AI 音频怎么计费？

语音通常按文本量计费；音乐和音效按每首或每秒计费。每个模型页都列出了它的计量单位和所有价格档位。

有哪些音色和语言？

每个文本转语音模型都会在其页面列出可用的音色和语言。在请求中按名称选择音色即可。

我能在自己的产品里使用这些音频吗？

使用条款遵循 PopNow 服务条款以及你所调用模型的任何限制。上线前请查看模型页和条款。

AI 音频 API：18 个音乐、语音与音效模型

18 个模型

Suno v6suno/v6/text-to-audio用你的歌词或一句简短要求，生成带人声的完整歌曲音频最多 5 张参考图可写自己的歌词起价US$0.072/次
Gemini 3.8 Flash TTSgoogle/gemini-3.8-flash-tts/text-to-speech富有表现力的语音，能演出 [laughing] 这类提示音频70 种音色起价US$0.00032/秒
MiniMax Speech 2.8 HDminimax/speech-2.8-hd/text-to-speech高保真语音，400 多种音色，可控情绪音频472 种音色40 种语言起价US$0.12/1,000 字符
MiniMax Music 3.0minimax/music-3.0/text-to-audio立体声完整成曲，可带人声也可纯音乐音频可写自己的歌词起价US$0.18/次
Seed Audio 1.0bytedance/seed-audio-1.0/text-to-audio多人声的音频场景，配乐和音效一起出音频起价US$0.36/次
Gemini 3.8 Flash-Lite TTSgoogle/gemini-3.8-flash-lite-tts/text-to-speech又快又轻的语音合成，30 种音色音频70 种音色起价US$0.00021/秒
Suno v6 Minisuno/v6-mini/text-to-audio一句话快速出两首带人声的歌音频最多 5 张参考图可写自己的歌词起价US$0.072/次
Suno v6 Wildsuno/v6-wild/text-to-audio实验风格、质感丰富的带人声歌曲音频最多 5 张参考图可写自己的歌词起价US$0.072/次
HeartMuLa Transcribeheartmula/transcribe/speech-to-text从歌声里扒出歌词，支持多种语言音频起价US$0.05/次
Grok STTxai/grok-stt/speech-to-text带逐词时间戳的转写，支持 25 种语言音频25 种语言起价US$0.00003/秒
Grok TTSxai/grok-tts/text-to-speech71 种音色、20 种语言，支持语气标签音频71 种音色20 种语言起价US$0.018/1,000 字符
Seed Speech 2.0bytedance/seed-speech-2.0/text-to-speech41 种音色，用大白话设定语气音频41 种音色10 种语言起价US$0.072/1,000 字符
MiniMax Speech 2.8 Turbominimax/speech-2.8-turbo/text-to-speech快速语音合成，400 多种音色，可控情绪音频472 种音色40 种语言起价US$0.072/1,000 字符
Qwen3 TTSalibaba/qwen-3-tts/text-to-speech开源语音模型，用大白话设定语气和语速音频9 种音色10 种语言起价US$0.068/1,000 字符
Chatterboxresemble-ai/chatterbox-v1/text-to-speech英文语音，可以模仿一小段声音样本音频起价US$0.036/次
Gemini 2.5 Pro TTSgoogle/gemini-2.5-pro-tts/text-to-speech−10%可以导戏的音色，适合旁白和双人对话音频30 种音色起价US$0.00045~~US$0.0005~~/秒
Video Sound Effectspopnow/foley-v1/video-to-audio按你的视频配上音效和环境声音频1–30 秒起价US$0.006/ 5 秒视频
Vocal Isolatorpopnow/vocal-isolator-v1/audio-separation新品一份录音，人声与背景音分轨音频起价US$0.0012/秒

AI 音频生成 API

从这里开始

按任务

其他模型类型

按厂商浏览

常见问题

几分钟内开始开发