音訊模型

用於語音、音樂和音訊處理的 AI 模型

音訊 · Alibaba Cloud

類型

全部77 對話31 圖片12 影片13 音訊18 嵌入4 翻譯2 重排序 (Rerank)1工具使用2

模型供應商

cosyvoice-v3.5-plus

可用

文字轉語音

TokenLab 價格— 折扣: —
Official 定價: 輸入$22.06輸出$0.00/百萬字元

qwen3.5-omni-flash-realtime

可用

工具使用視覺辨識網路搜尋

TokenLab 價格— 折扣: —
Official 定價: 輸入$3.97輸出$15.74/1M

qwen3.5-omni-plus-realtime

可用

工具使用視覺辨識網路搜尋

TokenLab 價格— 折扣: —
Official 定價: 輸入$11.76輸出$44.12/1M

qwen3-livetranslate-flash

可用

視覺辨識

TokenLab 價格— 折扣: —
Official 定價: 輸入$1.47輸出$1.47/1M

qwen3.5-livetranslate-flash-realtime

可用

視覺辨識

TokenLab 價格— 折扣: —
Official 定價: 輸入$5.88輸出$14.71/1M

fun-asr

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00003235/秒

fun-asr-flash-2026-06-15

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00003235/秒

fun-asr-realtime

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00004853/秒

paraformer-8k-v2

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00001177/秒

paraformer-realtime-8k-v2

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.0000353/秒

paraformer-realtime-v2

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.0000353/秒

paraformer-v2

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00001177/秒

qwen3-asr-flash

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00003235/秒

qwen3-asr-flash-filetrans

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00003235/秒

qwen3-asr-flash-realtime

可用

語音轉文字

TokenLab 價格— 折扣: —
Official 定價: $0.00004853/秒

qwen3-tts-flash

可用

文字轉語音

TokenLab 價格— 折扣: —
Official 定價: 輸入$11.76輸出$0.00/百萬字元

qwen3-tts-flash-realtime

可用

文字轉語音

TokenLab 價格— 折扣: —
Official 定價: 輸入$14.71輸出$0.00/百萬字元

sambert-zhiyuan-v1

可用

文字轉語音

TokenLab 價格— 折扣: —
Official 定價: 輸入$14.71輸出$0.00/百萬字元

模型	上下文	最大輸出長度	Official 定價	TokenLab 價格	折扣
cosyvoice-v3.5-plus文字轉語音	-	-	輸入$22.06輸出$0.00/百萬字元	—	—
qwen3.5-omni-flash-realtime工具使用視覺辨識網路搜尋	197K	64K	輸入$3.97輸出$15.74/1M	—	—
qwen3.5-omni-plus-realtime工具使用視覺辨識網路搜尋	197K	64K	輸入$11.76輸出$44.12/1M	—	—
qwen3-livetranslate-flash視覺辨識	49K	4K	輸入$1.47輸出$1.47/1M	—	—
qwen3.5-livetranslate-flash-realtime視覺辨識	49K	4K	輸入$5.88輸出$14.71/1M	—	—
fun-asr語音轉文字	-	-	$0.00003235/秒	—	—
fun-asr-flash-2026-06-15語音轉文字	-	-	$0.00003235/秒	—	—
fun-asr-realtime語音轉文字	-	-	$0.00004853/秒	—	—
paraformer-8k-v2語音轉文字	-	-	$0.00001177/秒	—	—
paraformer-realtime-8k-v2語音轉文字	-	-	$0.0000353/秒	—	—
paraformer-realtime-v2語音轉文字	-	-	$0.0000353/秒	—	—
paraformer-v2語音轉文字	-	-	$0.00001177/秒	—	—
qwen3-asr-flash語音轉文字	-	-	$0.00003235/秒	—	—
qwen3-asr-flash-filetrans語音轉文字	-	-	$0.00003235/秒	—	—
qwen3-asr-flash-realtime語音轉文字	-	-	$0.00004853/秒	—	—
qwen3-tts-flash文字轉語音	-	-	輸入$11.76輸出$0.00/百萬字元	—	—
qwen3-tts-flash-realtime文字轉語音	-	-	輸入$14.71輸出$0.00/百萬字元	—	—
sambert-zhiyuan-v1文字轉語音	-	-	輸入$14.71輸出$0.00/百萬字元	—	—

所有模型系列

3 個系列

Qwen TTS

Alibaba Cloud

音訊文字轉語音音樂+1

Auto 低至 $11.76 · 每百萬字元

4 個型號查看系列內容

Qwen ASR

Alibaba Cloud

音訊語音轉文字

Auto 低至 $0.00001177 · 按秒計費

10 個型號查看系列內容

Qwen Omni

Alibaba Cloud

對話音訊翻譯視覺辨識+2

Auto 低至 $0.2647 · 每 1M Token

7 個型號查看系列內容

選擇適合的音訊模型

挑選合適模型，平衡任務需求、輸出品質、延遲與成本。

選擇訊號

選擇最符合你輸入與輸出需求的模型。
比較採用相同計價單位的模型。
透過小規模測試，找出目錄中看不見的品質與延遲差異。

FAQ

如何挑選合適的音訊模型？

理想的模型需符合任務需求、品質標準、延遲限制與預算。透過小型評測集，能更直觀地比較品質與穩定性差異。

之後可以更換模型嗎？

可以。只要保持公開模型 ID 與請求格式一致，即可在相同任務下比較不同模型。

所有模型系列

Qwen TTS

Qwen ASR

Qwen Omni

選擇適合的 音訊模型

選擇訊號

FAQ

如何挑選合適的 音訊模型？

之後可以更換模型嗎？

相關頁面

選擇適合的音訊模型

如何挑選合適的音訊模型？