음성 및 실시간 에이전트를 위한 최고의 AI 모델

130개 언어로 표현력 있는 내레이션, 캐릭터 음성, 대화를 생성하는 Google 음성 모델입니다.

가격 기준

100만 토큰당 텍스트 입력 $0.50 · 오디오 출력 $9

상호작용 모드

두 화자의 대화를 지원하는 텍스트 음성 변환

101개 언어의 읽어주기 기능과 대량 오디오 제작을 위한 Google의 저비용 음성 생성 모델입니다.

가격 기준

100만 토큰당 텍스트 입력 $0.50 · 오디오 출력 $6

상호작용 모드

두 화자의 대화를 지원하는 텍스트 음성 변환

별도의 백엔드 에이전트에 더 깊은 추론과 작업을 위임하는 자연스러운 대화를 위한 OpenAI의 전이중 음성 프런트엔드입니다.

가격 기준

$0.05 / 음성 분 + 백엔드 사용량

상호작용 모드

위임된 백엔드를 갖춘 전이중 음성 프런트엔드

오디오, 텍스트, 시각적 맥락을 활용해 빠르게 대화하는 Google의 실시간 음성 모델.

가격 기준

오디오 $0.005/분 입력 · $0.018/분 출력

상호작용 모드

시각 입력과 대화 사이 추론을 지원하는 음성 대화

대화를 이어가면서 복잡한 요청을 백그라운드에서 처리하는 별도의 Gemini 음성 모델.

가격 기준

오디오 $0.005/분 입력 · $0.018/분 출력

상호작용 모드

시각 입력과 백그라운드 추론을 지원하는 음성 대화

텍스트 및 이미지 컨텍스트도 필요한 도구 사용 음성 에이전트를 위한 OpenAI의 실시간 음성 대 음성 추론 모델입니다.

가격 기준

오디오 $32 입력 · $64 출력 / 100만 토큰

상호작용 모드

텍스트/이미지 컨텍스트를 갖춘 음성 대 음성

Google의 미리 보기 오디오-오디오 모델은 다중 모드 인식, 사고, 검색 기반 및 기능 호출을 통해 지연 시간이 짧은 대화를 제공합니다.

가격 기준

오디오 $0.005/분 입력 · $0.018/분 출력

상호작용 모드

실시간 오디오-오디오, 다중 모드 입력

ElevenLabs' 자연스러운 대화, 감정 전달, 오디오 태그 및 70개 이상의 언어를 위한 표현력이 풍부한 실시간 텍스트 음성 변환 모델입니다.

가격 기준

$0.05 / 1,000자

상호작용 모드

Realtime text-to-speech / text-to-dialogue

Inworld의 최신 표현력이 풍부한 실시간 텍스트 음성 변환 모델은 대화 내용을 기억하고 100개 이상의 언어로 말할 수 있도록 설계되었습니다.

가격 기준

$25 / 요청 시 100만 자; 대량 할인

상호작용 모드

사전 오디오 컨텍스트를 갖춘 조정 가능한 실시간 TTS

도구 액세스가 가능한 1초 미만의 대화 에이전트를 위한 SpaceXAI의 현재 실시간 음성 대 음성 모델입니다.

가격 기준

$0.08/오디오 분

상호작용 모드

도구를 사용한 실시간 음성 변환