实时语音模型

实时语音模型:在实时会话里边听边说,输入语音、输出语音。一次请求回答一次的语音对话模型归入语言模型。按 tokens 计价时为厂商官方 API 上每百万音频 tokens 的价格;按时长计价时为每分钟音频的价格。列表为标准价,其他价格档位见各模型页面。数字旁的圆点标明出处;空心圆点表示尚未核实。

45 个实时语音模型中显示 38 个,其中 6 个日期快照列在其模型下

  • StepFun10月31日
    —
    上下文 官方未写明
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 $0.125
  • Alibaba Qwen10月27日
    工具调用
    上下文 262.14K
    音频输入 / 1M $0.93
    音频输出 / 1M $1.87
    每分钟 —
  • ElevenLabs10月20日
    —
    工具调用
    上下文 官方未写明
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 $0.080
  • ElevenLabs10月20日
    上下文 官方未写明
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 $0.080
  • Grok Voice 3.0 部分核实
    xAI10月14日
    上下文 官方未写明
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 —
  • Nova 2.5 Sonic 已核实
    Amazon Web Services10月5日
    —
    工具调用
    上下文 256K
    音频输入 / 1M $3.00
    音频输出 / 1M $12.00
    每分钟 —
  • Alibaba Qwen9月21日
    图像输入视频输入
    工具调用
    上下文 196.61K
    音频输入 / 1M $0.93
    音频输出 / 1M $1.87
    每分钟 —
  • Alibaba Qwen9月20日
    工具调用
    上下文 262.14K
    音频输入 / 1M $6.40
    音频输出 / 1M $24.00
    每分钟 —
  • Gemini 3.8 Live 已核实
    Google9月15日
    图像输入
    推理工具调用
    上下文 131.07K
    音频输入 / 1M $3.00
    音频输出 / 1M $12.00
    每分钟 $0.018
  • Google9月15日
    图像输入
    推理工具调用
    上下文 131.07K
    音频输入 / 1M $3.00
    音频输出 / 1M $12.00
    每分钟 $0.018
  • GPT-Live 1 已核实
    OpenAI9月10日
    推理工具调用
    上下文 官方未写明
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 $0.050
  • Grok Voice 2.0 部分核实
    xAI7月23日
    —
    上下文 官方未写明
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 —
  • Alibaba Qwen7月14日
    推理工具调用
    上下文 40.96K
    音频输入 / 1M $0.93
    音频输出 / 1M $1.87
    每分钟 —
  • Alibaba Qwen7月14日
    工具调用
    上下文 40.96K
    音频输入 / 1M $6.40
    音频输出 / 1M $24.00
    每分钟 —
  • GPT-Realtime-2.1 部分核实
    OpenAI7月6日
    图像输入
    推理工具调用
    上下文 128K
    音频输入 / 1M $32.00
    音频输出 / 1M $64.00
    每分钟 —
  • OpenAI7月6日
    图像输入
    推理工具调用
    上下文 128K
    音频输入 / 1M $10.00
    音频输出 / 1M $20.00
    每分钟 —
  • GPT-Realtime-2 已核实
    OpenAI5月7日
    图像输入
    推理工具调用
    上下文 128K
    音频输入 / 1M $32.00
    音频输出 / 1M $64.00
    每分钟 —
  • Google3月26日 即将下线
    图像输入
    推理工具调用
    上下文 131.07K
    音频输入 / 1M $3.00
    音频输出 / 1M $12.00
    每分钟 $0.018
  • Alibaba Qwen3月26日
    图像输入视频输入
    工具调用
    上下文 262.14K
    音频输入 / 1M $4.50
    音频输出 / 1M $17.70
    每分钟 —
  • Alibaba Qwen3月26日
    图像输入视频输入
    工具调用
    上下文 262.14K
    音频输入 / 1M $16.50
    音频输出 / 1M $62.00
    每分钟 —
  • OpenAI2月23日
    图像输入
    工具调用
    上下文 32K
    音频输入 / 1M $32.00
    音频输出 / 1M $64.00
    每分钟 —
  • Google2025年12月12日
    视频输入
    推理工具调用
    上下文 131.07K
    音频输入 / 1M $3.00
    音频输出 / 1M $12.00
    每分钟 —
  • Alibaba Qwen2025年12月4日
    图像输入视频输入
    上下文 65.54K
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 —
  • Nova 2 Sonic 已核实
    Amazon Web Services2025年12月2日
    推理工具调用
    上下文 1M
    音频输入 / 1M $3.00
    音频输出 / 1M $12.00
    每分钟 —
  • OpenAI2025年10月6日 即将下线
    图像输入
    工具调用
    上下文 32K
    音频输入 / 1M $10.00
    音频输出 / 1M $20.00
    每分钟 —
  • GPT-Realtime 已核实
    OpenAI2025年8月28日 即将下线
    图像输入
    工具调用
    上下文 32K
    音频输入 / 1M $32.00
    音频输出 / 1M $64.00
    每分钟 —
  • Alibaba Qwen2025年5月8日
    图像输入视频输入
    上下文 32.77K
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 —
  • GPT-4o Realtime 部分核实
    OpenAI2024年12月17日 即将下线
    上下文 32K
    音频输入 / 1M $5.00
    音频输出 / 1M $20.00
    每分钟 官方未写明
  • Zhipu AI
    视频输入
    上下文 —
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 ¥0.30
  • Zhipu AI
    视频输入
    上下文 —
    音频输入 / 1M —
    音频输出 / 1M —
    每分钟 ¥0.18
  • OpenAI 即将下线
    上下文 16K
    音频输入 / 1M $0.60
    音频输出 / 1M $2.40
    每分钟 官方未写明
  • StepFun
    上下文 官方未写明
    音频输入 / 1M $1.50
    音频输出 / 1M $10.00
    每分钟 —

已展开 38 个,共 38 个模型