# **推理费用** ## **资源包预付费** |商品服务 |有效期 |资源包规格 |资源包价格（元） |折算单价 | |---|---|---|---|---| |豆包音频生成模型1.0 |1年 |30分钟 |30 |1元/分钟 | |||200分钟 |190 |0.95元/分钟 | |||20万分钟 |180000 |0.9元/分钟 | |||50万分钟 |425000 |0.85元/分钟 | |||200万分钟 |1600000 |0.8元/分钟 | |豆包语音合成模型2.0 |1年 |10万字 |28 |2.8元/万字符 | |||2000万字 |5400 |2.7元/万字符 | |||20000万字 |48000 |2.4元/万字符 | |||200000万字 |420000 |2.1元/万字符 | |豆包声音复刻模型2.0 |1年 |10万字 |28 |2.8元/万字符 | |||2000万字 |5400 |2.7元/万字符 | |||20000万字 |48000 |2.4元/万字符 | |||200000万字 |420000 |2.1元/万字符 | |豆包流式语音识别模型2.0 |1年 |30小时 |28 |~0.93元/小时 | |||1000小时 |900 |0.9元/小时 | |||10000小时 |8800 |0.88元/小时 | |||100000小时 |85000 |0.85元/小时 | |||300000小时 |240000 |0.8元/小时 | |豆包录音文件识别模型2.0 |1年 |30小时 |23 |~0.77元/小时 | |||1000小时 |750 |0.75元/小时 | |||10000小时 |7200 |0.72元/小时 | |||100000小时 |70000 |0.7元/小时 | |||300000小时 |200000 |0.67元/小时 | |大模型语音合成 |1年 |10万字符 |45 |4.5元/万字符 | |||200万字符 |800 |4元/万字符 | |||2000万字符 |7000 |3.5元/万字符 | |||20000万字符 |60000 |3元/万字符 | |||100000万字符 |200000 |2元/万字符 | |||300000万字符 |480000 |1.6元/万字符 | |大模型声音复刻 |1年 |10万字符 |75 |7.5元/万字符 | |||200万字符 |1400 |7元/万字符 | |||2000万字符 |13000 |6.5元/万字符 | |||20000万字符 |110000 |5.5元/万字符 | |||100000万字符 |450000 |4.5元/万字符 | |大模型流式语音识别 |1年 |30小时 |132 |4.4元/小时 | |||1000小时 |4000 |4元/小时 | |||10000小时 |32000 |3.2元/小时 | |||100000小时 |280000 |2.8元/小时 | |||300000小时 |720000 |2.4元/小时 | |大模型录音文件识别（标准版） |1年 |30小时 |66 |2.2元/小时 | |||1000小时 |2000 |2元/小时 | |||10000小时 |18000 |1.8元/小时 | |||100000小时 |140000 |1.4元/小时 | |||300000小时 |360000 |1.2元/小时 | |大模型录音文件识别（极速版） |1年 |30小时 |132 |4.4元/小时 | |||1000小时 |4300 |4.3元/小时 | |||10000小时 |36000 |3.6元/小时 | |||100000小时 |280000 |2.8元/小时 | |||300000小时 |660000 |2.2元/小时 | |大模型录音文件识别（闲时版） |1年 |30小时 |35 |~1.17元/小时 | |||10000小时 |10000 |1元/小时 | |||100000小时 |80000 |0.8元/小时 | |||300000小时 |210000 |0.7元/小时 | |||1000000小时 |500000 |0.5元/小时 | |豆包同声传译大模型 |1年 |10亿token |56000 |56元/百万token | |||50亿token |240000 |48元/百万token | |||100亿token |400000 |40元/百万token | |豆包语音播客大模型 |1年 |10亿token |70000 |70元/百万token | |||50亿token |250000 |50元/百万token | |||100亿token |400000 |40元/百万token | |豆包机器翻译模型 |1年 |200亿token |32400 |1.62元/百万token | |||1000亿token |144000 |1.44元/百万token | |||2000亿token |252000 |1.26元/百万token | ## 按调用后付费 |商品服务 |**后付费计费项** |单价 | |---|---|---| |豆包音频生成模型1.0 |推理服务\-API调用 |1元/分钟 | |豆包语音合成模型2.0 |推理服务\-API调用 |3元/万字符 | |豆包声音复刻模型2.0 |推理服务\-API调用 |3元/万字符 | |豆包流式语音识别模型2.0 |推理服务\-API调用 |1元/小时 | |豆包录音文件识别模型2.0 |推理服务\-API调用 |0.8元/小时 | |大模型语音合成 |推理服务\-API调用 |5元/万字符 | |大模型声音复刻 |推理服务\-API调用 |8元/万字符 | |大模型流式语音识别 |推理服务\-API调用 |4.5元/小时 | |大模型录音文件识别（标准版） |推理服务\-API调用 |2.3元/小时 | |大模型录音文件识别（极速版） |推理服务\-API调用 |4.5元/小时 | |大模型录音文件识别（闲时版） |推理服务\-API调用 |1.2元/小时 | |豆包端到端实时语音大模型 |推理服务\-输入\-文本 |10元/百万token | ||推理服务\-输入\-音频 |80元/百万token | ||推理服务\-输入\-文本cached |5元/百万token | ||推理服务\-输入\-音频cached |5元/百万token | ||推理服务\-输出\-文本 |80元/百万token | ||推理服务\-输出\-音频 |300元/百万token | |豆包同声传译大模型 |推理服务\-输入 |80元/百万token | ||推理服务\-输出\-文本 |80元/百万token | ||推理服务\-输出\-音频 |300元/百万token | |豆包语音播客大模型 |推理服务\-输入\-文本 |120元/百万token | ||推理服务\-输出\-音频 |100元/百万token | |豆包机器翻译模型 |推理服务\-输入 |1.8元/百万token | ||推理服务\-输出 |5.4元/百万token | |豆包语音妙记模型 |音频文件转写 |1.8元/小时 | ||音频结构\-单功能 |0.11元/小时 | ||音频结构\-集合 |0.5元/小时 | 说明： * 文档中“字”都是指字符，字符是指计算机中使用的文字和符号，**1个汉字算1个字符**，英文字母、希腊字母、标点符号、特殊符号、空格、回车等算1个字符； * 调用字符需要使用UTF\-8编码，该编码每个汉字通常占三个字节，计费使用字符数，与字节数无关； * 语音合成标记语言（SSML：Speech Synthesis Markup Language）中的标签按照正常字符进行计费； * 按时长计费的，累加每次调用的语音时长，精确至毫秒，最终折算为小时计费。 * 豆包音频生成模型1.0按模型生成的原始时长计费，倍速不影响计费时长； * 语音识别相关能力，双声道计费模式，按单声道计费，即**音频时长**进行计费。 * **豆包端到端实时语音大模型按服务用量token计费，该模型token的概念：** * 在调用模型推理服务时，会将输入内容转化为模型可以理解的 token ，经过模型处理后，同样输出 token，并转化为您需要的文本或者音频等内容载体。而模型处理（包括输入、输出）的 token 数量会被作为模型推理服务用量的一个重要计量单位； * 输入token：包含本轮对话的输入音频、语音合成文本，以及上下文、system prompt、克隆音频等中的音频和文本token； * 输出token：包含本轮对话的模型合成的播报音频，音频对应的文本内容，以及语音识别后返回的文本token； * 音频和 token 数折算逻辑：输入每1秒的音频大致对应6.25个Token，输出音频每1秒大致对应25个token； * 文本token折算类似文本大模型token概念，由于不同模型采用的分词策略不同，同一段文本可能会被转化为不同数量的 token； * 文本/音频cached：对于交互中输入的上下文的内容、system prompt等（包含文本及音频内容），如命中了前轮重复输入的部分，则会按照cached方式计费，计费费率会低于输入，使多轮对话更具成本效益； * 由于模型会有动态更新，token折算比例会有变动，实际每轮对话中不同类别准确的 token 用量，以账单计量的token数量为准； * 免费额度可以抵扣使用上下文缓存命中缓存的token、未命中缓存的token、输出产生的token； * QPM/TPM限制：当前对模型设置了 QPM（Queries Per Minute，每分钟请求数）及 TPM（Tokens Per Minute，每分钟 token 数量）的调用限制，QPM限制为60，TPM限制为100000。 * **豆包语音播客大模型按服务用量token计费，该模型token的概念：** * 输入\-文本token：输入文本字符数对应token数量，文本token折算类似文本大模型token概念，由于不同模型采用的分词策略不同，同一段文本可能会被转化为不同数量的 token； * 输出\-音频token：输出音频折算token，1秒大致对应25个token； * 每次请求不同类别准确的 token 用量，以账单计量的token数量为准； * 资源包抵扣：音频token按照1:1比例抵扣，文本token按照1token折算1.2token比例抵扣； * QPM/TPM限制：当前对模型设置了 QPM（Queries Per Minute，每分钟请求数）及 TPM（Tokens Per Minute，每分钟 token 数量）的调用限制，QPM限制为60，TPM限制为100000。 * **豆包同声传译大模型按服务用量token计费，该模型token的概念：** * 音频和 token 数折算逻辑：输入每1秒的音频大致对应6.25个Token，输出音频每1秒大致对应25个token； * 输出\-文本token：输入文本字符数对应token数量，文本token折算类似文本大模型token概念，由于不同模型采用的分词策略不同，同一段文本可能会被转化为不同数量的 token； * 每次请求不同类别准确的 token 用量，以账单计量的token数量为准； * 资源包抵扣：输入token&输出\-文本token按照1:1比例抵扣，输出\-音频token按照1token折算3.75token比例抵扣； * QPM/TPM限制：当前对模型设置了 QPM（Queries Per Minute，每分钟请求数）及 TPM（Tokens Per Minute，每分钟 token 数量）的调用限制，QPM限制为60，TPM限制为100000。 * **豆包机器翻译模型计费说明：** * 输入/输出\-文本token：文本字符数对应token数量，文本token折算类似文本大模型token概念，由于不同模型采用的分词策略不同，同一段文本可能会被转化为不同数量的 token； * 资源包抵扣：输入文本token按照1:1比例抵扣，输出文本token按照1token折算3token比例抵扣； * QPM/TPM限制：当前对模型设置了 QPM（Queries Per Minute，每分钟请求数）及 TPM（Tokens Per Minute，每分钟 token 数量）的调用限制，QPM限制为60，TPM限制为100000。 * **豆包语音妙记模型计费说明：** * 妙记\-音频文件识别是必选功能，不支持单独售卖，必须选择音频结构中的至少一项能力，计费项可以选择音频结构\-单功能，或者音频结构\-集合； * 音频结构\-单功能或者音频结构\-集合二选一： * 如果选择音频结构\-单功能，可按照需要的功能数量灵活选择，按照选择的能力进行叠加计费，比如选择了全文总结+章节总结，则10小时音频的费用=10小时*1.8元+0.11元*2\*10小时=20.2元； * 如果选择音频结构\-集合，则全部的音频结构能力都可以使用，10小时音频的费用=10小时*1.8元+0.5元*10小时=23元； # 音色/模型费用 |商品服务 |计费项 |数量阶梯 |单价 | |---|---|---|---| |音色槽位 |预付费音色 |0~50 |138元/音色 | |||51~100 |88元/音色 | |||101~200 |58元/音色 | |||201~5000 |38元/音色 | |||5001~10000 |28元/音色 | ||后付费音色 |无阶梯 |138元/音色 | ||大模型精品复刻音色\-标准版 |无阶梯 |30000元/音色 | ||大模型精品复刻音色\-专业版 |无阶梯 |80000元/音色 | 说明： * 预付费音色： * 按单次下单数量全额累进单价，不累计过往下单数量，如：需复刻80个音色，则音色费用为80\*88=7040元； * 单次下单最多支持10000个，超出10000个建议分批下单，如果更大批量的下单需求，可以[立即咨询](https://www.volcengine.com/contact/product?t=%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB&source=%E4%BA%A7%E5%93%81%E5%92%A8%E8%AF%A2)我们； * 每个预付费音色可支持15次音频上传训练，最新训练效果会覆盖上次训练效果，您可以按需重新训练进行效果调优； * 模型存储费用刊例价已调整为0元，实际以控制台为准，如有费用产生，请联系对接您的商务人员； * 后付费音色： * 使用后付费音色时，不会立即收取音色槽位费用。