音频与语音生成热度榜
AUDIO发声选型语音合成、音乐生成与实时语音对话模型：Gemini TTS、Lyria、Qwen-Omni、StepAudio、MiMo-TTS、Voxtral 等，按热度排序。
收录模型
54 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
54
主流 24 个
本页排序范围
54
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
54
至少拿到一个热度信号
开放权重
5
可自建部署
最低输入价
$0.07
本类有标准报价的最低输入价
最新上线
2026-10-23
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」。
音频与语音生成 · 按热度排序
54 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 |
Lyria 3 Clip Preview
|
2 家收录 | 收录广度 | 文+图 → 文+音 | 免费 / 免费 | 1.05M | 2026-03-25 | |
| 2 |
Lyria 3 Pro Preview
|
2 家收录 | 收录广度 | 文+图 → 文+音 | 免费 / 免费 | 1.05M | 2026-03-25 | |
| 3 |
GPT-Audio Mini
|
OpenAI | 2 家收录 | 收录广度 | 文+音+PDF → 文+音 | $0.6/M / $2.4/M | 128K | 2025-10-06 |
| 4 |
GPT-Audio
|
OpenAI | 2 家收录 | 收录广度 | 文+音+PDF → 文+音 | $2.5/M / $10/M | 128K | 2025-08-28 |
| 5 |
ElevenLabs-Music
|
ElevenLabs | 1 家收录 | 收录广度 | 文 → 音 | — / — | 2K | 2025-08-29 |
| 6 |
ElevenLabs-v3
|
ElevenLabs | 1 家收录 | 收录广度 | 文 → 音 | — / — | 128K | 2025-08-20 |
| 7 |
ElevenLabs-v2.5-Turbo
|
ElevenLabs | 1 家收录 | 收录广度 | 文 → 音 | — / — | 128K | 2024-07-19 |
| 8 |
ElevenLabs Multilingual TTS v2
|
ElevenLabs | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2023-08-22 |
| 9 |
GPT-Realtime-2.1
|
OpenAI | 1 家收录 | 收录广度 | 文+图+音 → 文+音 | $4/M / $24/M | 128K | 2026-07-06 |
| 10 |
gpt-realtime-2
|
OpenAI | 1 家收录 | 收录广度 | 文+音 → 文+音 | $4/M / $24/M | 128K | 2026-05-07 |
| 11 |
GPT-Realtime-1.5
|
OpenAI | 1 家收录 | 收录广度 | 文+音 → 文+音 | $4/M / $16/M | 32K | 2026-02-23 |
| 12 |
GPT-Realtime mini
|
OpenAI | 1 家收录 | 收录广度 | 文+音 → 文+音 | $0.6/M / $2.4/M | 32K | 2025-10-06 |
| 13 |
Gemini 3.1 Flash TTS Preview
|
1 家收录 | 收录广度 | 文 → 音 | $1/M / $20/M | 8.2K | 2026-04-15 | |
| 14 |
Lyria
|
1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2025-06-04 | |
| 15 |
Grok Voice Think Fast 2.0
|
xAI | 1 家收录 | 收录广度 | 文+音 → 文+音 | — / — | — | 2026-07-29 |
| 16 |
Grok TTS
|
xAI | 1 家收录 | 收录广度 | 文 → 音 | — / — | 15K | 2026-03-16 |
| 17 |
Grok Voice TTS 1.0
|
xAI | 1 家收录 | 收录广度 | 文 → 音 | — / — | 15K | 2026-03-16 |
| 18 |
Qwen3 TTS VoiceDesign
|
Alibaba | 1 家收录 | 收录广度 | 文 → 音 | — / — | 32.8K | 2026-04-21 |
| 19 |
StepAudio 2.5 TTS
|
StepFun (Global) | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-04-16 |
| 20 |
MiMo-V2.5-TTS
|
Xiaomi | 1 家收录 | 收录广度 | 文 → 音 | 免费 / 免费 | 8.2K | 2026-04-22 |
| 21 |
MiMo-V2.5-TTS-VoiceClone
|
Xiaomi | 1 家收录 | 收录广度 | 文 → 音 | 免费 / 免费 | 8.2K | 2026-04-22 |
| 22 |
MiMo-V2.5-TTS-VoiceDesign
|
Xiaomi | 1 家收录 | 收录广度 | 文 → 音 | 免费 / 免费 | 8.2K | 2026-04-22 |
| 23 |
Voxtral TTS 3
|
Mistral | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-10-20 |
