计费规则

计费规则

Voice Studio 的语音合成按 输入文本的字符数 后付费计费，输出音频不计费。

定价：1.2 元 / 万字符 ，即单个字符 0.00012 元。不区分音色、模型与接口形态，所有计费项共用这一个单价。

费用按实际字符数折算，不以万字符为单位取整。字符数的算法见下面的【字符计算规则】

计费项

所有计费项共用同一套字符计算规则。

字符计算规则

• 一个 汉字 （包括简体汉字、繁体汉字、日文汉字和韩文汉字）计为 2 个字符 。

• 其他字符 （如一个英文字母、一个数字、一个标点符号、一个空格、一个日文假名、一个韩文字母、一个 emoji）计为 1 个字符 。

• 换行、制表符等控制字符 不计入字符数。

• 使用 SSML 时，SSML 标签本身不计入字符数，仅统计待合成的文本内容。

示例：你好 = 4 个字符；Hello 123 = 9 个字符；你好，世界 = 9 个字符；<speak>你好</speak> = 4 个字符。

粗略估算：纯中文文本的字符数约为字数的 2 倍 ，纯英文文本约等于字符数。

计费文本以文本归一化后为准

计费文本是 实际送入合成引擎的文本 ，而不是你提交的原文。差异来自 文本归一化（TN） —— TN 把数字、日期、金额等书面写法转成口语读法后再合成。TN 默认关闭 ，通过 X-TTS-TN: enable 请求头开启。

• TN 关闭 （默认）：按你提交的原文计费

• TN 开启 ：按归一化后的文本计费。口语读法通常比原文长，例如 123（3 个字符）会展开为 一百二十三（10 个字符）

如果需要账单可精确预估，可以不开启 TN，自行把文本处理成口语读法后再提交。

哪些情况会产生用量

用量在任务结束时一次性结算，中途的 flush 分段不会重复计量。口径可概括为一句话：文本一旦送入合成引擎就会产生用量，只有平台侧责任导致的失败才免费。

• 会产生用量 ——正常结束、中途取消、客户端断开连接或超时、连接达到时长上限被服务端收敛。以上均按已送入引擎的文本计量。

• 不产生用量 ——参数校验失败、音色不存在等在文本送入引擎之前就被拒绝的情况；平台或引擎故障导致的失败。

取消场景需特别注意：取消只会停止后续音频的输出，已送入引擎的部分照常计量。此时 task-finished 中下发的 usage.characters 为 0，但这 不代表本次不计费 。

如何查看用量

实时合成的 task-finished 事件带回本任务的字符数：

"payload": { "usage": { "characters": 42 } }

result-generated 的 sentence-end 子事件也带 usage.characters，表示截止当前句的累计值，最终数值 以 task-finished 为准 。按账期的用量与账单明细请在费用中心查看。

并发限制

除按量计费外，实时语音合成还受 并发连接数 限制：同一工作空间同时在线的 WebSocket 连接 默认上限为 5 路 。连接建立即占用一路，关闭即释放； 空闲连接同样占用额度 。

超出上限的新连接会被拒绝（握手返回 429 ，连接升级后表现为关闭码 4429 ），已建立的连接不受影响。需要提升额度请联系平台。

常见问题

• 为什么字符数比我发的字数多？ 汉字按 2 个字符计，纯中文文本约为字数的 2 倍。

• 同样一段文本，两次算出的字符数不同？ 检查是否开启了文本归一化（TN）。开启后按归一化结果计费，数字、日期等会被展开。

• SSML 标签会计费吗？ 不会，只统计标签内的正文。

• 中途取消或断线会计费吗？ 会，已送入引擎的文本照常计量。

• 调用失败要付费吗？ 文本送入引擎之前被拒绝（参数错误、音色不存在）不计费。