按字元、按月，還是按小時：AI 朗讀到底怎麼定價

想買 AI 朗讀，你會碰到三種根本兜不攏的算法。雲端平台按每百萬字元收費。語音 App 賣的是含額度的月費訂閱。少數服務，包括我們，按每小時成品音訊收費。三種做的其實是同一件事：讓機器把文字唸出來。可是同一部普通小說跑下來，算出的總價可以差到五十倍。原因如下。

這個產業按字元收費

市場上大多數業者是按輸入收費：你給多少字，就付多少錢，一個字元一個字元算。到 2026 年中，大型雲端供應商的新一代語音，收費大約每百萬字元 $15 到 $30。舊一點的便宜語音約 $4，頂級的錄音室等級可以到 $160。專門的語音平台更貴：隨用隨付大約每百萬字元 $100，把月費除以額度換算下來，訂閱的等效費率會到每百萬字元 $150 以上。

按字元收費本身沒什麼問題。開發者透過 API 一次一次呼叫、採購原始的語音合成，用這個單位很合理。真正麻煩的是，當來的不是開發者，而是一個讀者，手裡拿著一整本書。

一本書有多少字元

一部典型的小說有 90,000 到 120,000 字，換算成字元大約在五十萬到七十五萬之間。把這個數字套進各家的費率，總價就出來了。用大型雲端的費率，替一部小說配一次音要 $9 到 $18；用專門平台的費率則是 $60 到 $100。至於那些替作者把書稿做成有聲書的服務，一本報價從約 $40 到好幾百美元不等。

訂閱額度算的是同一筆帳，只是比較看不出來。一份每月約 $22 的中階創作者方案，通常給你約 120,000 個字元。乍看很大方，但這其實只夠一部小說的五分之一。有人只是想聽一本自己的書，就得花掉五個月的額度才聽得完。（有聲書訂閱也有同樣的陷阱：替你可能根本用不到的時數按月付費，我們在這篇拆解過。）

這些都是攤在檯面上的，沒有藏什麼。問題只在於，這套定價本來是為三十秒的短片、廣告和 App 語音設計的，現在卻拿來算一本八萬字的書。

全部換算成收聽時間

讀者在意的其實是能聽幾個小時。以一般的朗讀速度，一小時成品音訊大約對應五萬五千個英文字元。換算過來，按字元的價格就變成：大型雲端費率下約每小時音訊 $0.85 到 $1.70，專門平台則是每小時音訊 $5 到 $9。一部十小時的小說，單一聲音、不另做多角色，看你用哪家的費率，落在 $9 到 $90 之間。

BookNPC 做同一件事的費率是每小時成品音訊 25 美分，按秒計費。那部十小時的小說就是 $2.50，一次付清，音訊歸你，可離線重聽。想替每個角色配上各自的聲音，這是另外一項一次性的分析，約每頁 3 美分，一樣付一次就好。在 App 裡，那部小說差不多 130 頁，做多角色配音大約要四美元；再加上錄音室音訊，全部做好也不到七美元。

為什麼這個差距是真的，不是促銷

是兩個技術選擇造成的。

第一，我們收的東西不一樣。按字元定價，收的是輸入文字的錢，不管合成花掉多少成本。我們收的是輸出，也就是你實際拿到的那幾秒成品音訊。我們能這樣做，是因為語音模型是開放權重的，跑在我們自己的 GPU 上，而在現代硬體上，生成一小時音訊要的算力很小，而且還在往下掉。開放模型的品質已經追上專有模型。一旦追上，舊架構裡真正貴的就不是合成本身，而是外面那層定價模式。按成品音訊收費，就是把省下來的這份效率回饋給你，而不是自己收進口袋。

第二，難的地方跟花錢的地方是分開的。做一本多角色有聲書，其實是兩件事。第一件是判斷小說裡每一行是誰說的。這是閱讀理解的問題，所以我們用一次性的語言模型分析來處理，按頁計價，一本書只付一次。第二件是把文字變成聲音。這是算繪的問題，只有你選了錄音室算繪，才按小時計價。一本書一旦配好音，就能永久用免費的裝置內建語音播放。雲端算繪是可選的升級，不是非付不可的關卡。

至於一般的旁白，根本免費，也沒有時數上限，因為裝置內建的語音跑起來不花錢。你的手機本來就內建了不錯的神經網路語音，用不到任何伺服器。為這個收訂閱費，說穿了就是替一張定價表本身收錢罷了。

老實說的但書

如果你要的是短片段而不是整本書，那 BookNPC 就不是合適的工具。不過你也不必因此去用按字元收費的服務。我們的姊妹 App VoiceNPC 把同一個語音模型完全放在裝置上跑（iPhone 和 Apple Silicon Mac），還能複製聲音，免費方案就足以應付這類短篇的需求。這篇講的定價錯位，只有在文字長到一本書的規模時才會出現，而那也正是 BookNPC 唯一在乎的尺寸。上面的數字取自 2026 年 7 月的公開價格頁，並取了整數。價格會變，所以真要照著哪個數字做決定之前，先查一下最新的。我們的數字都在價格頁上，而免費的裝置內建旁白，價格一向沒變過：零。