OpenAI · 安定した
GPT-Realtime-2.1
OpenAI のリアルタイム音声合成推論モデルは、テキストと画像のコンテキストも必要とするツールを使用する音声エージェント向けです。
- 価格ベース
- オーディオ $32 イン · $64 アウト / 100 万トークン
- インタラクションモード
- テキスト/画像コンテキストを使用した音声合成
リソース
音声およびリアルタイム エージェント向けのトップ AI モデル
アシスタント、サポート、キャラクター、ライブ インターフェイス用のリアルタイム音声モデルと表現力豊かな音声モデル。請求単位、対話モード、待ち時間ベース、言語、ツール、およびコンテキストを比較します。
5 モデルの 1 ～ 5 を表示
Google のプレビュー オーディオツーオーディオ モデル。マルチモーダルな認識、思考、検索グラウンディング、機能呼び出しを備えた低遅延対話を実現します。
- 価格ベース
- オーディオ $0.005/分入力 · $0.018/分出力
- インタラクションモード
- リアルタイムオーディオツーオーディオ、マルチモーダル入力
ElevenLabs の表現力豊かなリアルタイム テキスト読み上げモデルは、自然な対話、感情表現、オーディオ タグ、および 70 以上の言語に対応します。
- 価格ベース
- $0.05 / 1,000 文字
- インタラクションモード
- Realtime text-to-speech / text-to-dialogue
Inworld の最新の表現力豊かなリアルタイム テキスト読み上げモデル。会話の内容を記憶し、100 以上の言語で話すように設計されています。
- 価格ベース
- オンデマンドで 25 ドル / 100 万文字。ボリュームディスカウント
- インタラクションモード
- 事前音声コンテキストを備えたステアリング可能なリアルタイム TTS
SpaceXAI の現在のリアルタイム音声合成モデルは、ツールにアクセスできる 1 秒未満の会話エージェント向けです。
- 価格ベース
- $0.08 / 音声 1 分
- インタラクションモード
- ツールを使用したリアルタイム音声読み上げ
比較のポイント
- 価格ベース
- リストされたアクセス ルートのトークン、文字、または分ベースの価格。
- インタラクションモード
- 音声合成、音声合成、またはストリーミングされたテキスト読み上げの動作。
- 公表されたレイテンシ
- プロバイダーが公表した測定値と、明示された除外事項。 Cody テストではありません。
このライブラリの使い方
誇大宣伝ではなく、仕事を比較してください。
実際の製品を決定するための実用的な API 情報を備えた、フロンティア、スペシャリスト、およびカテゴリ定義モデルの精選されたクロスカテゴリ セット。
Cody does not run a universal quality leaderboard.プロバイダーの主張にはラベルが付けられており、価格には税金とオプションのツールは含まれていません。製品の購入者は、モデルを選択する前にライブプロバイダーの条件を確認する必要があります。
- 01
技術的な制限、ライフサイクル、価格設定、地域アクセス、およびデータ ポリシーについては、ファーストパーティのドキュメントが存在する場合は必ずそれを使用します。
- 02
同じカテゴリ内のモデルのみを比較し、各プロバイダーの測定基準を保持します。
- 03
Show プロバイダーが比較可能な事実を推定せずに公表していない場合は、「未公表」と表示されます。
- 04
価格と在庫状況を日付のスナップショットとして扱い、すべてのページをプロバイダーのライブ ドキュメントにリンクします。
スピードは単位を維持する
音声遅延、テキスト スループット、ビデオ レンダリング時間、ワールド モデル フレーム レートは互換性がありません。
未知は未知のまま
リリース日、国リスト、またはレイテンシ番号が欠落している場合は、推定ではなく未公開としてラベルが付けられます。
すべての事実には日付がある
モデル ページは基礎となるソースにリンクし、価格設定、アクセス、ポリシーが最後にチェックされた時期を示します。
モデルを機能させる
モデルを選択し、より適切な概要を説明します。
Cody の拡張されたプロンプト プレイブックと厳選されたエージェント スキルを使用して、モデルの選択を反復可能なワークフローに変えます。