图像 · 视频 · 语音
Cartesia
图像视频 · 语音 · 价格资料官方入口 https://cartesia.ai
Sonic 模型主打超低延迟（≈90ms TTFB），语音 agent 实时对话首选。
部分可用
目录排名 ##28
⭐ 可考虑
🌍 国际
收录模型
—个
输入价格
—每百万 tokens
输出价格
—每百万 tokens
免费额度10,000 characters/month free tier (≈10 minutes), no credit card required
厂商档案
—
https://api.cartesia.ai
—
未确认
—
⚠️ 部分可用（需稳定代理）
深度资料
Token 价格按公开资料整理
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | Sonic: $0.03/1K chars (Standard), $0.06/1K chars (Pro), $0.12/1K chars (Turbo); Sonic 2: $0.04-0.15/1K chars | 每百万 tokens |
| 输出 (Output) | TTS character-based pricing (output = audio), per-second for streaming | 每百万 tokens |
免费额度
10,000 characters/month free tier (≈10 minutes), no credit card required
支持模型7 个
Sonic (real-time TTS)
Sonic 2 (multilingual, voice cloning)
Onyx (STT)
Mistral (voice design)
Pleroma (voice cloning)
TTS-Streaming (WebSocket)优势
- Sonic 模型主打超低延迟（≈90ms TTFB），语音 agent 实时对话首选
- Sonic 2 多语种支持 29+ 语言 + 声音克隆 + 流式响应
- WebSocket 流式接口，专为实时语音 agent 设计（vLLM-voice 替代方案）
- Onyx STT 转写准确率高，支持 36+ 语言
- Pleroma 声音克隆：5 秒样本即可克隆声音
- 支持 MCP 协议接入 Claude/Cursor 等 AI 编辑器
- State-of-the-art 实时推理延迟，适合 latency-sensitive 应用
不足
- TTS/语音 API 计费方式与 LLM token 计费不同，成本对比不直观
- 国内使用需稳定代理连接
- 免费额度较小（10,000 字符/月）
- 小语种质量因语言而异（英文最佳）
- 起步晚于 ElevenLabs，生态与第三方集成相对较少
适合场景
需要实时语音对话的 AI agent；客服/陪伴机器人；多语种语音克隆；流式 TTS 应用
图像 · 视频 · 语音其他厂商
6 家同分类下按目录顺序排列，可直接对比模型数量、价格区间与国内可用性。
Black Forest Labs（FLUX）
需代理Black Forest Labs · 目录排名 #11
FLUX 模型原厂：开源 SOTA 图像生成模型 FLUX.1/FLUX.2 的官方出处。
- 模型
- —
- 输入
- —
- 输出
- —
免费额度Free tier via API: limited generations per minute for [schnell]…
fal.ai
需代理fal.ai · 目录排名 #13
🧠 1,396+ 开源/商业模型：FLUX.2 Pro、GPT Image 2、Kling Video、Nano Banana 2、ElevenLabs TTS、MiniMax 等。
- 模型
- —
- 输入
- —
- 输出
- —
免费额度$1 free credit on signup (no credit card required); 100+ models…
Stability AI
需代理Stability AI · 目录排名 #18
Stable Diffusion 3.5 开源图像模型标杆。
- 模型
- —
- 输入
- —
- 输出
- —
免费额度新用户 25 次免费生成
可灵 AI（快手）
国内可用可灵 AI（快手） · 目录排名 #19
Kling 3.0：全球首个原生 4K 视频模型，多镜头连续生成 + 原生音频（2026-02-05 发布，CineD 确认）。
- 模型
- —
- 输入
- —
- 输出
- —
免费额度新用户注册后可获得少量免费体验积分（平台内赠送 credits），可体验部分视频/图片生成；正式 API 使用无永久免费套餐，…
Pika
需代理Pika API · 目录排名 #19
API Club 聚合 100+ 前沿 Gen-Media 模型：Seedance / Kling 3.0 / Veo 3.1 / MiniMax H3 / GPT Image 2 / Cl…
- 模型
- —
- 输入
- —
- 输出
- —
免费额度消费端免费档无 API 调用额。API Club 为首月赠 $10 用量额度，且需付 $10/月会员费解锁批发价
ElevenLabs
部分可用ElevenLabs · 目录排名 #20
业界领先的 AI 语音合成质量，29+ 语言支持。
- 模型
- —
- 输入
- —
- 输出
- —
免费额度10,000 credits/month (≈10 minutes audio, free plan with limited…
阅读提示价格、免费额度和网络可用性均为公开资料整理的结果，可能随官方政策与服务区域调整；实际价格和服务条款请以各厂商官方页面为准。
厂商资料取自多家公开模型目录并交叉整理；价格、免费额度与国内可用性按各家的公开口径展示，资料更新于 2026-09-14 02:32:32。
