# 核价表｜语音 Agent 成本对比 核价日期：**2026-10-20**（UTC）。缺官方数字的格子保持 **待核**，不编造。延迟均为厂商自报、未实测。 对照页：`tools/ai/voice-agent-cost.html` 范围：Notion「范围说明｜C 语音 Agent 成本对比页」 ## 单位与计算器假设（不是厂商报价） - 月天数默认 **30**（可改）。 - 转写按 **用户说话分钟** = 每天通话分钟 × 用户占比。 - TTS 按 **助手说话分钟 × 每分钟字符**；默认 50% / 50% / **200 字符/分钟**（便于中文手算，非厂商语速）。 - 语音到语音若按连接时长计费，则按 **全部会话分钟**（可含静音）。 - **MAI 流式转写** 为限时价至 **2026-12-31**；计算器默认不选它，12 个月视图不把它 ×12。 - USD/CNY 留空则人民币行保持 CNY；填写时标明非官方汇率。 ## 转写 STT | 厂商 | 模型 | 计费单位 | 公开价 | 限时价？ | 自报延迟 | 中文 | 官方链接 | 核价日 | 待核 | | ------------------------- | ------------------------------------------ | --------------- | ------------------------------ | ------------------ | ------------------------------------- | --------------------------------- | ------------------------------------------------------------------ | ---------- | ----------------------------------- | | OpenAI | Whisper | USD／分钟 | 0.006 | 否 | 待核 | 待核 | https://platform.openai.com/docs/pricing | 2026-10-20 | 延迟、中文 | | OpenAI | gpt-4o-mini-transcribe | USD／分钟（估） | 0.003 | 否 | 待核 | 待核 | https://platform.openai.com/docs/pricing | 2026-10-20 | 延迟、中文 | | OpenAI | gpt-4o-transcribe | USD／分钟（估） | 0.006 | 否 | 待核 | 待核 | https://platform.openai.com/docs/pricing | 2026-10-20 | 延迟、中文 | | OpenAI | gpt-live-transcribe / gpt-realtime-whisper | USD／分钟 | 0.017 | 否 | 待核 | 待核 | https://developers.openai.com/api/docs/pricing | 2026-10-20 | 延迟、中文 | | OpenAI | gpt-transcribe | USD／分钟 | 0.0045 | 否 | 待核 | 待核 | https://developers.openai.com/api/docs/pricing | 2026-10-20 | 延迟、中文；非实时 | | Google Cloud | Speech-to-Text V2 Standard | USD／分钟 | 0.016（0–50 万分钟档） | 否 | 待核 | 待核 | https://cloud.google.com/speech-to-text/pricing | 2026-10-20 | 延迟、中文 | | ElevenLabs | Scribe v2 Realtime | USD／音频小时 | 0.39 | 否 | ~150ms（厂商自报） | 90+ 语言 | https://elevenlabs.io/pricing/api | 2026-10-20 | 否（价与延迟已核） | | Deepgram | Nova-3 Monolingual streaming PAYG | USD／分钟 | 现价 0.0048（页上划掉 0.0077） | 是（截止日期待核） | 待核 | 该行 monolingual；系列写 45+ 语言 | https://deepgram.com/pricing | 2026-10-20 | 促销结束日、延迟 | | 微软 MAI | MAI-Transcribe-2-Streaming | USD／音频小时 | 0.54 | 是，至 2026 年底 | 首个 partial 略多于 100ms（厂商自报） | 公告写 60 种语言；是否含中文待核 | https://microsoft.ai/news/our-first-streaming-transcription-model/ | 2026-10-20 | 2027 起价格；中文是否在 60 种内 | | 火山引擎 | Doubao 流式语音识别 | CNY／小时 | 4.5 | 否（产品页按量价） | 待核 | 支持 | https://www.volcengine.com/product/doubao | 2026-10-20 | 延迟；资源包价未登录核对 | | Azure Speech 标准实时转写 | — | USD／音频小时 | 待核 | 待核 | 待核 | 待核 | https://azure.microsoft.com/en-us/pricing/details/speech/ | 2026-10-20 | 是：公开页区域价为占位 `$-`，未登录 | ## TTS | 厂商 | 模型 | 计费单位 | 公开价 | 限时价？ | 自报延迟 | 中文 | 官方链接 | 核价日 | 待核 | | ------------ | ------------------------------ | -------------------- | ---------------------------------------------------------------------------------------------------- | ------------------ | ---------------------- | ------------------- | ------------------------------------------------------------------ | ---------- | ------------------------------------------------- | | OpenAI | tts-1 | USD／百万字符 | 15 | 否 | 待核 | 待核 | https://platform.openai.com/docs/pricing | 2026-10-20 | 延迟、中文 | | OpenAI | tts-1-hd | USD／百万字符 | 30 | 否 | 待核 | 待核 | https://platform.openai.com/docs/pricing | 2026-10-20 | 延迟、中文 | | OpenAI | gpt-4o-mini-tts | USD／1M audio tokens | 12（Audio 输出） | 否 | 待核 | 待核 | https://platform.openai.com/docs/pricing | 2026-10-20 | 分钟换算；与 tts-1 字符价勿混算。