适合语音和音频的中国 AI 工具

Kling 提供英文站和更完整的创意与 API 平台，不只限于文生视频生成。

最适合 · 适合希望使用全球可访问中国创意工作室的创作者、工作室和增长团队，覆盖视频、图像、声音、特效和 API 生成。

覆盖度 · 100/100

支付

Card / Credits

核验

5月19日

来源

高可信

起价

Free tier, paid credits vary by region

Qwen Cloud 提供英文模型市场、文档、价格和兼容 API 路径，让 Qwen 的全球评估更清晰。

最适合 · 适合从英文国际平台评估 Qwen3.6、Qwen Cloud API、代码智能体和中国多模态模型覆盖的开发者。

覆盖度 · 100/100

支付

Free web access / Qwen Cloud billing

核验

5月20日

来源

高可信

起价

Free tier, pay-as-you-go API usage and Token Plan subscriptions vary by model

Qwen Cloud 已有足够官方音频证据，值得单独放入音频分类。

最适合 · 适合通过英文平台评估中国语音合成、声音克隆、ASR 和实时语音 API 的团队。

覆盖度 · 100/100

支付

Qwen Cloud billing / Token Plan where supported

核验

5月17日

来源

高可信

起价

Free tier and pay-as-you-go speech API billing vary by model

Token Plan 是 Qwen Cloud 独立商业路径，会影响海外开发者实际消费模型的方式。

最适合 · 适合希望用订阅方式把 Qwen Cloud 接入代码工具和兼容智能体的开发者。

覆盖度 · 96/100 · 待补：来源

支付

Token Plan subscription / Qwen Cloud billing

核验

5月17日

来源

中等可信

起价

Standard, Pro and Max Token Plan tiers; plan prices and quotas should be checked live

Z.ai 现在有英文产品界面，而 BigModel 仍是完整 GLM 产品线的 API 证据来源。

最适合 · 适合对比中国多模态模型 API、智能体服务和 OpenAI 兼容迁移路径的开发者。

覆盖度 · 100/100

支付

Free trial tokens / Platform billing

核验

5月17日

来源

高可信

起价

20 million free tokens are promoted on the English site; model pricing varies by API

音频已经是文档化的 GLM 能力家族，应在音频分类中可见。

最适合 · 适合评估中国语音、音色克隆、ASR 和实时多模态 API 的开发者。

覆盖度 · 100/100

支付

Free model where available / Platform billing

核验

5月17日

来源

高可信

起价

Usage-based audio API pricing varies by model

Ant Ling 已有足够英文产品、文档、价格和集成证据，应与 Qwen、DeepSeek、Kimi、GLM 一起跟踪。

最适合 · 适合评估中国模型 API 的开发者，尤其是长上下文、编程 Agent、推理模型和 OpenAI/Anthropic 兼容迁移场景。

覆盖度 · 100/100

支付

Free daily quota / Pay-as-you-go API billing

核验

5月17日

来源

高可信

起价

500,000 free tokens daily per account; Ling-2.6-flash starts at ¥0.60 input / ¥1.80 output per 1M tokens; Ling-2.6-1T starts at ¥2.00 input / ¥16.00 output per 1M tokens

Ming 是 Ant Ling 的多模态分支，应与文本 Ling 和推理 Ring 分开跟踪。

最适合 · 适合跟踪中国开放全模态模型的团队，覆盖图文理解、视频分析、语音合成和图像生成。

覆盖度 · 100/100 · 待补：价格和支付

支付

Ant Ling API billing where available / Open-source model access where available

核验

5月17日

来源

高可信

起价

Ming pricing and API availability should be verified from current Ant Ling console and model docs

国际文档显示 MiniMax 是完整多模态 API 平台，而不只是 Hailuo 视频产品。

最适合 · 适合希望在一个中国来源平台评估代码模型、语音、视频、图像、音乐和多模态智能体工具的开发者。

覆盖度 · 100/100

支付

Token Plan / Credits

核验

5月17日

来源

高可信

起价

Token Plan, Credits and pay-as-you-go API billing vary by modality and model

MiniMax Audio 值得单独成档，因为官方 API 文档覆盖了聊天模型之外较完整的语音产品线。

最适合 · 适合评估中国语音合成、声音克隆和多语言音频生成 API 的团队。

覆盖度 · 100/100

支付

Audio Subscription / Token Plan

核验

5月17日

来源

高可信

起价

Audio Subscription, Token Plan quotas, Credits and pay-as-you-go billing vary by model

LongCat-AudioDiT 应归入 AI 音频，因为它是公开代码和权重的 TTS / 语音克隆模型，而不只是普通论文。

最适合 · 适合评估开源 TTS、waveform-latent diffusion 和零样本语音克隆的研究者与语音团队。

覆盖度 · 100/100 · 待补：时效

支付

GitHub repository / Model weights download

核验

5月18日

来源

高可信

起价

Open-source MIT repository and released model weights; inference runs locally or through a Hugging Face-compatible workflow

