音频模型

用于语音、音乐和音频处理的 AI 模型

快速查找⌘K

分类

全部聊天125图像80视频64音频72嵌入25翻译15重排序1文本转语音19语音转文本20音乐123D8视觉83代码31

所有模型系列

12 个系列

Grok

xAI
-
聊天图像视频音频文本转语音语音转文本视觉代码
19 个模型打开系列

Kling

快手
-
图像视频音频
16 个模型打开系列

Qwen Omni

阿里云
-
聊天音频翻译语音转文本视觉
13 个模型打开系列

Qwen ASR

阿里云
-
音频语音转文本
10 个模型打开系列

Qwen TTS

阿里云
-
音频文本转语音音乐
10 个模型打开系列

GPT Audio

OpenAI
-
音频翻译
8 个模型打开系列

GPT 转写

OpenAI
节省 0%-30%
音频语音转文本
5 个模型打开系列

语音

MiniMax
-
音频文本转语音
5 个模型打开系列

GPT 4o

OpenAI
节省 0%-30%
聊天音频文本转语音视觉
3 个模型打开系列

Whisper

OpenAI
-
音频语音转文本
3 个模型打开系列

Suno

Suno
-
音频音乐
2 个模型打开系列

TTS

OpenAI
-
音频文本转语音
2 个模型打开系列

音频模型 模型选择

生产环境的模型选择取决于模型家族覆盖、供应商支持、计价单位、请求形态、延迟和输出质量。

选择信号

  • 让模型匹配你真正需要的请求形态和输出类型。
  • 估算生产成本前，先比较计价单位。
  • 把关键工作负载接入前，先跑一组小规模真实测试。

常见问题

优秀的 音频模型 模型需要具备什么？

合适的模型应匹配任务、质量要求、延迟目标和预算。小规模评测集可以暴露模型在质量和可靠性上的差距，避免生产流量过早依赖错误选择。

之后可以切换供应商吗？

可以。TokenLab 把支持的模型放在一个目录和一套 API 面上，切换供应商时无需重建账号和密钥管理。

相关页面

模型排名模型对比