语音识别模型热度榜
ASR听懂语音吃音频、吐文字的语音识别模型：Whisper 系列、GPT-4o Transcribe、Qwen3-ASR、StepAudio ASR、Voxtral、Nemotron VoiceChat 等，按收录广度与开源权重下载量排序；分钟级报价见「多模态模型价格」。
收录模型
31 个
按热度排序：收录广度、开源权重下载量与调用量逐级兜底
收录模型
31
主流 11 个
本页排序范围
31
全部收录
涉及厂商
14
按模型作者统计，不含托管渠道
有热度数据
31
至少拿到一个热度信号
开放权重
9
可自建部署
最低输入价
$0.0023
本类有标准报价的最低输入价
最新上线
2026-10-26
本类最新一个模型的上线日期
排序与范围
按热度排列这一类默认列出全部收录：媒体 / 专项类模型大多不在主数据的 core 层里， 只列主流会把 Sora、FLUX 这类著名模型藏起来。需要时切「仅主流模型」。
语音识别模型 · 按热度排序
31 个| 热度 | 模型 | 厂商 | 热度信号 | 信号来源 | 模态 | 价格 入/出 | 上下文 | 上线 |
|---|---|---|---|---|---|---|---|---|
| 1 |
Whisper Large v3 Turbo
|
OpenAI | 2 家收录 | 收录广度 | 音 → 文 | $0.0023/M / $0.0023/M | 448 | 2024-10-01 |
| 2 |
Whisper Large v3
|
OpenAI | 2 家收录 | 收录广度 | 音 → 文 | 免费 / 免费 | 448 | 2023-11-06 |
| 3 |
Faster Whisper Large v3
|
Regolo AI | 1 家收录 | 收录广度 | 音 → 文 | 免费 / 免费 | 448 | 2023-11-06 |
| 4 |
GPT-4o Mini Transcribe
|
OpenAI | 1 家收录 | 收录广度 | 文+音 → 文 | $1.25/M / $5/M | 16K | 2025-03-20 |
| 5 |
GPT-4o Transcribe
|
OpenAI | 1 家收录 | 收录广度 | 文+音 → 文 | $2.5/M / $10/M | 16K | 2025-03-20 |
| 6 |
gpt-realtime-whisper
|
OpenAI | 1 家收录 | 收录广度 | 音 → 文 | — / — | 16K | 2026-05-07 |
| 7 |
KB Whisper
|
evroc | 1 家收录 | 收录广度 | 音 → 文 | — / — | 448 | 2024-10-01 |
| 8 |
Whisper
|
OpenAI | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2023-03-01 |
| 9 |
Qwen3-ASR Flash
|
Alibaba | 1 家收录 | 收录广度 | 音 → 文 | — / — | 53.2K | 2025-09-08 |
| 10 |
Gemini 3.5 Transcribe
|
1 家收录 | 收录广度 | 音 → 文 | $2/M / $12/M | 98.3K | 2026-08-26 | |
| 11 |
Gemini 3.5 Transcribe Live
|
1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-08-26 | |
| 12 |
Gemini 3.5 Live Translate Preview
|
1 家收录 | 收录广度 | 音 → 文+音 | $3.5/M / $21/M | 16.4K | 2026-06-09 | |
| 13 |
Qwen3-LiveTranslate Flash Realtime
|
Alibaba | 1 家收录 | 收录广度 | 文+图+音+视 → 文+音 | $10/M / $10/M | 53.2K | 2025-09-22 |
| 14 |
Voxtral Mini Transcribe 3
|
Mistral | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-10-20 |
| 15 |
Voxtral Small Transcribe 3
|
Mistral | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-10-20 |
| 16 |
StepAudio 2.5 ASR
|
StepFun (Global) | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-04-24 |
| 17 |
Voxtral Mini (latest)
|
Mistral | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-02-04 |
| 18 |
Voxtral Mini 3B
|
Privatemode AI | 1 家收录 | 收录广度 | 音 → 文 | $0.0046/M / 免费 | 32K | 2025-07-15 |
| 19 |
Grok Voice STT 1.0
|
xAI | 1 家收录 | 收录广度 | 音 → 文 | — / — | 15K | 2026-09-17 |
| 20 |
Grok STT
|
xAI | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-03-16 |
| 21 |
MAI-Transcribe-2-Streaming
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-10-01 |
| 22 |
MAI-Transcribe 2
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-09-03 |
| 23 |
Green S Pro
|
GreenPT | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2025-02-01 |
| 24 |
Green S
|
GreenPT | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2025-01-01 |
| 25 |
Hy-SimulMT
|
Tencent Hunyuan | 1 家收录 | 收录广度 | 音 → 文+音 | — / — | — | 2026-10-26 |
| 26 |
Audio8-ASR-Infinite
|
Edge0 | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-09-21 |
| 27 |
GPT-Live-Transcribe
|
OpenAI | 1 家收录 | 收录广度 | 文+音 → 文 | 免费 / 免费 | — | 2026-07-28 |
| 28 |
GPT-Transcribe
|
OpenAI | 1 家收录 | 收录广度 | 文+音 → 文 | 免费 / 免费 | — | 2026-07-28 |
| 29 |
Audio8-ASR-0.1B
|
Edge0 | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-07-10 |
| 30 |
nemotron-voicechat
|
Nvidia | 1 家收录 | 收录广度 | 文+音 → 文 | 免费 / 免费 | 128K | 2026-03-16 |
| 31 |
Transcribe-1
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 音 → 文 | — / — | — | 2026-03-01 |
口径说明
数据怎么来的常见问题
为什么排在前面的模型我没听过？
榜单按真实调用量排，小而专的模型（例如某个 OCR 或嵌入模型）在特定场景里被大量调用，就会排在通用大模型前面。不确定用途时先看「厂商」与「上线」两列。
价格列为什么有的是「—」？
上游只给接口没有公开标准价的模型（多为订阅制图像 / 视频模型）没有单位价格，这里不替你估。这类模型请点进模型资料页看来源与收录情况。
「—」的热度信号代表什么？
代表这个模型既没有 OpenRouter 用量、也没有 HuggingFace 下载与收录数据（通常是闭源订阅制模型），显示「按上线时间」，说明它只是按新近程度排在末尾。
模型资料取自公开模型目录并交叉整理；热度按公开调用量与开源权重下载量逐级兜底，价格与上下文按各家公布的原始口径展示。