AI 配音的定价解剖：万字符两块钱的基准线与三类成本陷阱

AI 配音（TTS）的商用这两年来得很快：知识视频、有声书、企业宣传、智能外呼，全都用上了合成语音。但「配音多少钱」这个问题，市面上的答案乱得离谱——有按字符计费的、有按时长的、有包月不限量的，还有「免费」的。这篇把 TTS 的定价结构解剖清楚：行业基准在哪、三个常见的成本陷阱、以及什么用量画像该选什么模式。

先立基准线：万字符两块钱

国内 TTS API 的主流定价带：万字符 1.5~3 元（标准音色、标准采样率）。低于这个带的要警惕（后面讲陷阱），高于这个带的通常是精品音色档（情感、多语种、48kHz）。

换算成业务单位更直观：

• 一条 60 秒短视频配音（约 200 字）：4~6 分钱
• 一期 10 分钟知识视频（约 2000 字）：4~6 毛钱
• 一部 10 万字有声书：15~30 元

对照真人配音（市场价每分钟 15~30 元）：一部有声书真人要 1.5 万起，AI 只要几十块——两个数量级的差价，这就是 AI 配音快速普及的底层原因。我们团队配音走的算邻坊语音合成接口，万字符两元、二十一个音色、按量计费不用不花钱，一部有声书全本合成的成本大约 20 块，这个价位就是当前的行业基准线附近。

陷阱一：「免费」的算力账

免费 TTS 普遍存在，但要算三笔隐性账：

时长限制。 单次合成限几百字符，长内容要自己切分拼接——工程成本转嫁给你。

商用授权。 多数免费服务的合成结果禁止商用，配音上传平台就违约。商用授权费另算，通常比直接买 API 贵。

稳定性。 免费通道的并发和延迟没有 SLA，批量任务跑一半限流是常态。

结论：试听选型用免费的没问题，生产链路里「免费」的隐性成本远高于基准线的两块钱。

陷阱二：计费单位里的猫腻

TTS 计费按「字符」，但字符的定义各家有出入：

• 标点算不算？（朗读会停顿，但字符数在涨）
• 数字怎么算？（「2024」按 1 字符还是读出的「二零二四」按 4 字符？）
• 空格、换行算不算？

规范的做法是拿同一段 1000 字的真实业务文本，在候选服务上试合成，看实际计费字符数和文本字数的比率。我们测过的服务里，这个比率从 0.98 到 1.31 不等——同样标价万字符两元，实际成本差 33%。计费口径必须进采购的验收条款。

陷阱三：包月的量级错配

包月套餐（比如 99 元/月 500 万字符）的适用画像是恒定负载。两个错配场景：

低用量买包月：月用量 50 万字符的团队买 99 元套餐，实际单价万字符 1.98 元看着和基准线持平，但浪费的 450 万字符是纯沉没成本——按量付费（用多少付多少、不用不花钱）在这个量级永远更优。

脉冲负载买包月：活动月 2000 万字符、平时 100 万，包月的上限买少了月月超，买多了平时亏。脉冲负载的解法是按量打底加包月封顶的组合，或者干脆全按量。

按量计费在 TTS 场景的另一个隐性优势：音色试错的成本极低。换一个音色跑一段测试文本，成本几分钱；要做 A/B 听感对比，几十个音色全试一遍也就几块钱。创作类场景的选型迭代速度，直接被计费模式决定。

一张选型速查

• 月用量 < 100 万字符（个人创作者、小团队）：按量计费，无脑选，单月成本封顶两百块
• 月用量 100~500 万（内容团队）：按量为主，若波动小可对比包月
• 月用量 > 500 万（有声书厂、批量配音）：谈量价，基准线可谈到 7 折
• 商用务必确认授权条款，「免费」仅用于试听

收尾

配音定价的水看着深，抽干之后就是一句话：万字符两块上下是合理价，按量计费是多数人的最优解，警惕字符口径和「免费」的隐性成本。把这篇的三个陷阱清单带进采购流程，TTS 的账就再也乱不了。

（文中价格基于算邻坊语音合成接口公开牌价及市场公开报价整理。）