图像 / 视频 / 语音生成模型价格
做 AIGC 应用不只用文本模型。文生图、文生视频、语音合成的计价方式各不相同 （按张 / 按秒 / 按字符），这里按类别分开对比，绿色是各类最便宜的。
图像生成（每张）
文生图 / 图生图，按生成张数计费
| 模型 | 厂商 | 价格（每张） | 标签 |
|---|---|---|---|
| Imagen 4.0 Fast | ¥0.136$0.02 | 快速 | |
| 通义万相 wan2.6（文生图） | 🇨🇳阿里通义 | ¥0.200 | 国产文生图 |
| 豆包 Seedream 4.0 | 🇨🇳字节豆包 | ¥0.200 | 国产文生图 |
| 豆包 Seedream 5.0 Lite | 🇨🇳字节豆包 | ¥0.220 | 国产快速 |
| 豆包 Seedream 4.5 | 🇨🇳字节豆包 | ¥0.250 | 国产高质量 |
| Gemini 2.5 Flash Image | ¥0.264$0.039 | 快速可编辑 | |
| Imagen 4.0 | ¥0.271$0.04 | 高质量 | |
| Imagen 4.0 Ultra | ¥0.407$0.06 | 最高质量 | |
| Gemini 3 Pro Image | ¥0.908$0.134 | 旗舰多模态 |
视频生成（每秒）
文生视频 / 图生视频，按视频时长(秒)计费
语音合成 TTS（每百万字符）
文字转语音，按输入字符计费
| 模型 | 厂商 | 价格（每百万字符） | 标签 |
|---|---|---|---|
| OpenAI TTS-1 | 🇺🇸OpenAI | ¥102$15 | 标准 |
| OpenAI TTS-1 HD | 🇺🇸OpenAI | ¥203$30 | 高清 |
| ElevenLabs v3 | 🇺🇸ElevenLabs | ¥1220$180 | 拟真多语言 |
语音识别 STT（每分钟）
语音转文字，按音频时长计费
| 模型 | 厂商 | 价格（每分钟） | 标签 |
|---|---|---|---|
| OpenAI Whisper | 🇺🇸OpenAI | ¥0.041$0.006 | 多语言 |
价格海外厂商附 $ 原价（按 1 USD = 6.78 换算）· 绿色 = 各类最便宜 · 数据更新 2026-05-30 · 以各厂商官方为准 · 更多国产生成模型（可灵 / 即梦 / 豆包 Seedream）陆续补充
生成模型计价怎么看？
图像按「张」算，但分辨率影响成本。文生图通常按生成张数计费，国产通义万相（¥0.200/张）和 Google Imagen 4.0 Fast 是便宜档；更高质量的 Gemini 3 Pro Image、Imagen Ultra 单张更贵。注意高分辨率 / 多图会按倍数计费。
视频按「秒」算，是最烧钱的一类。Veo 3.1（约 ¥2.71/秒）生成一段 8 秒视频就要 ¥20+，批量生成成本极高。 预算有限优先 Veo 3.1 Lite / Fast，或先用便宜档出草稿、满意了再用旗舰渲染。
语音合成 TTS 按「字符」算。OpenAI TTS-1（¥102/百万字符）适合大批量，ElevenLabs 拟真度最高但贵 一个数量级。一篇 1000 字文章转语音，OpenAI 约 ¥0.1、ElevenLabs 约 ¥1.2。
语音识别 STT 按「分钟」算。OpenAI Whisper 约 ¥0.041/分钟，一小时音频转写约 ¥2.5，非常便宜，是播客 / 会议纪要类应用的标配。