实时音视频 RTC 语音房间接入

AI 智能语音包括语音识别、实时翻译和语音合成三个能力。

·语音识别：将音频转成文本（Automatic Speech Recognition，ASR）输出。

·实时翻译：在语音识别的基础上，将转写出来的文本翻译成目标语言。

·语音合成：将文本合成为音频（Text-To-Speech, TTS）输出。

注意：说明：

一、计费说明

AI 智能语音费用包含：语音识别费用、实时翻译费用、语音合成费用。

注意：说明：

二、后付费

三、套餐包与资源包费用

除按量后付费外，还支持预付费套餐包或者资源包使用 AI 智能语音相关能力。

·TRTC 包月套餐可用于语音识别、语音合成和实时翻译服务，详情见 抵扣比例，同时还包含赠送的 AI 智能语音时长。

·AI 智能语音资源包 包含以下规格，可用于语音识别、语音合成和实时翻译服务，详情见 抵扣比例：

注意：说明：

注意：AI 智能语音资源包适用于语音识别服务、语音合成服务和实时翻译服务。

四、抵扣比例说明

TRTC 包月套餐和 AI 智能语音包赠送的 AI 智能语音时长具体抵扣规则如下。

注意：说明：

五、接入说明

AI 智能语音解决方案支持以下接入方式：

·实时语音场景：

·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。

·其他场景：

·通过 API 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：

六、语音识别

·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。

七、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。

注意：说明：

注意：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。

八、语音合成

·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。

注意：说明：

九、示例 1：仅使用语音识别（实时语音识别）

某用户通过 API 调用实时语音识别，当日累计识别时长 120 分钟。

分析： 实时语音识别单价 0.017 元/分钟，用量120分钟，则费用为0.017 × 120=2.04 元。

十、示例 2：配合 TRTC —— 语音识别（实时语音识别） + 实时翻译

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。使用实时语音识别进行语音识别，并开启实时翻译，通话 5 分钟。

分析：

·语音识别：共 10 分钟，实时语音识别单价 0.017 元/分钟，共 0.17 元。

·实时翻译：共 20 分钟，单价 0.07 元/分钟，共 1.4 元。

·合计：1.57 元。

十一、示例 3：配合 TRTC —— 语音识别（实时语音识别） + 实时翻译 + 语音合成

用户 A 和 B 用中文通话，观众 C 需英文字幕并听到英文语音，观众 D 需日文字幕并听到日文语音。使用实时语音识别进行语音识别，同时开启实时翻译和实时语音合成，通话 10 分钟。假设英文语音合成字符量共 1.6 万字符，日文共 1 万字符。

分析：

·语音识别：共 20 分钟，实时语音识别单价 0.017 元/分钟，共 0.34 元。

·实时翻译：共 40 分钟，单价 0.07 元/分钟，共 2.8 元。

·语音合成：共 2.6 万字符，基础 (Flash) 单价 3 元/万字符，共 7.8 元。

·合计：10.94 元。

注意：这篇计费示例采用刊例价计算，如果你与腾讯云的商务经理签订了合同，以合同约定的价格为准。

十二、支持语言列表