Text to Text
Gemini Audio Vision 音频理解 API 价格
使用 Google Gemini Audio Vision 分析音频。从音频 URL 获取详细的语音、语气和声音事件分析。免费试用，按次生成付费。
节省提示-6567% ↓比 Fal.ai 更便宜
关于 Gemini Audio Vision 音频理解
Gemini Audio Vision 将 Google Gemini 的原生音频理解能力带入 Muapi API。Gemini 不再依赖单独的转录步骤，而是摄取完整音频文件并端到端地进行推理，分析语音内容、说话人变化、语气和情绪、背景声音、音乐与静音。提供音频 URL 和提示词（或结构化系统提示词）后，它会返回详细的文本分析，因此适合播客摘要、通话质量检查、内容审核和声音事件检测。价格按 token 计费，类似于 [Gemini Video Vision](/playground/gemini-video-vision) 和 [Gemini 2.5 Flash](/playground/gemini-2-5-flash)，每次运行的最低收费会反映 Google 针对音频输入设置的更高单 token 费率。
互动节省计算器
估算每月 API 支出，并比较开发者可以节省的实际金额。
每月 API 生成次数10,000 次
50025,00050,00075,000100,000+
MuAPI 每月成本
$20000.00
$2.00/M input tokens, $5.00/M output tokens (higher per-run minimum for audio)Fal.ai 成本
$300.00
暂不可用预计每月节省$-19700.00
年度节省$-236400.00
详细价格明细
| 平台 | 预计费率 | 说明 |
|---|---|---|
| muapiapp | $2.00/M input tokens, $5.00/M output tokens (higher per-run minimum for audio) | Token-based billing with no subscription — pay only for what you use, including the higher token cost of audio input. |
| Fal.ai | 暂不可用 | Fal.ai 的视觉端点仅支持图像；它们无法通过 Gemini 文件 API 原生理解音频。 |
| Replicate | 暂不可用 | Replicate 目前不提供托管的 Gemini 音频理解端点。 |
开发者集成代码示例
模型常见问题
准备好扩展生产规模了吗？
立即获取开发者密钥，使用稳健的 SDK 在几分钟内接入高速动态模型。