AI 音频生成 API 对比

HiAPI 通过与图片和视频相同的统一 POST /v1/tasks 接口提供音频生成模型，包括文本转语音（TTS）、音乐和音效。只需一个 API Key 和一套任务模型，即可为产品加入语音、音乐或音效能力。

准备测试音频 API？

接入生产环境前，可先在 Playground 中试用、对比实时价格或创建 API Key。

快速对比

所有音频模型均通过同一个 POST /v1/tasks 接口调用，并返回可通过轮询或回调获取的音频产物，例如 mp3 或 wav。

模型	最适合	说明
ElevenLabs Text to Dialogue v3 API	多角色对话：广播剧、播客、游戏 NPC	67 种预设音色、70 多种语言、逐行控制音色；按字符计费，每次最多 5000 个字符
MiniMax Music 1.5 API	带人声的完整歌曲：配乐、广告歌曲、品牌音乐	最长约 4 分钟，支持带结构标签的中英文歌词；按首计费
MiniMax Music 2.6 API	新一代完整歌曲：长歌词、纯音乐模式、自动作词	歌词最长 3500 字符，支持 14 种结构标签、纯音乐模式和按提示词自动作词；按首计费
MiniMax Music 3 API	高保真歌曲：时长可控、结果可复现	歌词必填、支持结构标签，时长上限 1-300 秒，无损 WAV 输出；按请求的生成时长计费

以下页面提供上线前契约，供集成评审使用。dev 环境验收已通过；生产环境仍保持关闭，待发布门禁解除后开放。

模型	规划用途	状态
Qwen-Audio 3.0 TTS Plus	高质量配音、视频旁白和有声内容	2 个系统音色；PCM/WAV/MP3/Opus；完整语音控制；dev 验收已通过
Qwen-Audio 3.0 TTS Flash	AI 助手、语音智能体、通知播报和快速语音工作流	4 个系统音色；PCM/WAV/MP3/Opus；完整语音控制；dev 验收已通过

更多音频能力会通过同一个接口陆续上线：

音频模型会持续增加。请在 HiAPI 价格页查看当前模型列表和实时价格。

所有音频模型都使用统一的异步任务流程：

音频任务是异步执行的，因此应优先使用回调或适中的轮询间隔，避免高频轮询。

HiAPI 的所有音频生成 API 都使用相同的 API Key 和任务接口。在 API Keys 页面创建一个 Key，并在每次请求中携带：

Authorization: Bearer YOUR_API_KEY

请将 API Key 保存在服务端。对于浏览器应用，应先将用户文本或提示词发送到你的后端，再由后端创建 HiAPI 任务。

当前价格以 HiAPI 价格页为准。音频价格通常取决于模型及其计费单位，包括输出时长（按秒）或输入长度（按字符），同时也与请求量有关。

控制成本时建议：

AI 音频 API 可以让应用根据文本或提示词生成语音、音乐或音效。HiAPI 通过 POST /v1/tasks 提供音频模型，并返回任务 ID，供应用轮询结果或通过回调等待任务完成。

音频 API 成本取决于模型、计费单位（按输出秒数或输入字符数）和请求量。当前价格请查看 HiAPI 价格页。

音频任务会返回可下载的产物 URL，常见格式为 mp3 或 wav，具体取决于模型。