AI 智能语音包括语音转文本、实时翻译和文字转语音三个能力。
语音转文本功能通过识别，将语音内容转成文本内容（Automatic Speech Recognition，ASR）并输出结果，支持配合 TRTC 房间使用（识别房间内音频流），也支持直接调用（API 推送音频流或上传音频文件）。
实时翻译在语音转文本的基础上，通过 AI 将转写出来的文本翻译成目标语言，仅支持配合 TRTC 使用。
文字转语音识别文字信息，将其进行文本转语音（Text-To-Speech, TTS）识别并进行输出。支持配合 TRTC 使用，也支持直接调用。
计费说明
说明：
配合 TRTC 使用：配合 TRTC 的语音转文字以及实时翻译服务，以及 AI 实时对话服务，需要购买 AI 智能语音识别套餐包来开启能力，套餐赠送一定用量时长，超过部分后付费。不支持直接后付费使用。
直接使用：如您选择直接调用语音转文字和文字转语音服务，支持通过后付费的方式直接使用，或者购买 AI 智能语音套餐包获取更多用量折扣
套餐包费用
解锁 AI 智能语音能力位的方式具体如下：
套餐包 | 套餐版本 | 套餐价格 | 赠送 AI 智能语音时长 | 语音转文本 | 实时翻译 | 文字转语音 |
轻量版 | 50 元/月（每个账号限购 1 次） | 1,000 分钟/月 | ✓ | ✓ | ✓ | |
| 基础版 | 500 元/月 | 10,000 分钟/月 | ✓ | - | ✓ |
| 尊享版 | 1000 元/月 | 20,000 分钟/月 | ✓ | ✓ | ✓ |
- | ✓ | ✓ | ✓ | |||
| 入门版 | 0 元免费订阅 | - | - | - | - |
| 基础版 | 625 元/月 | - | - | - | - |
| 尊享版 | 1875 元/月 | - | - | - | - |
| 尊享版 Plus | 限时 8 折 2875 元 | 10,000 分钟/月 | ✓ | - | ✓ |
| 旗舰版 | 6250 元/月 | - | - | - | - |
| 旗舰版 Plus | 限时 8 折 8000 元 | 20,000 分钟/月 | ✓ | ✓ | ✓ |
说明：
购买 AI 智能语音时长包的任一规格的套餐包，均支持 语音转文本 API 文档 中所有语音转文本模型的识别。
套餐包的有效期为购买当日 - 次月当日。例如：2025 年 3 月 1 日购买，其有效时间为 2025 年 3 月 1 日 - 2025 年 4 月 1 日。
每个套餐仅对单个 SDKAppID 生效，可用于抵扣当前应用（SDKAppID）产生的 AI 智能语音时长用量消耗，如果您有多个 SDKAppID 需要购买，您需依次为其 购买 单独的套餐。超额的部分按套餐外超量费用进行收费。
当单个 SDKAppID 购买的 AI 智能语音套餐包到期后，对应应用解锁的增值功能也将停用，建议您购买时，开启自动续期以避免影响业务使用。开启续期：登录腾讯云控制台 > 费用中心，在左侧导航中选择 续期管理。
AI 智能语音套餐包退费规则详情请参见 退费说明。
抵扣比例说明
赠送的 AI 智能语音时长具体抵扣规则如下：
能力 | 类型 | 抵扣比例 |
语音转文本能力—实时 | 基础语言引擎 | 1 |
| 标准语言引擎 | 1.6 |
| 高级语言引擎 | 3 |
语音转文本能力—非实时 | 录音文件/一句话识别 | 1 |
实时翻译能力 | 翻译引擎 | 1.4 |
文字转语音能力 | Flash | 0.006 注：实际计费时，1字符可抵扣 0.36 秒的智能语音时长，换算为分钟维度后，1 字符对应 0.006 分钟的智能语音时长。 |
