收費

Suppliers 1

可用

Xiaomi

mimo-v2.5-asr

中英双语 + 多方言语音识别，无需语言标签，自动识别语码混用中的各语言内容。支持歌词转写，适应强噪声等复杂声学场景。

上下文 —

按次計費

Suppliers 1

請求$0.011/請求

SUNO

suno_wav

Suno 将已有音乐导出为 WAV 音频。

上下文 —

按量收費

Suppliers 1

輸入$75/1M輸出$75/1M

SUNO

suno_stem

Suno 音轨分离接口，用于提取人声或乐器等分轨。

上下文 —

按量收費

Suppliers 1

輸入$75/1M輸出$75/1M

SUNO

suno_music

Suno 音乐生成接口，可根据文字提示创作音乐。

上下文 —

按次計費

Suppliers 1

請求$0.072/請求

Alibaba

qwen3-omni-flash-realtime

千问实时音视频对话模型，可理解文本、图像和音视频输入，并流式输出文本与语音。

上下文 —

按量收費

Suppliers 2

輸入$3.584/1M輸出$7.168/1M

Alibaba

qwen3-tts-instruct-flash-realtime

千问支持指令控制的实时文本转语音模型，可通过文字指令调整语音风格。

上下文 —

按量收費

Suppliers 2

輸入$75/1M輸出$75/1M

Alibaba

qwen3.5-omni-flash-realtime

千问实时音视频对话模型，可理解文本、图像和音视频输入，并流式输出文本与语音。

上下文 —

按量收費

Suppliers 2

輸入$75/1M輸出$75/1M