MiniMax Music 是官方文档中独立的国际产品线，不应只隐藏在通用 API 档案里。

最适合 · 适合评估中国音乐生成 API，用于歌曲、翻唱和应用配乐的创作者与开发者。

覆盖度 · 100/100

支付

Token Plan / Credits

核验

5月17日

来源

高可信

起价

Token Plan music quotas, Credits and pay-as-you-go billing vary by model

Talkie 应纳入 MiniMax 国际产品图谱，因为官网将其列为产品，但它是消费者应用而不是 API 能力。

最适合 · 适合比较 MiniMax 消费者角色与陪伴式 AI 分发的用户。

覆盖度 · 100/100

支付

App billing / Free access where available

核验

5月17日

来源

高可信

起价

Consumer app pricing may vary by region

百度已通过英文 ERNIE Blog 提供模型信息；当企业平台、Agent 编排和中国云部署重要时，千帆仍是主要平台。

最适合 · 适合已在评估百度智能云、中国本地部署、Agent 平台或文心多模态模型的企业和开发者。

覆盖度 · 100/100

支付

Baidu Cloud billing

核验

5月17日

来源

高可信

起价

Baidu Cloud usage-based pricing

ByteDance Seed 现在是完整模型组合，而不只是单一豆包 API 入口，因此应作为基础模型和模型平台家族跟踪。

最适合 · 适合对比字节 Seed 英文模型路线图与豆包/方舟商业 API 接入的开发者和团队。

覆盖度 · 100/100

支付

Volcano Engine billing

核验

5月17日

来源

高可信

起价

Volcano Engine usage-based pricing

Seedance 2.0 是 ByteDance Seed 的具名视频模型，提供了直接跟踪视频能力的方式，而不只依赖即梦或通用豆包/方舟。

最适合 · 适合对比具备多模态输入、音视频生成和 API 接入的中国视频模型的创作者与开发者。

覆盖度 · 100/100

支付

BytePlus billing / Volcano Engine billing

核验

5月17日

来源

高可信

起价

API and Try Now access are linked from the official page; pricing should be checked in BytePlus or Volcano Engine

Seeduplex 为 ByteDance Seed 补上独立语音交互档案，而不只是文本、图像和视频模型。

最适合 · 适合跟踪中国全双工语音模型、实时语音 Agent 和多模态交互研究的团队。

覆盖度 · 100/100 · 待补：价格和支付

支付

BytePlus billing / Volcano Engine billing

核验

5月17日

来源

高可信

起价

Voice model access and pricing should be verified through BytePlus or Volcano Engine

Skywork 应作为工作台平台跟踪，因为其公开界面围绕任务型 Agent 和输出格式组织，而不是单一通用聊天流程。

最适合 · 适合需要一个云端工作台来处理研究、写作、幻灯片、表格、网站和短内容输出的知识工作者。

覆盖度 · 100/100 · 待补：可用性信号

支付

Free plan / Paid tiers

核验

5月22日

来源

高可信

起价

Free plan available; paid tiers vary by product

星火在语音和垂直应用上很重要，但海外消费者就绪度仍有限。

最适合 · 适合评估中国语音 AI、教育、医疗或语音密集型助手工作流的团队。

覆盖度 · 98/100 · 待补：来源

支付

Alipay / WeChat Pay

核验

5月14日

来源

中等可信

起价

Spark Lite free, paid token pricing varies by model

阶跃星辰重要之处在于同时具备多模态模型深度、开源发布和终端商业化能力，但海外可用性仍需实测。

最适合 · 适合评估中国多模态模型、开源智能体模型、视频/语音生成或端侧 AI 合作的团队。

覆盖度 · 100/100

支付

Platform billing / Step Plan

核验

5月29日

来源

高可信

起价

Usage-based API and Step Plan subscription paths

英文开放平台让阶跃星辰对海外开发者更可操作，而不只是公司档案。

最适合 · 适合对比中国模型 API 的开发者，尤其是文本、推理、工具调用、多模态生成和 OpenAI 兼容迁移。

覆盖度 · 100/100

支付

Account balance / Free credit first

核验

5月29日

来源

高可信

起价

Reasoning models start at $0.10 input cache miss / $0.02 cache hit / $0.30 output per 1M tokens; image editing is $0.003 per image

StepAudio 是独立能力线，应在 AI Audio 分类中可见，而不是埋在通用 StepFun 档案里。

最适合 · 适合评估中国语音 API 的团队，尤其是表现力 TTS、声音克隆、配音、客服、NPC 对话和转写。

覆盖度 · 100/100 · 待补：时效

支付

Open Platform balance / Step Plan quota for supported audio models

核验

5月17日

来源

高可信

起价

stepaudio-2.5-tts $0.85 / 10,000 characters; step-tts-2 $0.40 / 10,000 characters; ASR $0.022 / hour; voice cloning $1.50 / voice

MiMo 的意义在于小米正在通过 Web、API、AI Studio 和开源渠道提供英文模型平台。

最适合 · 适合对比中国智能体模型、多模态模型家族、语音模型、英文 Web Demo 和开源部署选项的开发者。

覆盖度 · 100/100

支付

Card / Web Demo

核验

5月17日

来源

高可信

起价

MiMo-V2-Flash blog lists $0.1 input / $0.3 output per 1M tokens; V2.5 model pricing should be checked inside the API platform

MiMo 已有足够英文语音产品信号，适合拆出独立音频档案。

最适合 · 适合关注小米语音栈，用于 ASR、TTS 和语音 Agent 实验的团队。

覆盖度 · 100/100 · 待补：价格和支付

支付

API Platform billing / AI Studio

核验

5月17日

来源

高可信

起价

Speech-model pricing not publicly visible on the English homepage; verify inside MiMo API Platform