প্রতিটি VocaLingo টুলের জন্য টোকেনের মূল্য
উদাহরণসহ প্রতিটি টুলের জন্য প্রতি সেকেন্ড, মিনিট বা ১,০০০ অক্ষরের রেট। Premium এই মূল্য পরিবর্তন করে না।
আপডেট করা হয়েছে: ২ নভেম্বর, ২০২৬6 মিনিট পড়ার সময়
প্রতিটি টুল শুরু করার আগে একটি আনুমানিক হিসাব দেখায়। নিচের রেটগুলো হলো সার্ভার প্রকৃতপক্ষে যা চার্জ করে। চার্জ পূর্ণ টোকেনে রাউন্ড আপ করা হয়, এবং একটি টোকেনের ভগ্নাংশ পরিমাণ খরচের ক্ষুদ্র অপারেশনগুলো জমা হয়ে একটি পূর্ণ টোকেনে না পৌঁছানো পর্যন্ত যোগ হতে থাকে। চার্জিং কীভাবে সাধারণভাবে কাজ করে তা টোকেন কীভাবে কাজ করে-তে ব্যাখ্যা করা হয়েছে।
Video Translation
Video Translation-এর চার্জ মূল ভিডিওর প্রতি সেকেন্ড হিসেবে কাটা হয়, কেবল অনুদিত ভিডিও প্রস্তুত হওয়ার পর। সর্বনিম্ন চার্জ ১ টোকেন।
| প্রোভাইডার এবং অপশন | প্রতি সেকেন্ড | প্রতি মিনিট |
|---|---|---|
HeyGen (lip-sync) | 4 | 240 |
HeyGen with Enhanced cloning | 8 | 480 |
ElevenLabs | 4.4 | 264 |
ElevenLabs with Lip Sync | 5.2 | 312 |
HeyGen ৩০ মিনিট পর্যন্ত ভিডিও গ্রহণ করে। যদি Lip Sync ব্যর্থ হয়, আপনি এটি ছাড়াই ডাব করা ভিডিও পাবেন এবং Lip Sync ছাড়া ElevenLabs-এর রেট পরিশোধ করবেন।
Audio Translation
Audio Translation তিনটি ধাপের জন্য আলাদাভাবে চার্জ করে। শনাক্তকরণ এবং অনুবাদ স্বয়ংক্রিয়ভাবে চলে এবং এতে খুব কম খরচ হয়। আপনি প্লে বাটনে ট্যাপ করলেই কেবল ভয়েসওভার তৈরি হয়, এবং সেখানেই খরচের বেশিরভাগ অংশ যায়।
ভয়েস শনাক্তকরণ
| Settings-এর অপশন | মূল্য |
|---|---|
ElevenLabs Scribe (default) | প্রতি মিনিটে প্রায় 0.73 টোকেন, প্রতি ঘণ্টায় 44 |
OpenAI Transcribe | প্রতি মিনিটে প্রায় 1.2 টোকেন |
OpenAI Whisper | প্রতি মিনিটে 1.2 টোকেন |
একটি সাধারণ রেকর্ডিংয়ের জন্য শনাক্তকৃত টেক্সটের অনুবাদ এবং Summary ট্যাবের খরচ টোকেনের ভগ্নাংশ মাত্র।
ভয়েসওভার
ভয়েসওভারের চার্জ অনুদিত টেক্সটের দৈর্ঘ্যের ওপর ভিত্তি করে নেওয়া হয়। ১,০০০ অক্ষর প্রায় এক মিনিটের কথা বলার সমান।
| ভয়েস | মূল্য |
|---|---|
ElevenLabs | প্রতি 1,000 অক্ষরে 10 টোকেন, সর্বনিম্ন 1 |
OpenAI | প্রতি শুরু হওয়া 150 শব্দের জন্য 1.8 টোকেন |
Voice cloning (MiniMax), Clone from file | ক্লোনিংয়ের জন্য 180 টোকেন + প্রতি 1,000 অক্ষরে 12 |
