
提供 Google Gemini 模型的直接 API 存取與大方的免費原型開發額度,但缺乏 OpenAI 的生態系廣度。
Voicemaker is a browser-based AI audio studio for text to speech, speech to speech, voice cloning, stem splitting and audio cleanup, offering 2,000+ AI voices across 130+ languages.
| 面向/指標 | ![]() | |
|---|---|---|
| 官方網域 | openai.com | voicemaker.in |
| 定價模式 | 付費 | 免費增值、付費、需聯絡報價 |
| 每月造訪次數 | 2.35億 (234,678,639) | 50.1萬 (500,999) |
| 月流量變化量 | -2478.28萬 (-9.6%) | -6.38萬 (-11.3%) |
| 主要市場與市佔 | 🇺🇸 美國 (25.4%) | 🇮🇳 印度 (37.8%) |
| 每月直接造訪 | 1.05億 | 10.49萬 |
| 使用者評分 | 4.8 | 4.4 |
| 支援平台 | 網站 | 網站 |

用於部署 GPT-6 Astra、Sol、Luna 以及即時多模態代理的企業級開發者平台與 API。
涵蓋 GPT-6 Astra(每百萬 token 10/50 美元)、GPT-6.1 Sol(2/10 美元)、GPT-6.1 Terra(1/5 美元)與 GPT-6 Luna(0.10/0.50 美元),全部具備 1,050,000 token 上下文視窗與最高 128K 輸出。
依每次 API 請求在六個細緻層級(`none`、`low`、`medium`、`high`、`xhigh`、`max`)調節思考 token 預算,以平衡延遲、準確性與成本。
在單次有狀態 API 呼叫中,把模型推理與代管網頁搜尋、檔案搜尋、函式呼叫以及自主的圖形介面電腦操作結合起來。
建置超低延遲的多模態語音代理,按秒計費(每分鐘 0.05 美元),無需向上取整到整分鐘。
Voicemaker is a browser-based AI audio studio for text to speech, speech to speech, voice cloning, stem splitting and audio cleanup, offering 2,000+ AI voices across 130+ languages.
A deep voice library filtered by language, accent, gender, age and use case, from conversational narration to characters and IVR prompts.
Switch between budget default voices, Pro V1/V2, ProPlus Turbo for low-latency use and ProPlus Expressive V2 for emotional, prompt-driven delivery.
Clone a voice from a 20-second to 2-minute sample, or describe a voice in text and pick from three generated candidates.
Split songs into vocals, drums and instruments, remove background noise to isolate speech, and apply 100+ creative voice effects.

提供 Google Gemini 模型的直接 API 存取與大方的免費原型開發額度,但缺乏 OpenAI 的生態系廣度。

免費 / 開源阿里雲第四代基礎大模型家族與全模態 AI 助手 — 涵蓋 Qwen 4 (Qwen4)、Qwen4-Max、Qwen4-Plus、Qwen4-Flash、Qwen4-27B 與 Qwen 3.8-Flash-Next 架構
免費 / 開源阿里雲第四代基礎大模型家族與全模態 AI 助手 — 涵蓋 Qwen 4 (Qwen4)、Qwen4-Max、Qwen4-Plus、Qwen4-Flash、Qwen4-27B 與 Qwen 3.8-Flash-Next 架構

Provides developer APIs for Zhipu AI's proprietary GLM models, serving as an alternative enterprise foundation model stack.
Provides developer APIs for Zhipu AI's proprietary GLM models, serving as an alternative enterprise foundation model stack.
Specializes in reading documents, PDFs, and web pages aloud effortlessly, but offers more basic voice cloning capabilities.
Specializes in reading documents, PDFs, and web pages aloud effortlessly, but offers more basic voice cloning capabilities.

專項更強最佳化用於生成式媒體與影像模型的極速無伺服器執行,而非通用的文字 LLM。
提供細緻的情感控制與生動的角色語音,但主要專注於劇本對話而非一般音訊工具箱。
能流暢地將各種文件與網頁轉換為語音,但提供的語音自訂細緻度不及專業錄音室。