**未写入计算器** | | Google Cloud | WaveNet / Standard | USD／百万字符 | 4（超出每月 400 万字符免费档后） | 否 | 待核 | 待核 | https://cloud.google.com/text-to-speech/pricing | 2026-10-20 | 延迟、中文 | | 微软 MAI | MAI-Voice-2.1 | USD／百万字符 | 22 | 否 | 待核 | 公告写可切 Mandarin | https://microsoft.ai/news/our-first-streaming-transcription-model/ | 2026-10-20 | 延迟数字 | | 微软 MAI | MAI-Voice-2.1-Flash | USD／百万字符 | 15 | 否 | 45s 音频端到端约 150ms | 与 2.1 相同语言覆盖 | https://microsoft.ai/news/our-first-streaming-transcription-model/ | 2026-10-20 | 否（价与延迟已核） | | Google Cloud | Chirp 3: HD voices | USD／百万字符 | 30（超出每月 100 万字符免费档后） | 否 | 待核 | 待核 | https://cloud.google.com/text-to-speech/pricing | 2026-10-20 | 延迟、中文 | | Google Cloud | Gemini 3.8 Flash TTS (Preview) | text/audio tokens | 至 2026-12-31：输入 $0.50/1M text、输出 $9/1M audio；2027-01-01 起 $1 / $18。官方 25 audio tokens/秒 | 是，至 2026-12-31 | 待核 | 待核 | https://cloud.google.com/text-to-speech/pricing | 2026-10-20 | 分钟换算的输入 token；延迟。**未写入计算器默认** | | ElevenLabs | Flash / Turbo | USD／千字符 | 0.04 | 否 | ~75ms | 32 languages | https://elevenlabs.io/pricing/api | 2026-10-20 | 否 | | ElevenLabs | v4 Turbo | USD／千字符 | 0.04 | 否 | ~100ms | 90+ languages | https://elevenlabs.io/pricing/api | 2026-10-20 | 否 | | Deepgram | Aura-2 PAYG | USD／千字符 | 0.03 | 否 | 待核 | 待核 | https://deepgram.com/pricing | 2026-10-20 | 延迟、中文 | | 火山引擎 | Doubao 语音合成 | CNY／万字符 | 5 | 否（产品页按量价） | 待核 | 支持 | https://www.volcengine.com/product/doubao | 2026-10-20 | 延迟 | ## 语音到语音 / 会话 | 厂商 | 模型 | 计费单位 | 公开价 | 限时价？ | 自报延迟 | 中文 | 官方链接 | 核价日 | 待核 | | ---------- | ----------------------------- | ------------------- | --------------------------- | -------- | -------- | ------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------- | ------------------------------------------------------------------------------------------------ | | OpenAI | gpt-live-1 | USD／分钟 | 0.05 | 否 | 待核 | 待核 | https://developers.openai.com/api/docs/pricing | 2026-10-20 | 延迟、中文；后端 LLM 另计 | | OpenAI | gpt-realtime-2.1 | USD／百万音频 token | 入 32 / 出 64 | 否 | 待核 | 待核 | https://developers.openai.com/api/docs/pricing ；换算 https://developers.openai.com/api/docs/guides/voice-latency-cost | 2026-10-20 | 上下文累加与文本 token；延迟。计算器只估当轮音频下限（官方 1 token/100ms 入、1 token/50ms 出） | | ElevenLabs | Speech Engine 套餐外分钟 | USD／分钟 | 0.08（突发 0.16） | 否 | 待核 | 90+ languages | https://elevenlabs.io/pricing/api | 2026-10-20 | LLM 另计 | | Deepgram | Voice Agent API Standard PAYG | USD／分钟 | 0.075（websocket 连接时长） | 否 | 待核 | 待核 | https://deepgram.com/pricing | 2026-10-20 | 延迟、中文。此为管道价，不是单一 S2S 模型 | | AWS | Nova 2.5 Sonic | | | | | | https://aws.amazon.com/about-aws/whats-new/2026/10/amazon-nova-2.5-sonic/ ；https://aws.amazon.com/nova/pricing/ ；https://aws.amazon.com/bedrock/pricing/ | 2026-10-20 | **是**。What's New 仅写 same pricing as Nova 2 Sonic；价页未见可抄美元表。价／延迟／中文留空不编 | ## 手算对照（与页内算例按钮同一输入） 公共假设：每天 **60** 分钟、每月 **30** 天、用户/助手各 **50%**、助手 **200 字符/分钟**。起算日 **2026-10-20**。 ### 算例 A · 转写 + TTS（OpenAI Whisper + tts-1） - 转写：Whisper $0.006/分钟 - TTS：`tts-1` $15/百万字符 - 转写分钟：60 × 0.5 × 30 = **900** - 转写成本：900 × 0.006 = **$5.40** - TTS 字符：60 × 0.5 × 30 × 200 = **180,000** - TTS 成本：180,000 / 1,000,000 × 15 = **$2.70** - **页内合计 $8.10** ### 算例 B · 语音到语音（GPT-Live） - `gpt-live-1` $0.05/分钟（会话时长，含静音；后端 LLM 未计） - 会话分钟：60 × 30 = **1,800** - **页内合计 $90.00** ### 算例 C · MAI 限时转写 + Flash TTS（只报月，不年化） - 转写：MAI-Transcribe-2-Streaming $0.54/音频小时 - TTS：MAI-Voice-2.1-Flash $15/百万字符 - 转写成本：(60 × 0.5 × 30 / 60) × 0.54 = **$8.10** - TTS 成本：180,000 / 1,000,000 × 15 = **$2.70** - **页内月合计 $10.80** - **不得**写成 $10.80 × 12 = $129.60/年 - 限时窗口 2026-10-20 至 2026-12-31 含首尾：12 + 30 + 31 = **73** 天；2027 起转写价 **待核** 页加载时会对 A/B/C 做自检；差超过 $0.001 会在「手算对照算例」下报警。