My MiniMax voice | প্রতি 1,000 অক্ষরে 12 |
Voice cloning (Qwen 3), Clone from file | প্রতি 1,000 অক্ষরে 20, সর্বনিম্ন 5 |
My Qwen voice | প্রতি 1,000 অক্ষরে 10.8 |
ElevenLabs Dubbing v2 | মূল অডিওর প্রতি সেকেন্ডে 4.4 (প্রতি মিনিটে 264) |
উদাহরণ: ElevenLabs ভয়েসের মাধ্যমে ডাব করা এক মিনিটের একটি ভয়েস মেসেজের জন্য শনাক্তকরণ ও অনুবাদের খরচ প্রায় 1 টোকেন এবং ভয়েসওভারের জন্য প্রায় 10 টোকেন। ElevenLabs Dubbing v2-এর মাধ্যমে একই মিনিটের জন্য খরচ হয় প্রায় 264 টোকেন।
আপনি যখন কোনো ভয়েস বেছে নেন না, তখন ১০টি ভাষার জন্য Voice cloning (Qwen 3) স্বয়ংক্রিয়ভাবে নির্বাচিত হয়। এর জন্য অ্যাপটি বর্তমানে প্রকৃত মূল্যের প্রায় অর্ধেক দেখায়: প্রতি 1,000 অক্ষরে 20 টোকেন হিসাব করুন, প্রতি ভয়েসওভারে কমপক্ষে 5।
Text to Speech
Text to Speech-এর চার্জ টেক্সটের দৈর্ঘ্যের ওপর ভিত্তি করে নেওয়া হয়, অনুরোধ প্রতি সর্বোচ্চ 10,000 অক্ষর পর্যন্ত।
| ভয়েস | মূল্য |
|---|---|
OpenAI | প্রতি শুরু হওয়া 150 শব্দের জন্য 1.8 টোকেন (150 শব্দ পর্যন্ত: 2 টোকেন) |
ElevenLabs | প্রতি 1,000 অক্ষরে 12, সর্বনিম্ন 1 |
MiniMax | প্রতি 1,000 অক্ষরে 12 (HD ভয়েস), 7.2 (Turbo ভয়েস) |
Qwen 3 | প্রতি 1,000 অক্ষরে 20 |
My voices থেকে আপনার নিজস্ব MiniMax ভয়েস | প্রতি 1,000 অক্ষরে 12 |
My voices থেকে আপনার নিজস্ব Qwen ভয়েস | প্রতি 1,000 অক্ষরে 10.8 |
Qwen 3 ভয়েসের ক্ষেত্রে অ্যাপটি বর্তমানে প্রকৃত মূল্যের প্রায় অর্ধেক দেখায়।
My Voices-এ আপনার ভয়েস সেভ করা
একটি MiniMax ভয়েস সেভ করতে 180 টোকেন খরচ হয়। ক্লোনিং শুরু হওয়ার আগে এই চার্জ কাটা হয় এবং ক্লোনিং ব্যর্থ হলে স্বয়ংক্রিয়ভাবে ফেরত দেওয়া হয়। একটি Qwen 3 ভয়েস সেভ করতে প্রায় 1 টোকেন খরচ হয়। অনবোর্ডিং ট্যুরে আপনি যে ভয়েসটি রেকর্ড করেন তা বিনামূল্যে সেভ করা হয়।
Voice Changer
Voice Changer-এর জন্য মূল রেকর্ডিংয়ের প্রতি মিনিটে 14.4 টোকেন খরচ হয়, যা এর প্রকৃত দৈর্ঘ্যের ওপর ভিত্তি করে গণনা করা হয়, সর্বনিম্ন 1। একটি 30 সেকেন্ডের ক্লিপের জন্য 8 টোকেন এবং একটি 5 মিনিটের রেকর্ডিংয়ের (সর্বোচ্চ) জন্য 72 টোকেন খরচ হয়। ফলাফল প্রস্তুত হলে টোকেন চার্জ করা হয়।
Add Captions
ক্যাপশনসহ ভিডিও প্রস্তুত হওয়ার পরে Add Captions চার্জ করে। ক্যাপশন অনুবাদসহ বা অনুবাদ ছাড়া মূল্য একই থাকে।
