Model Price

无需参考音频，一句话描述即可生成全新音色。多维度语义理解，覆盖口音、年龄、气质与录音质感。

数秒参考音频，即可高保真复刻目标音色。无需训练或标注，克隆后仍可叠加风格指令与情绪标签。

精品音色语音合成，风格指令精准遵循。内联情绪标签逐字控制，零提示词捕捉角色气质。

中英双语 + 多方言语音识别，无需语言标签，自动识别语码混用中的各语言内容。支持歌词转写，适应强噪声等复杂声学场景。

Suno 将已有音乐导出为 WAV 音频。

Suno 音轨分离接口，用于提取人声或乐器等分轨。

Suno 音乐生成接口，可根据文字提示创作音乐。

千问实时音视频对话模型，可理解文本、图像和音视频输入，并流式输出文本与语音。

千问支持指令控制的实时文本转语音模型，可通过文字指令调整语音风格。

千问实时音视频对话模型，可理解文本、图像和音视频输入，并流式输出文本与语音。