音频与语音 API 价格
103 个模型 — TTS、ASR 和实时语音
本页收录 103 个音频/语音 AI 模型，当前最低价格 ¥0.0030/次，来自 suno_lyrics。其中 126 个来源价格自动抓取（2 小时前更新），38 个为手动维护。涵盖 TTS、ASR 和 Realtime 三大类别，点击「详情 →」查看各提供商完整对比。
当前领先模型：质量、价格与渠道对比
外部排名与 Elo 来自 Artificial Analysis 快照（2026-08-17）；价格和渠道数量来自 ComputeUnion 当前记录。两类数据分别解释。
| # | 厂商 | 模型 | Elo | 站内最低价 | 渠道 | 详情 |
|---|
| #1 | SpeechifyAI | Simba 3.2 | 1239 | ¥72.5000/1M characters | 1 | 查看价格 → |
| #2 | Alibaba · Qwen Audio | Qwen Audio 3.0 TTS Plus | 1237 | ¥139.5842/百万字符 | 1 | 查看价格 → |
| #6 | Cartesia | Sonic 3.5 | 1202 | ¥355.2500/1M characters | 1 | 查看价格 → |
| #10 | MiniMax Speech | Speech 2.8 HD | 1178 | ¥0.1015/$/1K chars | 1 | 查看价格 → |
| #13 | MiniMax Speech | Speech 2.8 Turbo | 1150 | ¥0.0580/$/1K chars | 1 | 查看价格 → |
精选模型家族
优先展示清晰、可核对的官方或通用模型名称；中转站和接口命名不进入主列表。
Simba 3.2
¥72.5000/1M characters
1
Alibaba · Qwen Audio
清晰模型名优先
1 来源
Qwen Audio 3.0 TTS Plus
¥139.5842/百万字符
1
Qwen Audio 3.0 TTS Flash
¥99.7027/百万字符
1
Sonic 3.5
¥355.2500/1M characters
1
Speech 2.8 HD
¥0.1015/$/1K chars
1
Speech 2.8 Turbo
¥0.0580/$/1K chars
1
MiniMax Speech 02 HD
¥0.0870/$/1K chars
1
Google · Gemini TTS
清晰模型名优先
4 来源
gemini-3.1-flash-tts-preview
¥10.0000/token
4
Eleven English v2
¥2.1750/千字符
1
Eleven Flash v2.5
¥0.5800/千字符
1
Eleven Monolingual v1
¥2.1750/千字符
1
Eleven Multilingual v1
¥2.1750/千字符
1
gpt-4o-mini-tts
¥0.3000/次
6
tts-1-1106
¥15.0000/token
3
OpenAI Speech Recognition
清晰模型名优先
7 来源
gpt-realtime-whisper
¥150.0000/token
1
Whisper 1
¥0.0435/$/minute
1
Nova-2 Medical
¥0.1073/分钟
1
Universal-3.5 Pro
¥0.0254/分钟
1
Universal-3.5 Pro Streaming
¥0.0544/分钟
1
Universal-Streaming English
¥0.0181/分钟
1
+73 个其他模型（部分名称可能来自中转站）
gpt-4o-audio-preview
¥4.0000/token
gpt-4o-mini-audio-preview
¥0.2400/token
gemini-2.5-flash-preview-tts
¥5.0000/token
gemini-2.5-pro-preview-tts
¥10.0000/token
gpt-4o-audio-preview-2024-12-17
¥10.0000/token
gpt-audio-2025-08-28
¥5.0000/token
tts-1-hd-1106
¥30.0000/token
GPT Audio Mini
¥17.4000/token
gpt-4o-audio-preview-2024-10-01
¥10.0000/token
gpt-4o-audio-preview-2025-06-03
¥10.0000/token
gpt-4o-mini-audio-preview-2024-12-17
¥0.6000/token
gpt-4o-mini-tts-2025-03-20
¥2.4000/token
gpt-4o-mini-tts-2025-12-15
—
gpt-audio-1.5
¥150.0000/token
gpt-audio-mini
¥2.4000/token
gpt-audio-mini-2025-10-06
¥2.4000/token
TTS-1 HD
¥0.2175/$/1K chars
Eleven Multilingual v2
¥2.1750/千字符
Eleven Turbo v2.5
¥1.0875/千字符
Gemini 2.5 Flash TTS
¥0.0362/$/1K chars
gemini-2.5-flash-tts
¥625.0000/token
gemini-2.5-pro-tts
¥600.0000/token
Google Veo 3.0 + Audio
¥23.2000/次
Google Veo 3.0 Fast + Audio
¥8.7000/次
GPT Audio Mini (2025-10-06)
—
GPT-4o Audio
¥0.7250/$/minute
GPT-4o Audio Preview (2024-10-01)
—
GPT-4o Audio Preview (2024-12-17)
—
GPT-4o-mini Audio Preview
—
GPT-4o-mini Audio Preview (2024-12-17)
—
gpt-audio-1.5-2026-02-23
¥150.0000/token
gpt-audio-mini-2025-12-15
¥150.0000/token
Kling Advanced Lip Sync
¥0.3625/$/second
Kling Audio
¥0.0725/$/second
pt-4o-transcribe-2025-03-20gpt-4o-mini-tts
¥75.0000/token
qwen3-tts-flash
¥75.0000/token
qwen3-tts-flash-2025-11-27
¥75.0000/token
Sonic 2 Preview
¥0.4713/千字符
Sonic Multilingual
¥0.4713/千字符
Universal-Streaming Multilingual
¥0.0181/分钟
Whisper Large v3
¥0.0109/次
Whisper Large v3 (Streaming)
¥0.0254/次
常见问题
音频 AI API 有哪些类型？
主要分三类：TTS（文字转语音）、ASR（语音识别）和 Realtime 实时语音 API。本页收录 103 个模型，价格来自官方定价页手动维护。
音频 API 如何计费？
TTS 通常按每千或每百万字符计费；ASR 按处理音频的分钟数计费；Realtime 按会话分钟数计费。点击各模型「详情 →」可查看所有提供商的精确费率。
哪个 TTS 或 ASR API 性价比最高？
当前最低价格来自 suno_lyrics，起价 ¥0.0030/次。取决于使用量和音质要求，点击「详情 →」查看各提供商完整报价。
数据来源：覆盖 70+ 平台的自动爬虫（计划每 6 小时 运行）及官方定价页人工核查。实时抓取数据直接来自提供商 API；手动数据在官方公布调价后更新。