Audio Models(Hướng dẫnHướng dẫn cấu hình)
Tất cả model âm thanh: chuyển văn bản thành giọng nói (TTS), nhận dạng giọng nói (STT) và trò chuyện giọng nói thời gian thực (Live).
Text-to-Speech (TTS)(27)
Google TTS Free
Giọng Google Translate — hoàn toàn miễn phí, không giới hạn. Chất lượng cơ bản, hỗ trợ nhiều ngôn ngữ. Route qua 9Router.
Model này được cung cấp và đảm bảo từ Beeknoee
Kokoro 82M
Kokoro 82M của Hexgrad. Model chuyển văn bản thành giọng nói — 54 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
CSM 1B
CSM 1B của Sesame. Model chuyển văn bản thành giọng nói — 7 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
Orpheus 3B
Orpheus 3B của Canopy Labs. Model chuyển văn bản thành giọng nói — 7 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
HeyGen Voice Turbo
HeyGen Voice Turbo của HeyGen. Model chuyển văn bản thành giọng nói — 10 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
GPT-4o Mini TTS
TTS thế hệ mới dựa trên GPT-4o Mini. Token-based pricing (~$12/1M chars). Hỗ trợ prompt điều chỉnh giọng điệu thông minh, accent đa ngôn ngữ.
Model này được cung cấp và đảm bảo từ BeeknoeeOpenAI TTS-1
Text-to-Speech tiêu chuẩn, latency thấp, giá rẻ. Hỗ trợ 9 giọng nói: alloy, ash, coral, echo, fable, nova, onyx, sage, shimmer.
Model này được cung cấp và đảm bảo từ BeeknoeeGoogle Gemini 2.5 Flash TTS
Gemini-TTS can bang toc do va chat luong. 30 giong, 70+ ngon ngu, tieng Viet GA. Giong: Kore, Zephyr, Puck, Charon...
Model này được cung cấp và đảm bảo từ BeeknoeeGoogle Gemini 3.1 Flash TTS
Gemini-TTS moi nhat, do tre thap. 30 giong, tieng Viet GA.
Model này được cung cấp và đảm bảo từ Beeknoee
Grok Voice TTS 1.0
Grok Voice TTS 1.0 của Grok. Model chuyển văn bản thành giọng nói — 5 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestHeyGen Voice
HeyGen Voice của HeyGen. Model chuyển văn bản thành giọng nói — 10 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
MAI-Voice-2-Flash
MAI-Voice-2-Flash của Microsoft. Model chuyển văn bản thành giọng nói — 4 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestMAI-Voice-2.1-Flash
MAI-Voice-2.1-Flash của Microsoft. Model chuyển văn bản thành giọng nói — 97 giọng đọc, có giọng tiếng Việt (Grant, Harper). Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
Voxtral Mini TTS
Voxtral Mini TTS của Mistral. Model chuyển văn bản thành giọng nói — 30 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
Eleven Flash v2
Eleven Flash v2 của ElevenLabs. Model chuyển văn bản thành giọng nói — 21 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestEleven Flash v2.5
Eleven Flash v2.5 của ElevenLabs. Model chuyển văn bản thành giọng nói — 21 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestEleven Turbo v2
Eleven Turbo v2 của ElevenLabs. Model chuyển văn bản thành giọng nói — 21 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestEleven Turbo v2.5
Eleven Turbo v2.5 của ElevenLabs. Model chuyển văn bản thành giọng nói — 21 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestEleven v3 Conversational
Eleven v3 Conversational của ElevenLabs. Model chuyển văn bản thành giọng nói — 21 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestEleven v4 Turbo
Eleven v4 Turbo của ElevenLabs. Model chuyển văn bản thành giọng nói — 21 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestOpenAI TTS-1 HD
Text-to-Speech chất lượng cao, giọng tự nhiên hơn. Phù hợp cho podcast, audiobook, nội dung chuyên nghiệp.
Model này được cung cấp và đảm bảo từ BeeknoeeGoogle Gemini 2.5 Pro TTS
Gemini-TTS cao cap — podcast, audiobook, tong dai. 30 giong, tieng Viet GA.
Model này được cung cấp và đảm bảo từ BeeknoeeMAI-Voice-2
MAI-Voice-2 của Microsoft. Model chuyển văn bản thành giọng nói — 4 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestMAI-Voice-2.1
MAI-Voice-2.1 của Microsoft. Model chuyển văn bản thành giọng nói — 97 giọng đọc, có giọng tiếng Việt (Grant, Harper). Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
Aura-2
Aura-2 của Deepgram. Model chuyển văn bản thành giọng nói — 90 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestFlux TTS
Flux TTS của Deepgram. Model chuyển văn bản thành giọng nói — 36 giọng đọc. Định dạng âm thanh: mp3 hoặc pcm.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestElevenLabs v3
Model biểu cảm nhất của ElevenLabs, 70+ ngôn ngữ. Có 12 giọng Việt bản địa (Bắc/Trung/Nam) — giọng MC, đọc tin, podcast, kể chuyện. Tối đa 5.000 ký tự mỗi lượt. Dành cho audiobook, lồng tiếng, video — nơi cần cảm xúc thật.