| 多语种 | |
说明：
语音转文字能力：标准语言引擎于 2025 年 5 月 20 日起，支持 AI 智能语音时长包抵扣。
实时翻译能力：购买 AI 智能语音轻量版、AI 智能语音尊享版或使用包月套餐旗舰版 Plus 赠送的 AI 智能语音时长包均可以支持翻译引擎功能。自 2025 年 9 月 24 日 0 时起，支持抵扣实时翻译用量。
文字转语音能力：购买 AI 智能语音套餐包或使用包月套餐旗舰版 Plus、包月套餐尊享版 Plus 赠送的 AI 智能语音时长包均可以支持 Flash 和多语种文字转语音。自 2025 年 11 月 20 日 0 时起，支持 AI 智能语音时长包抵扣。
后付费
付费方式 | 能力 | 类型 | 价格 | 说明 |
套餐外超量费用 （日结后付费） | 语音转文本能力 -实时 | 0.05 元/分钟 | 支持中文普通话识别。对电话音频支持良好。 | |
| | 0.08 元/分钟 | 支持中文普通话、中文方言口音、英语以及中英混合的识别。识别性能和抗噪能力大幅增强。 | |
| | 0.15 元/分钟 | ||
| 语音转文本能力 -非实时 | 0.05 元/分钟 | 支持直接调用，目前支持中文和英文场景。 | |
| 实时翻译能力 | 0.07 元/分钟 | ||
| 文字转语音能力 | Flash | 3.00 元/万字符 | 支持将中文、英语、日语、韩语以及粤语方言文本实时转换为自然流畅的多音色语音。 |
| | 多语种 | | |
注意：
开通 TRTC 包月套餐 体验版 可进行功能快速体验，产生的用量均按照后付费价格收取。
购买 套餐包 赠送的 AI 智能语音时长，当赠送的抵扣量用尽且套餐包仍在有效期内时，超出的用量会按照套餐外超量费用进行计费。
接入说明
TRTC AI 智能语音解决方案支持以下接入方式：
配合 TRTC 使用：
无 UI 接入：支持通过 服务端接入，也可通过 TRTC SDK 接入 AI 转录/翻译，简化开发集成流程。
场景（含 UI）方案接入：目前已经支持 视频通话接入 AI 转录/翻译 方案和 多人会议接入 AI 转录/翻译 方案。助力快速上线含 UI 的场景化实时转录功能。
直接使用：
不依赖 TRTC 房间，通过 API 直接调用 ASR / TTS 能力，适用于已有音频采集链路或仅需单点能力的场景：
AI 实时对话中配置语音转文字和实时文字转语音具体接入步骤请参见 AI 实时对话跑通 Demo。
用量统计
语音转文本
只有开始参与 AI 智能语音的音频时长才进行用量统计。
主播多路流输入，若调用不同的语言引擎模型，则按照不同语言引擎单价进行区分收费。
只有在真人开启麦克风后，系统才会同步启用 ASR 服务识别语音内容，持续时间以真人开启麦克风持续时间为准。
注意：
使用 AI 智能语音服务时，将会有机器人作为虚拟观众加入房间，订阅需要识别的音频流。机器人费用按照 音视频时长计费规则 进行计费。
时长统计精度为秒，按 SDKAppID 维度，以每日累计秒数转换成分钟数后进行计费，不足一分钟按一分钟计。
实时翻译
按照参与 AI 智能语音翻译能力的音频时长进行用量统计。
主播单路流输入，若输出多种翻译语言，则按照输入的音频时长 * 输出的语种个数进行收费。
说明：
时长统计精度为秒，按日累计秒数转换成分钟数后进行计费，不足一分钟按一分钟计算。
文字转语音
按照文字转语音的输入文本字符数量进行用量统计。
主播单路流输入，按照需要文字转语音的字符数量进行收费。
说明：
文本字符统计精度为万字符，按日累计字符数进行计费，保留四位小数。
1 个汉字算 2 个字符（包括日文汉字、韩文汉字或其他语言中产生和用到的汉字字符）；每个英语字母，其他语言字符，标点符号，特殊符号，空格，回车等均统计为 1 个字符。
