计费价格
公开资料未说明
输入形式
音频
轻量语音识别多语种本地部署
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
语音模型通义稳定版
Qwen3 ForcedAligner 0.6B
Qwen3 ForcedAligner 0.6B 是 Qwen 2026 年 6 月发布的开放权重语音强制对齐模型，用于将语音与文本进行时间戳对齐。
计费价格
公开资料未说明
输入形式
音频 / 文本
语音对齐时间戳字幕处理
语音模型通义稳定版
Qwen3.5 LiveTranslate Flash Realtime
Qwen3.5 LiveTranslate Flash 实时版，面向多语言实时音视频同传，支持低延迟语音交互。
计费价格
公开资料未说明
输入形式
文本 / 音频 / 视频
实时翻译语音交互多语言
计费价格
公开资料未说明
生成形式
text_to_video
文生视频短视频创作视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_to_video
图生视频视频续写视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_to_video
参考生视频角色一致性视频生成
计费价格
公开资料未说明
输入形式
文本
文本转语音专业配音语音交互
计费价格
公开资料未说明
输入形式
文本
实时语音低延迟语音交互
计费价格
公开资料未说明
生成形式
text_to_video
文生视频音画视频视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video
图生视频音画视频视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_to_video
参考生视频角色一致性视频生成
计费价格
公开资料未说明
生成形式
text_to_video
文生视频音画视频视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video
图生视频音画视频视频生成
计费价格
公开资料未说明
生成形式
text_to_video / image_to_video / video_to_video
参考生视频角色一致性视频生成
计费价格
公开资料未说明
输入形式
音频
语音转写语音输入多模态 Agent
计费价格
公开资料未说明
输入形式
文本
文本转语音语音 Agent语音输出
计费价格
$0.05 / min
输入形式
音频 / 文本
语音助手实时通话语音 Agent
计费价格
$4.20 / 1M characters
输入形式
文本
文本转语音语音播报语音助手
计费价格
$0.10 / hr
输入形式
音频
录音转写批处理识别语音输入
计费价格
$0.20 / hr
输入形式
音频
实时字幕在线识别语音输入