四种语音能力，一套鉴权
四种能力共用同一把平台密钥，音质稳定、流式边收边播。参数与错误码以 接入文档为准，另有 OpenAI 兼容的合成入口，已有客户端改两行即可切换。
语音合成
流式合成
流式识别
语音合成
一段文本换一个音频文件，计费字数由服务端回执。
- 格式：mp3 / wav / pcm（默认 mp3）
- 采样率：8000 / 16000 / 24000（默认 24000）
- 可调：语速 [0.1, 2]、音量 [0.5, 2]
- 计费：按字，标点计入；字数取响应头 X-Word-Count
计量与计费口径
| 能力 | 计量单位 | 用量来源 |
|---|---|---|
| 语音合成 / 流式合成（含双向流式 WebSocket） | 字数（char） | 以本次调用回执的字数为准（标点计入）；没有回执时按去掉 Unicode 空白后的码点数计算 |
| 流式识别 | 时长（ms） | 以识别结果回执的音频时长为准；没有回执时按已转发音频字节与声明参数折算 |
| 录音文件识别 | 时长（ms） | 以转写结果回执的音频时长为准（不足 1 秒按 1 秒）；提交、排队与失败都不计费 |
| 语音转写（上传文件） | 时长（ms） | 以响应回执 X-Usage-Duration-Ms 为准（上游按整秒报回）；回执缺失时由平台按容器自算并标 computed |
| 声音复刻 | 个数（count） | 按购买的音色额度计：购买那一次按份数计量，克隆与重训本身不再产生计费 |
- 按量付费，用多少算多少：没有月租，账单每一笔都对应一次真实调用。
- 计费换算：合成按字数、识别按音频时长（秒，向上取整）、复刻按音色额度；报价单位分别是千字 / 分钟 / 次。
- 金额的最小记账单位是厘（1 厘 = 0.001 元）：接口里以 `_milli` 结尾的字段都是厘，以 `_cents` 结尾的是单价（分 / 报价单位）。
- 金额按整批累加后四舍五入到厘，一次只进位一次；这一轮少收或多收的零点几厘滚到下一轮先抵掉，不会每轮都往一个方向偏。
- 对客账单一律以平台计量值为准，内部成本口径的差异由平台自己承担。
- 改价即新增一版生效价：每一笔用量按它发生时刻生效的那一版计价，改价不追溯到已跑完的用量。
- OpenAI 兼容端点与自有端点同一套鉴权、同一套计价，换端点不换计费口径。
单价
语音合成
¥0.35/ 千字
按字数计费，字数取调用回执，账单逐条可核对
流式合成
¥0.40/ 千字
按 done 事件回执的字数
流式识别
¥0.30/ 分钟
按音频时长计费，以秒为计量单位
录音文件识别
¥0.30/ 分钟
按音频时长计费，时长取识别结果回执；提交与失败都不计费
音色额度
¥20.00/ 次
按个购买，克隆与重训不再另收费
以上为当前生效价。每一笔用量按它发生时刻生效的那一版计价，改价不追溯到已跑完的用量；账单逐条可核对。