Нейросети для работы с аудио
Модели, которые расшифровывают речь и создают звук, и сервисы каталога, построенные на них.
- Моделей в реестре34слушают и расшифровывают
- Сервисов в каталоге149карточки приложений и ботов
Модели
| Модель | Разработчик | Вход и выход | Цена | Появилась |
|---|---|---|---|---|
| MiMo-V2.6-Flash | Xiaomi | текст, картинка, видео, звук → текст | $0,14 / $0,28 за 1 млн токенов | 21 сентября 2026 |
| Gemini 3.8 Flash | текст, картинка, видео, файл, звук → текст | $0,83 / $4,13 за 1 млн токенов | 2 сентября 2026 | |
| MiMo-V2.6-Pro | Xiaomi | текст, картинка, видео, звук → текст | $0,44 / $0,87 за 1 млн токенов | 21 сентября 2026 |
| Gemini 3 Flash Preview | текст, картинка, файл, звук, видео → текст | $0,50 / $3 за 1 млн токенов | 17 декабря 2025 | |
| MiMo-V2.5 | Xiaomi | текст, звук, картинка, видео → текст | $0,40 / $2 за 1 млн токенов | 22 апреля 2026 |
| Gemini 2.5 Flash Lite | текст, картинка, файл, звук, видео → текст | $0,10 / $0,40 за 1 млн токенов | 22 июля 2025 | |
| Gemini 3.1 Flash Lite | текст, картинка, видео, файл, звук → текст | $0,25 / $1,50 за 1 млн токенов | 7 мая 2026 | |
| Gemini 4 Argon | звук, файл, картинка, текст, видео → текст | $2 / $10 за 1 млн токенов | 13 октября 2026 | |
| Gemini 3.7 Flash | текст, картинка, видео, файл, звук → текст | $0,75 / $3,75 за 1 млн токенов | 13 августа 2026 | |
| Gemini 2.5 Flash | файл, картинка, текст, звук, видео → текст | $0,30 / $2,50 за 1 млн токенов | 17 июня 2025 | |
| Inkling | Thinking Machines Lab | текст, картинка, звук → текст | $1 / $4,05 за 1 млн токенов | 17 июля 2026 |
| MiMo-V2.6-Pro-UltraSpeed | Xiaomi | текст, картинка, видео, звук → текст | $4,35 / $8,70 за 1 млн токенов | 21 сентября 2026 |
| Muse Wonder | Meta | текст, картинка, видео, файл, звук → текст | $4 / $20 за 1 млн токенов | 12 октября 2026 |
| Gemini 2.5 Pro | текст, картинка, файл, звук, видео → текст | $1,25 / $10 за 1 млн токенов | 17 июня 2025 | |
| Gemini 2.5 Pro Preview 06-05 | файл, картинка, текст, звук → текст | $1,25 / $10 за 1 млн токенов | 5 июня 2025 | |
| Gemini 3.1 Flash Lite Preview | текст, картинка, видео, файл, звук → текст | $0,25 / $1,50 за 1 млн токенов | 3 марта 2026 | |
| Gemini 3.1 Pro Preview | звук, файл, картинка, текст, видео → текст | $2 / $12 за 1 млн токенов | 19 февраля 2026 | |
| Gemini 3.1 Pro Preview Custom Tools | текст, звук, картинка, видео, файл → текст | $2 / $12 за 1 млн токенов | 25 февраля 2026 | |
| Gemini 3.5 Flash | текст, картинка, видео, файл, звук → текст | $1,50 / $9 за 1 млн токенов | 19 мая 2026 | |
| Gemini 3.5 Flash Lite | текст, картинка, видео, файл, звук → текст | $0,30 / $2,50 за 1 млн токенов | 21 июля 2026 | |
| Gemini 3.6 Flash | текст, картинка, видео, файл, звук → текст | $0,75 / $3,75 за 1 млн токенов | 21 июля 2026 | |
| GPT Audio | OpenAI | текст, звук → текст, звук | $2,50 / $10 за 1 млн токенов | 19 января 2026 |
| GPT Audio Mini | OpenAI | текст, звук → текст, звук | $0,60 / $2,40 за 1 млн токенов | 19 января 2026 |
| Inkling Small | Thinking Machines Lab | текст, картинка, звук → текст | $0,45 / $1,20 за 1 млн токенов | 30 июля 2026 |
| Muse Spark Open | Meta | текст, картинка, видео, файл, звук → текст | $1,25 / $4,25 за 1 млн токенов | 15 октября 2026 |
| Perceptron Mk1.5 | Perceptron | текст, картинка, видео, звук → текст | $0,15 / $1,50 за 1 млн токенов | 25 сентября 2026 |
| Qwen3.8 Omni Flash | Alibaba Qwen | текст, картинка, звук, видео → текст | $0,15 / $0,47 за 1 млн токенов | 21 сентября 2026 |
| Voxtral Small 24B 2507 | Mistral AI | текст, звук, файл → текст | $0,10 / $0,30 за 1 млн токенов | 30 октября 2025 |
| Gemini 2.5 Pro Preview 05-06 (снята) | текст, картинка, файл, звук, видео → текст | $1,25 / $10 за 1 млн токенов | 7 мая 2025 |
Всего 29 моделей под выбранные условия. Цена — из каталогов и провайдеров с датой наблюдения; «не установлена» означает, что источник не сообщил значение. Дата — выпуск по публикации разработчика, иначе день появления модели в каталоге.
Сервисы и приложения для аудио
Вопросы и ответы
Где в разделе аудио искать расшифровку записи встречи?
Выберите «Слушают и расшифровывают»: в этой выборке у моделей указан звук на входе и текст на выходе. Если нужен готовый интерфейс для загрузки записи, смотрите ниже «Сервисы и приложения для аудио». Попадание в выборку ещё не подтверждает распознавание участников разговора или работу с шумной записью.
В выборке «Создают звук» находятся только генераторы музыки?
Нет. Эта выборка проверяет наличие звука на выходе, но не делит его на музыку, речь и другие звуки. Для песни, озвучки книги или звукового эффекта откройте карточку подходящего инструмента и проверьте именно эту задачу. Одного выходного формата для такого выбора недостаточно.
Как считается и откуда данные · данные обновлены 27 октября 2026
Оценки и интервалы приведены как в открытых замерах оценок людей, без пересчёта; доля использования — по публичным данным API-агрегаторов (топ-K моделей и строка «прочие»); характеристики и цены — из каталогов и провайдеров с датой наблюдения. Интервал у оценки не равен диапазону мест: соседние модели с пересекающимися интервалами статистически неразличимы.
Полная методика: источники, частота обновления, что означает число