AI 音訊怎麼計費？

語音通常依文字量計費；音樂和音效依每首或每秒計費。每個模型頁都列出了它的計量單位和所有價格級距。

有哪些音色和語言？

每個文字轉語音模型都會在其頁面列出可用的音色和語言。在請求中依名稱選擇音色即可。

我能在自己的產品中使用這些音訊嗎？

使用條款遵循 PopNow 服務條款，以及你所呼叫模型的任何限制。上線前請查看模型頁和條款。

AI 音訊 API：18 個音樂、語音與音效模型

18 個模型

Suno v6suno/v6/text-to-audio用你的歌詞或一句簡短要求，生成有人聲的完整歌曲音訊最多 5 張參考圖可寫自己的歌詞起價US$0.072/次
Gemini 3.8 Flash TTSgoogle/gemini-3.8-flash-tts/text-to-speech富有表現力的語音，能演出 [laughing] 這類提示音訊70 種聲音起價US$0.00032/秒
MiniMax Speech 2.8 HDminimax/speech-2.8-hd/text-to-speech高傳真語音，400 多種音色，可控情緒音訊472 種聲音40 種語言起價US$0.12/1,000 字元
MiniMax Music 3.0minimax/music-3.0/text-to-audio立體聲完整成曲，可有人聲也可純音樂音訊可寫自己的歌詞起價US$0.18/次
Seed Audio 1.0bytedance/seed-audio-1.0/text-to-audio多人聲的音訊場景，配樂和音效一起出音訊起價US$0.36/次
Gemini 3.8 Flash-Lite TTSgoogle/gemini-3.8-flash-lite-tts/text-to-speech又快又輕的語音合成，30 種音色音訊70 種聲音起價US$0.00021/秒
Suno v6 Minisuno/v6-mini/text-to-audio一句話快速產出兩首有人聲的歌音訊最多 5 張參考圖可寫自己的歌詞起價US$0.072/次
Suno v6 Wildsuno/v6-wild/text-to-audio實驗風格、質感豐富的有人聲歌曲音訊最多 5 張參考圖可寫自己的歌詞起價US$0.072/次
HeartMuLa Transcribeheartmula/transcribe/speech-to-text從歌聲裡抓出歌詞，支援多種語言音訊起價US$0.05/次
Grok STTxai/grok-stt/speech-to-text附逐字時間碼的轉寫，支援 25 種語言音訊25 種語言起價US$0.00003/秒
Grok TTSxai/grok-tts/text-to-speech71 種音色、20 種語言，支援語氣標籤音訊71 種聲音20 種語言起價US$0.018/1,000 字元
Seed Speech 2.0bytedance/seed-speech-2.0/text-to-speech41 種音色，用白話設定語氣音訊41 種聲音10 種語言起價US$0.072/1,000 字元
MiniMax Speech 2.8 Turbominimax/speech-2.8-turbo/text-to-speech快速語音合成，400 多種音色，可控情緒音訊472 種聲音40 種語言起價US$0.072/1,000 字元
Qwen3 TTSalibaba/qwen-3-tts/text-to-speech開源語音模型，用白話設定語氣和語速音訊9 種聲音10 種語言起價US$0.068/1,000 字元
Chatterboxresemble-ai/chatterbox-v1/text-to-speech英文語音，可以模仿一小段聲音樣本音訊起價US$0.036/次
Gemini 2.5 Pro TTSgoogle/gemini-2.5-pro-tts/text-to-speech−10%可以導戲的音色，適合旁白和雙人對話音訊30 種聲音起價US$0.00045~~US$0.0005~~/秒
Video Sound Effectspopnow/foley-v1/video-to-audio依你的影片配上音效和環境音音訊1–30 秒起價US$0.006/ 5 秒影片
Vocal Isolatorpopnow/vocal-isolator-v1/audio-separation新品一份錄音，人聲與背景音分軌音訊起價US$0.0012/秒

AI 音訊生成 API

從這裡開始

依任務

其他模型類型

依廠商瀏覽

常見問題

幾分鐘內開始開發