计费示例
示例 1
用户 A 希望使用语音转文本的功能，那么需要购买 AI 智能语音任一规格套餐包，在 2024 年 11 月 01 日一次性购买了 AI 智能语音（10,000 分钟规格）3 个月，并开启了“自动续期”功能。
则：
客户一次性付费 = 500 元/月 × 3 个月 = 1500 元，（3 个月套餐分别在 2024 年 11 月 01 日、2024 年 12 月 01 日、2025 年 01 月 01 日下发）。
从 2025 年 02 月 01 日开始触发“自动续费”，每月自动扣费 500 元，并下发 AI 智能语音包含 10,000 分钟的套餐包。
说明：
示例 2
用户 A 和 B 用中文通话，观众 C 需要看到英文字幕，观众 D 需要看到日文字幕，使用标准版语言引擎进行语音转文本，再使用实时翻译的功能，通话 5 分钟的计费如下：
计费类型 | 用户 A | 用户 B | 小计 |
语音转文本 | 5 分钟 | 5 分钟 | 10 分钟 |
实时翻译 | 5 分钟 * 2 | 5 分钟 * 2 | 20 分钟 |
分析：
语音转文本：共产生 10 分钟用量，单价为 0.08 元/分钟，共 0.8 元。
实时翻译：共产生 20 分钟用量，单价为 0.07 元/分钟，共 1.4 元。
则此场景中，您需要支付 2.2 元。
注意：
本文计费示例采用刊例价计算，如果您与腾讯云的商务经理签订了合同，以合同约定的价格为准。
示例 3
用户 A 和 B 用中文通话，观众 C 需要看到英文字幕并能听到英文语音，观众 D 需要看到日文字幕并听到日文语音，使用标准版语言引擎进行语音转文本，再使用实时翻译和文字转语音的功能，通话 10 分钟，文字转语音英文字符用量 1.6 万字符（用户 A 和 用户 B 的中文内容翻译成英文后进行文字转语音的字符量假设分别为 8000 个字符）、文字转语音日文字符用量 1 万字符（用户 A 和 用户 B 的中文内容翻译成日文后进行文字转语音的字符量假设分别为 5000 个字符）的计费如下
计费类型 | 用户 A | 用户 B | 小计 |
语音转文本 | 10 分钟 | 10 分钟 | 20 分钟 |
实时翻译 | 10 分钟 * 2 | 10 分钟 * 2 | 40 分钟 |
文字转语音 | 0.8 万英文字符 + 0.5 万日语字符 | 0.8 万英文字符 + 0.5 万日语字符 | 2.6 万 字符 |
分析：
语音转文本：共产生 20 分钟用量，使用标准版引擎单价为 0.08 元/分钟，共 1.6 元。
实时翻译：共产生 40 分钟用量，单价为 0.07 元/分钟，共 2.8 元。
文字转语音：共产生 2.6000 万字符用量，单价为 3 元/万字符，共 7.8 元。
则在此场景中，您需要支付 12.2 元。
支持语言列表
| 支持语言种类 | 支持方言种类 |
语音转文本 | 中文、英语、越南语、日语、韩语、印度尼西亚语、泰语、葡萄牙语、土耳其语、阿拉伯语、西班牙语、印地语、法语、马来语、菲律宾语、德语、意大利语、俄语、瑞典语、丹麦语、挪威语。 | 上海话、四川话、武汉话、贵阳话、昆明话、西安话、郑州话、太原话、兰州话、银川话、西宁话、南京话、合肥话、南昌话、长沙话、苏州话、杭州话、济南话、天津话、石家庄话、黑龙江话、吉林话、辽宁话、闽南语、广东话、客家话、南宁话。 |
实时翻译 | 中文、英语、越南语、日语、韩语、印度尼西亚语、泰语、葡萄牙语、阿拉伯语、西班牙语、法语、马来语、德语、意大利语、俄语。 | / |
文字转语音 | 中文、英语、日语、韩语 | 广东话 |