音色槽位费用将在首次使用此复刻音色进行语音合成时收取，试听字符根据声音复刻2.0模型收费； * 音色进行语音合成后，音色将固定，不支持再次训练复刻，所以请务必确认效果符合要求后再进行语音合成； * 试听的音色若 7 天内未正式调用，则系统会删除该音色。 * 大模型精品复刻音色：该模型不支持线上自动化交付，请和跟您对接的商务人员对接清楚后再下单。 * 可用于豆包声音复刻模型2.0、大模型声音复刻、豆包端到端实时语音大模型、音色设计、音频生成等模型。 # 附加产品费用（并发/QPS 增购包）如需在免费额度之外进一步提升服务的并发或 QPS，可选择购买语音识别产品 QPS 或并发叠加包，计费标准如下： |商品服务 |计费项 |单价（元/并发/月） |说明（默认并发/QPS数量以控制台为准） | |---|---|---|---| |豆包音频生成模型1.0 |并发 |300 |正式版默认支持5并发，超出部分按需增购 | |豆包语音合成模型2.0 |并发 |100 |正式版默认支持10并发，超出部分按需增购 | |豆包声音复刻模型2.0 |并发 |100 |正式版默认支持10并发，超出部分按需增购 | |豆包流式语音识别模型2.0 |并发 |100 |正式版默认支持50并发，超出部分按需增购 | |大模型语音合成 |并发 |100 |正式版默认支持10并发，超出部分按需增购 | |大模型声音复刻 |并发 |100 |正式版默认支持10并发，超出部分按需增购 | |大模型流式语音识别 |并发 |100 |正式版默认支持10并发，超出部分按需增购 | |大模型录音文件识别（极速版） |并发 |400 |正式版默认支持5并发，超出部分按需增购 | 特殊商务模式： * **大模型语音合成\-并发版：** 支持按照纯并发计费模式，该模式只需购买并发，不再收取字符调用费用。无默认支持并发，购买并发单价2000元/并发/月； * **大模型声音复刻\-并发版：** 支持按照纯并发计费模式，该模式只需购买并发，不再收取字符调用费用，音色费正常计费。无默认支持并发，购买并发单价2000元/并发/月； * **大模型流式语音识别\-并发版：** 按照纯并发计费模式，该模式只需购买并发，不再收取按小时调用费用。无默认支持并发，购买并发单价1500元/并发/月。 * **豆包流式语音识别模型2.0\-并发版：** 按照纯并发计费模式，该模式只需购买并发，不再收取按小时调用费用。无默认支持并发，购买并发单价500元/并发/月。说明： * 豆包录音文件识别模型2.0、大模型录音文件识别（含闲时版）、录音文件识别默认最大支持20QPS，半小时内提交的音频时长不超过500小时。豆包语音妙记模型默认最大支持3QPS。默认容量一般无需扩容，如需扩容可以[立即咨询](https://www.volcengine.com/contact/product?t=%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB&source=%E4%BA%A7%E5%93%81%E5%92%A8%E8%AF%A2)我们； * 并发定义：同一时刻请求服务的数量，是某一个时刻后端服务同时处理的请求数，计数周期为点。举例，您新建一个语音合成请求，服务端在持续进行合成处理或音频流返回，此时并发是1；在该请求处理的同时，又新建了一个请求发送文本数据，这时服务端同时处理该应用的2个请求，并发数就变为2； * QPS定义：QPS (query per second) 是一秒内查询服务接口的次数。 # 费用计算示例 ***示例一：资源包+后付费+增购并发****用户一年内调用流式识别1300小时，并发25路（默认并发10路），超出的15路并发购买12个月，购买1000小时资源包，超出资源包部分转入后付费模式，计量阶梯落在0\-300小时档位，费用：* \*1800+（1300\-1000）*3.5+（25\-10）10012=20850元* ***示例二：音色槽位*** *用户一次性预付费购买1000个音色，对应201~2000阶梯，单价为38元，则费用：* *1000*38=38000元\* ***示例三：豆包端到端实时语音大模型*** *某次请求输入了250 Token 的音频，输入内容中（包括上下文、system prompt等）还包含50文本token+400文本cached token +2500音频cached token，输出了200音频token+80文本token。则费用：* *250*80/1000000（输入\-音频）+ 50*10/1000000（输入\-文本） + 400*5/1000000（输入\-文本cached） + 2500*5/1000000（输入\-音频cached）+ 200*300/1000000（输出\-音频） + 80*30/1000000（输出\-文本）=0.0974元* # 历史小模型价格 ## **资源包预付费** |商品服务 |有效期 |资源包规格 |资源包价格（元） |折算单价 | |---|---|---|---|---| |语音合成 |1年 |12500千次 |50000 |4元/千次 | |||30000千次 |90000 |3元/千次 | |||100000千次 |200000 |2元/千次 | |||300000千次 |500000 |1.67元/千次 | |精品长文本语音合成 |1年 |100万字符 |100 |1元/万字符 | |||2000万字符 |1800 |0.9元/万字符 | |||5000万字符 |3500 |0.7元/万字符 | |||10000万字符 |5000 |0.5元/万字符 | |精品长文本语音合成（情感版） |1年 |100万字符 |200 |2元/万字符 | |||2000万字符 |3600 |1.8元/万字符 | |||5000万字符 |7000 |1.4元/万字符 | |||10000万字符 |10000 |1元/万字符 | |录音文件识别（标准版） |1年 |500小时 |850 |1.7元/小时 | |||1000小时 |1300 |1.3元/小时 | |||10000小时 |10000 |1元/小时 | |||50000小时 |40000 |0.8元/小时 | |||100000小时 |65000 |0.65元/小时 | |||300000小时 |120000 |0.4元/小时 | |录音文件识别（极速版） |1年 |500小时 |1150 |2.3元/小时 | |||1000小时 |1800 |1.8元/小时 | |||10000小时 |14000 |1.4元/小时 | |||50000小时 |55000 |1.1元/小时 | |||100000小时 |95000 |0.95元/小时 | |流式语音识别 |1年 |500小时 |1500 |3元/小时 | |||1000小时 |1800 |1.8元/小时 | |||10000小时 |15000 |1.5元/小时 | |||100000小时 |120000 |1.2元/小时 | |||300000小时 |300000 |1元/小时 | |||500000小时 |500000 |1元/小时 | |一句话识别 |1年 |500千次 |1500 |3元/千次 | |||1000千次 |2200 |2.2元/千次 | |||10000千次 |16000 |1.6元/千次 | |||100000千次 |130000 |1.3元/千次 | |||500000千次 |500000 |1元/千次 | |音视频字幕生成 |1年 |500小时 |2500 |5元/小时 | |||1000小时 |4500 |4.5元/小时 | |||5000小时 |20000 |4元/小时 | |||10000小时 |35000 |3.5元/小时 | |||50000小时 |160000 |3.2元/小时 | |自动字幕打轴 |1年 |1000小时 |4000 |4元/小时 | |||5000小时 |18000 |3.6元/小时 | |||10000小时 |30000 |3元/小时 | |||50000小时 |130000 |2.6元/小时 | ## 按调用后付费 |**商品服务** |**后付费阶梯** |**单价** | |---|---|---| |语音合成 |0~1000千次 |5.5元/千次 | ||1001~5000千次 |5元/千次 | ||5001~10000千次 |4.5元/千次 | ||10001~千次 |4元/千次 | |精品长文本语音合成 |不限 |1元/万字符 | |精品长文本语音合成（情感版） |不限 |2元/万字符 | |录音文件识别（标准版） |0～300小时 |1.8元/小时 | ||301~1000小时 |1.5元/小时 | ||1001～3000小时 |1.2元/小时 | ||3001～5000小时 |1元/小时 | ||5001～小时 |0.9元/小时 | |录音文件识别（极速版） |0～300小时 |3元/小时 | ||301~1000小时 |2.6元/小时 | ||1001～3000小时 |2.1元/小时 | ||3001～5000小时 |1.8元/小时 | ||5001～小时 |1.2元/小时 | |流式语音识别 |0～300小时 |3.5元/小时 | ||301～1000小时 |3元/小时 | ||1001～3000小时 |2.4元/小时 | ||3001～5000小时 |1.8元/小时 | ||5001～小时 |1.2元/小时 | |一句话识别 |0～300千次 |3.5元/千次 | ||301～1000千次 |3元/千次 | ||1001～3000千次 |2.4元/千次 | ||3001～5000千次 |1.6元/千次 | ||5001～千次 |1.2元/千次 | |音视频字幕生成 |0～300小时 |6.5元/小时 | ||301～1000小时 |6元/小时 | ||1001～3000小时 |5.6元/小时 | ||3001～5000小时 |5元/小时 | ||5001～小时 |4元/小时 | |自动字幕打轴 |0～1000小时 |5元/小时 | ||1001～3000小时 |4元/小时 | ||3001～5000小时 |3.2元/小时 | ||5001～小时 |2.8元/小时 | 说明： * 文档中“字”都是指字符，字符是指计算机中使用的文字和符号，**1个汉字算1个字符**，英文字母、希腊字母、标点符号、特殊符号、空格、回车等算1个字符； * 调用字符需要使用UTF\-8编码，该编码每个汉字通常占三个字节，计费使用字符数，与字节数无关； * 语音合成标记语言（SSML：Speech Synthesis Markup Language）中的标签按照正常字符进行计费； * 按时长计费的，累加每次调用的语音时长，精确至毫秒，最终折算为小时计费。 * 按次数计费的，返回失败的调用不计入次数。 * 语音合成实际计费时按次计费，一次送入文本不超过1024字节，对应UTF8约300个汉字； * 一句话识别实际计费时按次计费，单次送入音频时长不超过60秒。 * 语音识别相关能力，双声道计费模式，按单声道计费，即**音频时长**进行计费。 ## 其他费用 **音色/模型费用** |商品服务 |计费项 |数量阶梯 |单价 | |---|---|---|---| |语音合成 |付费精品音库 |不限 |1000元/音色/月 | 说明：语音合成赠送多款火山引擎语音合成精品音色，实际赠送音色以语音合成控制台为准； **附加产品费用（并发/QPS 增购包）** 如需在免费额度之外进一步提升服务的并发或 QPS，可选择购买语音识别产品 QPS 或并发叠加包，计费标准如下： |商品服务 |计费项 |单价（元/并发/月或元/QPS/月） |说明（默认并发/QPS数量以控制台为准） | |---|---|---|---| |语音合成 |并发 |100 |正式版默认支持100并发，超出部分按需增购 | |流式语音识别 |并发 |100 |正式版默认支持10并发，超出部分按需增购 | |一句话识别 |并发 |100 |正式版默认支持10并发，超出部分按需增购 | |音视频字幕生成 |QPS |2000 |正式版默认支持5QPS，超出部分按需增购 | |自动字幕打轴 |QPS |2000 |正式版默认支持5QPS，超出部分按需增购 | 说明： * 录音文件识别默认最大支持20QPS，半小时内提交的音频时长不超过500小时。精品长文本语音合成默认最大支持10QPS。默认容量一般无需扩容，如需扩容可以[立即咨询](https://www.volcengine.com/contact/product?t=%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB&source=%E4%BA%A7%E5%93%81%E5%92%A8%E8%AF%A2)我们； * 并发定义：同一时刻请求服务的数量，是某一个时刻后端服务同时处理的请求数，计数周期为点。举例，您新建一个语音合成请求，服务端在持续进行合成处理或音频流返回，此时并发是1；在该请求处理的同时，又新建了一个请求发送文本数据，这时服务端同时处理该应用的2个请求，并发数就变为2； * QPS定义：QPS (query per second) 是一秒内查询服务接口的次数。