| 模型 | 厂商 | 价格 / 每张 | 标签 |
|---|---|---|---|
| Imagen 4 Fast | Google 🇺🇸 | ￥0.13 | 快速 |
| 通义万相 wan2.6 | 阿里通义 🇨🇳 | ￥0.20 | |
| 豆包 Seedream 4.0 | 字节豆包 🇨🇳 | ￥0.20 | |
| 即梦 Dreamina | 字节即梦 🇨🇳 | ￥0.20 | |
 可灵 图像 | 快手可灵 🇨🇳 | ￥0.20 | |
| 腾讯混元生图 | 腾讯混元 🇨🇳 | ￥0.25 | |
| 豆包 Seedream 4.5 | 字节豆包 🇨🇳 | ￥0.25 | 高质量 |
| Gemini 2.5 Flash Image | Google 🇺🇸 | ￥0.26 | 快速可编辑 |
| gpt-image-1 | OpenAI 🇺🇸 | ￥0.27 | 可编辑 |
 FLUX1.1 Pro | Black Forest Labs 🇩🇪 | ￥0.27 | 高质量 |
 Recraft V3 | Recraft 🇺🇸 | ￥0.27 | 设计 |
| Imagen 4 Ultra | Google 🇺🇸 | ￥0.40 | 最高质量 |
 Stable Diffusion 3.5 Large | Stability AI 🇬🇧 | ￥0.44 | 开源 |
 Ideogram 3.0 | Ideogram 🇺🇸 | ￥0.54 | 擅长文字 |
| Gemini 3 Pro Image | Google 🇺🇸 | ￥0.90 | 旗舰多模态 |
 Midjourney V7 | Midjourney 🇺🇸 | 订阅制 | 仅订阅 |
| 模型 | 厂商 | 价格 / 每秒 | 标签 |
|---|---|---|---|
| 豆包 Seedance 1.0 Lite | 字节豆包 🇨🇳 | ￥0.30 | 快速 |
| Veo 3.1 Lite | Google 🇺🇸 | ￥0.34 | 快速带音频 |
| 通义万相 wan2.6 (720P) | 阿里通义 🇨🇳 | ￥0.60 | |
| 智谱清影 CogVideoX | 智谱 🇨🇳 | ￥0.60 | |
 Luma Dream Machine | Luma AI 🇺🇸 | ￥0.67 | |
 Pika 2.2 | Pika 🇺🇸 | ￥0.67 | |
 PixVerse V4 | 爱诗 PixVerse 🇨🇳 | ￥0.80 | |
| 可灵 Kling 2.5 | 快手可灵 🇨🇳 | ￥1.00 | 高质量 |
| 海螺 Hailuo 02 | MiniMax 🇨🇳 | ￥1.00 | |
 Vidu Q1 | 生数 Vidu 🇨🇳 | ￥1.00 | |
| 腾讯混元视频 | 腾讯混元 🇨🇳 | ￥1.00 | 开源 |
| Veo 3.1 Fast | Google 🇺🇸 | ￥1.01 | 快速带音频 |
 Runway Gen-4 | Runway 🇺🇸 | ￥1.01 | 可编辑 |
| Sora 2 | OpenAI 🇺🇸 | ￥2.02 | 旗舰带音频 |
| Veo 2 | Google 🇺🇸 | ￥2.35 | 上代 |
| 模型 | 厂商 | 价格 / 每千字符 | 标签 |
|---|---|---|---|
| 百度 TTS | 百度智能云 🇨🇳 | ￥0.03 | |
| 腾讯云 TTS | 腾讯云 🇨🇳 | ￥0.03 | |
| 讯飞在线语音合成 | 科大讯飞 🇨🇳 | ￥0.03 | |
| 豆包语音合成 | 字节火山 🇨🇳 | ￥0.04 | |
| MiniMax T2A | MiniMax 🇨🇳 | ￥0.10 | 多语言声音克隆 |
| OpenAI TTS | OpenAI 🇺🇸 | ￥0.10 | |
 Fish Audio | Fish Audio 🇨🇳 | ￥0.10 | 开源声音克隆 |
| Google Cloud TTS | Google 🇺🇸 | ￥0.11 | 多语言 |
 Azure Neural TTS | Microsoft Azure 🇺🇸 | ￥0.11 | 多语言企业 |
 Cartesia Sonic | Cartesia 🇺🇸 | ￥0.13 | 低延迟 |
 PlayHT | PlayHT 🇺🇸 | ￥0.13 | 多语言 |
| CosyVoice | 阿里通义 🇨🇳 | ￥0.20 | 声音克隆 |
 ElevenLabs | ElevenLabs 🇺🇸 | ￥1.01 | 声音克隆多语言 |
生成模型的计价方式多样（按张 / 按秒时长 / 按字符），且常随分辨率、时长、音色档位变化；此处取各厂常见档位的代表价，仅供横向参考，实际以各厂商官方页为准。国际模型原价为美元、￥ 按最新汇率折算；国产走官方人民币价。
和文本模型按 token 计费不同，生成模型的账要分三种看：图像按张、视频按秒时长、语音按字符。同一类里，价格还会随分辨率、时长、音色档位浮动 —— 所以先按类别锁定，再在类别内比。
国产在这块很能打：通义万相、豆包 Seedream、可灵、即梦做图/视频，价格普遍比海外低一档且对中文语义更友好；海外的 Veo、Sora、Imagen 在质量和时长上仍是标杆。语音合成里 讯飞、豆包、CosyVoice 中文自然度高，ElevenLabs 则在多语言音色上领先。
生成类调用单价看着不高，但一旦批量（成百上千张图 / 长视频 / 长文本配音）就是一笔可观的账。想把量代入算总成本，可以配合 成本计算器 的思路自己估一版。
图像按张、视频按秒时长、语音按字符 —— 和文本模型的按 token 完全不同。
图像/视频国产（通义万相、豆包、可灵）普遍便宜一档；海外在质量、时长上仍领先。
分辨率、时长、音色档位不同价格不同，这里取常见档位代表价，实际以官网为准。
是。国产走各厂官方人民币价，海外为美元，可 ￥ / $ 切换按最新汇率折算。
Midjourney 只提供订阅制、无按量 API，所以标「订阅制」而非单张价格。
