本文主要介绍实时对话式 AI 的计费组成、各计费项计费规则及免费试用说明。 > 如果您是通过扣子（Coze）平台自行搭建 AI 智能体实现的实时对话式 AI，扣子平台有独立的计费规则。具体计费规则，请参见[扣子_音视频费用](https://www.coze.cn/open/docs/coze_pro/asr_tts_fee)。 ## 计费组成

## 免费试用火山引擎为以下计费项提供了免费试用额度： |计费项 |免费额度（仅限使用火山引擎服务） |领取方式及规则 | |---|---|---| |[音视频通话](/docs/6348/1392584#.6Z-z6KeG6aKR6YCa6K-d6LS5) |可通过 10000 分钟免费资源包抵扣 |[10000 分钟免费资源包](https://www.volcengine.com/docs/6348/1392585#freepakage) | |[对话式AI-音频/视频时长](/docs/6348/1392584#814741bc) |^^|^^| |火山方舟模型 |每个模型赠送 50 万 tokens 的免费推理额度 |[火山方舟-开通管理](https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement?LLM=%7B%7D&OpenModelVisible=false) | |豆包语音 ASR |* 流式语音识别：每个豆包语音应用 20 小时|[试用额度](https://www.volcengine.com/docs/6561/1359369#%E8%AF%95%E7%94%A8%E9%A2%9D%E5%BA%A6) |\ | |* 流式语音识别大模型：每个豆包语音应用 20 小时 | | |豆包语音 TTS |* 语音合成：每个豆包语音应用 20000 次|[试用额度](https://www.volcengine.com/docs/6561/1359369#%E8%AF%95%E7%94%A8%E9%A2%9D%E5%BA%A6) |\ | |* 语音合成大模型：每个豆包语音应用 20000 字符| |\ | |* 声音复刻大模型：每个豆包语音应用 20000 字符 | | |豆包端到端实时语音大模型 |100万 tokens（不区分输入输出） |[试用额度](https://www.volcengine.com/docs/6561/1359369#%E8%AF%95%E7%94%A8%E9%A2%9D%E5%BA%A6) | ## 计费规则 ### 音视频通话按真人和 AI 在房间内产生的音视频通话时长计费。 * **具体产生的费用**： > * 即使房间内只有 1 个用户，也会计算音频计费时长。 > * 若同时订阅了视频流和音频流，只计算视频计费时长，不计算音频计费时长。 |场景 |产生的音视频通话费 | |---|---| |**未启用视觉理解和数字人** |音频通话费（真人和智能体互相订阅对方音频流） | |**仅启用视觉理解** |* 音频通话费（真人订阅智能体的音频流)|\ | |* 视频通话费（智能体订阅真人的音视频流） | |**仅启用数字人** |* 音频通话费（智能体订阅真人的音频流)|\ | |* 视频通话费（真人订阅智能体的音视频流） | |**启用视觉理解 + 数字人** |视频通话费（真人和智能体互相订阅对方音视频流） | * **音视频计费规则**：费用计算标准和普通的音视频通话费用一致。具体计费规则，请参见[音视频通话计费](/docs/6348/69871)。 ### 对话式AI\-音频/视频时长系统处理音频 / 视频流时产生的计算资源费用。具体计费规则如下： |计费规则 |说明 | |---|---| |**计费公式** |音频处理时长费 = 音频处理时长单价 × 音频处理计费时长|\ | |视频处理时长费 = 视频处理时长单价 × 视频处理计费时长 | |**单价** |音频处理时长（即账单中的对话式AI\-音频时长）：9元/千分钟|\ | |视频处理时长：99元/千分钟 | |**计费时长** |* 视频处理计费时长：实时对话式 AI 任务处理视频帧的总时长。若一个任务中有多段不连续的视频处理，每段视频处理单独计算时长，然后累加作为该任务的视频总时长。|\ | |* 音频处理计费时长：任务时长 \- 视频处理时长|\ | |* 其中，|\ | | |\ | | * 实时对话式 AI 任务时长：为服务端调用智能体任务从开始到结束的整体时长。|\ | | * 每个自然日的计费时长独立计算，精确到分钟，如果单个自然日内的总计费时长不足 1 分钟，则按 1 分钟来计费。 | |**付费方式** |通过 10000 分钟免费资源包抵扣：具体的抵扣规则，请参见 [10000 分钟免费资源包](/docs/6348/1392585#freepakage)。|\ | |按量付费：即先使用，后付费，按月结算，每月初出具上一月账单并扣费，通过账户余额抵扣。 | ### **核心 AI ** 服务您必须根据接入方案，在以下计费路径中择其一： |方案类型 |包含计费项 | |---|---| |**ASR+LLM+TTS 模块化方案** |ASR、LLM、TTS 分别计费，由你选择的服务商收取。具体计费项和规则以实际使用的模型为准。|\ | ||\ | |> * 方舟平台模型服务计费，请参见[模型服务计费](https://www.volcengine.com/docs/82379/1099320)。|\ | |> * 火山引擎豆包语音服务计费，请参见 [豆包语音_计费说明](https://www.volcengine.com/docs/6561/1359370)。 | |**混合编排（端到端+LLM）** |* 豆包端到端实时语音大模型：由豆包语音收取。具体计费规则，请参见 [豆包语音_计费说明](https://www.volcengine.com/docs/6561/1359370)。|\ | |* LLM 费：由你选择的服务商收取。具体计费项和规则以实际使用的模型为准 | |**纯端到端方案** |豆包端到端实时语音大模型：由豆包语音收取。具体计费规则，请参见 [豆包语音_计费说明](https://www.volcengine.com/docs/6561/1359370)。 | ### 其他增值服务费 |使用的服务 |费用 | |---|---| |音色或模型费 |使用声音复刻大模型或豆包端到端实时语音大模型（SC 系列）时，会产生音色和模型存储费。具体说明，请参见[（豆包语音）计费概述-音色/模型费用](https://www.volcengine.com/docs/6561/1359369?lang=zh#%E9%9F%B3%E8%89%B2-%E6%A8%A1%E5%9E%8B%E8%B4%B9%E7%94%A8)。 | |联网问答 Agent |由火山联网问答Agent收取。具体计费规则，请参见[联网问答 Agent 费](https://www.volcengine.com/docs/85508/1510784)。 | |虚拟数字人 |数字人费用，以商务沟通的为准。 | |第三方 LLM/TTS/ASR 费 |第三方 LLM/TTS/ASR 费，以使用的服务为准，由对应的服务商收取。 | |Viking 记忆库 |[记忆库计费](https://www.volcengine.com/docs/84313/1790797?lang=zh) | |火山大模型生态广场的 MCP |部署服务费、以及相关资源费用（比如联网搜索 API、Viking 知识库），具体以使用的 MCP 服务为准。 | |对象存储 TOS |启用视觉理解，并将截图存储到火山引擎对象存储（TOS）时，会产生以下费用：|\ | ||\ | |* [存储容量费用](https://www.volcengine.com/docs/6349/79460)|\ | |* [流量费用](https://www.volcengine.com/docs/6349/79461) | ## 计费示例 > 以下示例仅适用于全部使用火山引擎服务（RTC、方舟 LLM、豆包语音 ASR/TTS）的场景。用户 A 进入 RTC 房间，与 AI 智能体进行了 10 分钟的实时语音对话。对话结束后，用户 A 退房，房间关闭。在这 10 分钟内： * 用户 A 的说话时长：4 分钟 * 用户 A 的语音转录文字数：800 字 * 智能体回复文字数：1000 字 * 使用到的模型：doubao\-seed\-1.6（输入长度［0, 32k］，输出长度［0, 0.2k]）、大模型流式语音识别（ASR）、大模型语音合成（TTS）各模块费用如下： > 以下费用基于各计费项的后付费刊例价计算，不考虑上下文和免费额度，每个字按 0.59 tokens 计算。 |计费项 |单价 |时长/字符数 |费用 | |---|---|---|---| |**音视频通话** |7元/千分钟 |10 × 2=20 分钟（双向通话） |0.007 × 20=0.14元 | |**对话式 AI 音频处理时长** |9元/千分钟 |10 分钟 |0.009 × 10=0.09元 | |**LLM 处理**|推理服务（输入）：0.8 元/百万token|输入：800 × 0.59=472 tokens|0.8 × 472/1,000,000 + 2.0 × 590/1,000,000 = 0.0015576元 |\ |（doubao\-seed\-1.6） |推理服务（输出）：2.0 元/百万token |输出：1000 × 0.59=590 tokens | | |**ASR 语音识别**|4.5元/小时 |4 分钟 |4.5 × 4/60=0.3元 |\ |（大模型流式语音识别） | | | | |**TTS 语音合成**|5元/万字符 |1000 字符 |5 × 1000/10000=0.5元 |\ |（大模型语音合成） | | | | |**合计** |||1.0315576 元（**约 1.03元**） |