Model này được cung cấp và đảm bảo từ BeeknoeeSpeech-to-Text (STT)(23)
Nemotron 3.5 ASR Streaming Multilingual 0.6B
Nemotron 3.5 ASR Streaming Multilingual 0.6B của NVIDIA. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
Qwen3 ASR 0.6B
Qwen3 ASR 0.6B của Qwen. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestQwen3 ASR 1.7B
Qwen3 ASR 1.7B của Qwen. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestVoxtral Mini 3B 2507
Voxtral Mini 3B 2507 của Mistral. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
Groq Whisper Large v3
High-accuracy Whisper via Groq. Best for long-form audio. $0.002/phút.
Model này được cung cấp và đảm bảo từ BeeknoeeGroq Whisper Large v3 Turbo
Ultra-fast transcription via Groq LPU. <1s latency. $0.002/phút.
Model này được cung cấp và đảm bảo từ BeeknoeeParakeet TDT 0.6B v3
Parakeet TDT 0.6B v3 của NVIDIA. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestGoogle Gemini 2.5 Flash-Lite STT
Chep loi bang Gemini — re nhat, nhanh, hieu ngu canh. Ho tro tieng Viet, 90+ ngon ngu.
Model này được cung cấp và đảm bảo từ BeeknoeeGrok STT 1.0
Grok STT 1.0 của Grok. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestScribe v2
Scribe v2 của ElevenLabs. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestScribe v2 Medical
Scribe v2 Medical của ElevenLabs. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestGPT-4o Mini Transcribe
Budget transcription — half price of standard. $0.003/phút.
Model này được cung cấp và đảm bảo từ BeeknoeeVoxtral Mini Transcribe
Voxtral Mini Transcribe của Mistral. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestVoxtral Small 24B 2507 STT
Voxtral Small 24B 2507 STT của Mistral. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestGoogle Gemini 2.5 Flash STT
Chep loi bang Gemini — can bang. Tot cho audio kho, nhieu tap am, nhieu nguoi noi.
Model này được cung cấp và đảm bảo từ BeeknoeeGPT-4o Transcribe
Enhanced accuracy + diarization support. $0.006/phút.
Model này được cung cấp và đảm bảo từ BeeknoeeWhisper
OpenAI Whisper — standard transcription, 99+ languages. $0.006/phút.
Model này được cung cấp và đảm bảo từ BeeknoeeNova-3
Nova-3 của Deepgram. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestGPT Transcribe
GPT Transcribe của OpenAI. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi request
Transcribe 1
Transcribe 1 của Fish Audio. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestTranscribe 1 Pro
Transcribe 1 Pro của Fish Audio. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestGoogle Gemini 2.5 Pro STT
Chep loi bang Gemini — chinh xac nhat. Hoi thoai phuc tap, phan tich va tom tat sau.
Model này được cung cấp và đảm bảo từ BeeknoeeChirp 3
Chirp 3 của Google. Model chuyển giọng nói thành văn bản — tính theo thời lượng audio thật. Kết quả: json, verbose_json hoặc text; file tối đa 25 MB.
Model này được cung cấp từ OpenRouter. Sẽ tính thêm 15% phí (10% VAT + 5% phí nền tảng) vào mỗi requestLive / Realtime(3)
Gemini 3.8 Live
Trò chuyện giọng nói thời gian thực, âm thanh gốc (native audio). Vào: tiếng/chữ/ảnh/video — ra: tiếng/chữ. Tự nhận và chuyển giữa 97 ngôn ngữ giữa cuộc, có suy luận nền và gọi hàm bất đồng bộ.
Cung cấp trực tiếp bởi Google — giá hiển thị ĐÃ gồm 15% phụ phí (10% VAT + 5% phí nền tảng)GPT Realtime 2.1 Mini
Trò chuyện giọng nói thời gian thực, bản gọn nhẹ độ trễ thấp. Vào: tiếng/chữ/ảnh — ra: tiếng/chữ. Có suy luận theo mức (minimal → xhigh) và gọi hàm.
Cung cấp trực tiếp bởi OpenAI — giá hiển thị ĐÃ gồm 15% phụ phí (10% VAT + 5% phí nền tảng)GPT Realtime 2.1
Trò chuyện giọng nói thời gian thực chất lượng cao. Vào: tiếng/chữ/ảnh — ra: tiếng/chữ. Có suy luận theo mức (minimal → xhigh) và gọi hàm.
Cung cấp trực tiếp bởi OpenAI — giá hiển thị ĐÃ gồm 15% phụ phí (10% VAT + 5% phí nền tảng)