| STT | 按音频分钟计费（通常有最小计费单位） |
|---|---|
| TTS | 按输入字符或生成音频时长计费 |
| 实时会话 | 按连接分钟计，语音+模型双向成本叠加 |
| 降本 | VAD 裁静音、长音频切分、文本缓存复用 |
语音转写（OpenAI 风格）
语音转写（OpenAI 风格）
curl https://api.openai.com/v1/audio/transcriptions -H "Authorization: Bearer $KEY" -F file=@meeting.mp3 -F model=whisper-1 -F language=zh会议录音先过 VAD 剪掉静音与空白段：一小时录音里静音占比往往不低，剪完直接省钱。