按字数、按月、还是按小时：AI 朗读到底怎么收费

AI 朗读的标价有三种，而且互相没法直接比。云平台按每百万字符收钱。语音 App 卖月度订阅，里面附一份用量额度。也有少数服务，我们就是其中之一，按成品音频的小时数收费。三种做的是同一件事：让机器把文字念出来。可同样一本普通长度的小说，三种算法下最贵和最便宜能差五十倍。下面把这笔账拆开算。

这行的惯例是按字数收钱

市面上大多数服务，收的是你输进去的文字：输入多少字符，就收多少钱。到 2026 年年中，几家大云服务商这一代声音大约每百万字符 15 到 30 美元。老一些的廉价声音约 4 美元，高端录音室档能到 160 美元。专做语音的平台更贵：现用现付接近每百万字符 100 美元；买订阅的话，拿月费除以额度，一百万字符要 150 美元往上。

按字数收钱本身没什么问题。开发者反复调 API，买的是原始合成，按字符算是最自然的单位。麻烦出在换了一类客户：不是开发者，而是普通读者，手里拿的是一整本书。

一本书，换算成字符有多少

一本典型的小说 9 万到 12 万个英文单词，折合大约 50 万到 75 万字符。按这个量一算，价格立刻就不好看了。按大云平台的价，整本念一遍 9 到 18 美元；按专业平台的价，要 60 到 100 美元。那些替作者把书稿做成有声书的服务，一本从 40 美元到几百美元不等。

订阅额度是同一笔账，只是没那么显眼。一份中档创作者套餐每月约 22 美元，通常给你约 12 万字符。听着挺大方，可细想一下，这只够一本小说的五分之一。想听一本自己买的书，光额度就得攒五个月。（有声书订阅是同一个坑：为可能根本用不上的时长按月付钱。我们在这篇里拆过。）

这里没人在暗地里坑你。只是这套收费方式本来是给三十秒短片、广告、App 配音设计的，如今被拿去对付一本八万字的书。

全都换算成收听时长

读者真正在乎的是能听几个小时。按平常的朗读语速，一小时成品音频大概等于 5.5 万个英文字符。这么一折算，按字符的价钱就成了：大云平台每小时音频约 0.85 到 1.70 美元，专业平台每小时约 5 到 9 美元。一本十小时的小说，从头到尾一个声音、不给不同角色单独配音，价格落在 9 到 90 美元之间，就看你挑的是哪家。

同样这件事，BookNPC 每小时成品音频只收 25 美分，按秒计费。那本十小时的小说一共 2.50 美元，付一次，音频就归你了，能下载下来离线反复听。要让每个角色都有自己的声音，是另做一次分析，约每页 3 美分，同样只付一次。在应用里，那本小说差不多是 130 页，所以多角色配音大约要花四美元，连云端录音室音频一起算，总共也不到七美元。

便宜是真便宜，不是营销噱头

差距来自两个技术上的选择。

第一个，是我们拿什么计费。按字符收费，算的是你输入的文字，不管合成它要花多少成本。我们算的是产出，也就是你最后真正拿到手的那几小时音频。之所以敢这么算，是因为我们跑的是开源权重的语音模型，用的是自己的 GPU。放在今天的硬件上，做一小时音频要的算力很小，而且还在往下走。开源模型的质量已经追平了闭源的。一旦追平，你在旧方案里付的钱，大头就不再是合成本身，而是那套收费方式。按成品音频计费，等于把省下来的这份效率让给你，而不是自己揣着。

第二个，是把最费脑子的那步放在哪。做一本多角色有声书，其实是两件活。头一件，是搞清小说里每句话是谁说的，这是道阅读理解题，所以我们用语言模型跑一遍，按页收费，一本书只算一次。第二件，是把文字变成声音，这是道渲染题，只有你选了录音室渲染才按小时收费。一本书一旦分好角色，之后一直能用手机自带的免费声音播放。云端渲染是可选的升级，不是一道绕不过去的收费站。

至于普通旁白，干脆免费，也没有小时上限，因为在设备上出声不花钱。你的手机本来就带着不错的神经网络声音，一台服务器都用不上。还要为这个收订阅费，就纯粹是为收费而收费了。

几句实在的提醒

如果你要的是短片段而不是整本书，那 BookNPC 不合适。不过短片段也犯不着按字符付钱。我们的姊妹应用 VoiceNPC 把同一个语音模型完全放在设备上跑（iPhone，以及 Apple 芯片的 Mac），还能克隆声音，它的免费档就够应付这类短活了。本文说的这种不划算，只在文字多到一本书那么长时才出现，而 BookNPC 专做整本书。上面的数字是 2026 年 7 月从各家公开价格页上抄来的，取了整数。价格会变，别只盯着某一个数字，动手前先看看最新的。我们的价格都在价格页上。至于那个免费、跑在设备上的旁白，还是一直以来的价钱：一分不收。