| 24 |
Voxtral Mini TTS (latest)
|
Mistral | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-03-23 |
| 25 |
Canopy Labs Orpheus V1 English
|
Groq | 1 家收录 | 收录广度 | 文 → 音 | — / — | 4K | 2025-12-19 |
| 26 |
Canopy Labs Orpheus Arabic Saudi
|
Groq | 1 家收录 | 收录广度 | 文 → 音 | — / — | 4K | 2025-12-16 |
| 27 |
magpie-tts-zeroshot
|
Nvidia | 1 家收录 | 收录广度 | 文+音 → 音 | 免费 / 免费 | — | 2025-05-22 |
| 28 |
SparkAudio 1.0
|
iFlytek Spark | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-10-23 |
| 29 |
HeyGen Voice Turbo
|
HeyGen | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-10-21 |
| 30 |
Drama 3
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-10-13 |
| 31 |
MAI-Voice-2.1
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-10-01 |
| 32 |
MAI-Voice-2.1-Flash
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-10-01 |
| 33 |
Gemini 3.8 Flash TTS
|
1 家收录 | 收录广度 | 文 → 音 | $0.5/M / $9/M | 8.2K | 2026-09-22 | |
| 34 |
Gemini 3.8 Flash-Lite TTS
|
1 家收录 | 收录广度 | 文 → 音 | $0.5/M / $6/M | 8.2K | 2026-09-22 | |
| 35 |
S2.1 Pro
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-07-28 |
| 36 |
MAI-Voice-2-Flash
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-07-23 |
| 37 |
MAI-Voice-2
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-06-02 |
| 38 |
S2 Pro
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-03-09 |
| 39 |
Step TTS 2
|
StepFun (Global) | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2026-03-01 |
| 40 |
S1
|
Vercel AI Gateway | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2025-10-20 |
| 41 |
Stable Audio 2.5 (Text-to-Audio)
|
fal.ai | 1 家收录 | 收录广度 | 文 → 音 | — / — | — | 2025-10-08 |
| 42 |
Gemini 2.5 Flash TTS
|
1 家收录 | 收录广度 | 文 → 音 | $0.5/M / $10/M | 32.8K | 2025-09-30 | |
| 43 |
Gemini 2.5 Pro TTS
|
1 家收录 | 收录广度 | 文 → 音 | $1/M / $20/M | 32.8K | 2025-09-30 | |
| 44 |
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 |
| 45 |
Qwen3-Omni Flash
|
Alibaba | 1 家收录 | 收录广度 | 文+图+音+视 → 文+音 | $0.43/M / $1.66/M | 65.5K | 2025-09-15 |
| 46 |
Qwen3-Omni Flash Realtime
|
Alibaba | 1 家收录 | 收录广度 | 文+图+音+视 → 文+音 | $0.52/M / $1.99/M | 65.5K | 2025-09-15 |
| 47 |
Qwen-Omni Turbo Realtime
|
Alibaba | 1 家收录 | 收录广度 | 文+图+音 → 文+音 | $0.27/M / $1.07/M | 32.8K | 2025-05-08 |
| 48 |
Gemini 2.5 Flash Preview TTS
|
1 家收录 | 收录广度 | 文 → 音 | $0.5/M / $10/M | 8.2K | 2025-05-01 | |
| 49 |
Gemini 2.5 Pro Preview TTS
|
1 家收录 | 收录广度 | 文 → 音 | $1/M / $20/M | 8.2K | 2025-05-01 | |
| 50 |
Qwen-Omni Turbo
|
Alibaba | 1 家收录 | 收录广度 | 文+图+音+视 → 文+音 | $0.07/M / $0.27/M | 32.8K | 2025-01-19 |
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。