| মোড | মূল্য | উদাহরণ |
|---|---|---|
Mirage (5 মিনিট পর্যন্ত উল্লম্ব 9:16 ভিডিও) | প্রতি শুরু হওয়া মিনিটের জন্য 15 টোকেন | 40 সেকেন্ড: 15, 2 মিনিট 10 সেকেন্ড: 45 |
Standard | প্রতি মিনিটে প্রায় 6 টোকেন, কমপক্ষে 15 সেকেন্ড বিল করা হয় | 30 সেকেন্ড: 3, 1 মিনিট: 6, 5 মিনিট: 29, 10 মিনিট: 58 |
Text Transcription এবং Video to Text
উভয় টুলই Audio Translation-এর সমান শনাক্তকরণ মূল্য ব্যবহার করে। ডিফল্ট ElevenLabs Scribe-এর ক্ষেত্রে একটি ট্রান্সক্রিপ্টের খরচ প্রতি মিনিটে প্রায় 0.73 টোকেন। Video to Text ভিডিও প্রতি কমপক্ষে 1 টোকেন চার্জ করে: 10 মিনিটের জন্য 8 টোকেন এবং এক ঘণ্টার জন্য 44 টোকেন খরচ হয়। Essence ট্যাব এবং Export to PDF-এর খরচ টোকেনের ভগ্নাংশ মাত্র।
Text Translation, ছবি অনুবাদ এবং Text Analysis
Text Translation এবং Text Analysis: একটি সাধারণ টেক্সটের জন্য টোকেনের ভগ্নাংশ খরচ হয়। এগুলো জমা হয় এবং Usage History-তে পূর্ণ টোকেন হিসেবে দেখা যায়।
Text Translation-এ Listen: ভাষার ওপর নির্ভর করে প্রতি 1,000 অক্ষরে 10 বা 20 টোকেন।
Translate photo: ছবির আকারের ওপর নির্ভর করে Nano Banana 2.1-এর খরচ 4 বা 6 টোকেন; একটি বর্গাকার ছবির জন্য GPT Image 2.5-এর খরচ 6 এবং একটি ল্যান্ডস্কেপ বা পোর্ট্রেট ছবির জন্য 5।
Tourist Translator
Tourist Translator শনাক্তকরণ, অনুবাদ এবং ভয়েসওভারের জন্য চার্জ করে। শনাক্তকরণের খরচ কথার প্রতি মিনিটে প্রায় 1.3 টোকেন, তাই লেকচার মোডে এক ঘণ্টার একটানা কথার খরচ প্রায় 80 টোকেন। ভয়েসওভারের জন্য প্রতি 1,000 অক্ষরে 10 টোকেন যোগ হয় এবং অনুবাদের খরচ টোকেনের ভগ্নাংশ মাত্র। শনাক্তকরণ এবং ভয়েসওভার সফল হলেই কেবল চার্জ করা হয়।
Chat
আপনার মেসেজটি তার কনটেক্সটসহ পড়তে এবং উত্তর লিখতে মডেলটির যা খরচ হয়, একটি চ্যাট মেসেজের জন্য ঠিক ততটাই চার্জ করা হয়। টেবিলে প্রতি 1 মিলিয়ন মডেল টোকেনের (ইনপুট / আউটপুট) জন্য VocaLingo টোকেন দেখানো হয়েছে। একটি ছোট প্রশ্ন এবং উত্তরের খরচ সাধারণত একটি টোকেনের ভগ্নাংশ হয়; ফাইলসহ দীর্ঘ চ্যাটের ক্ষেত্রে খরচ বেশি হয় কারণ পুরো কনটেক্সটটি আবার পড়তে হয়।
| মডেল | ইনপুট / আউটপুট |
|---|---|
GPT 6 Luna | 12 / 60 |
DeepSeek, MiniMax 2.7 | 36 / 144 |
Gemini 3.8 Flash (Auto ডিফল্টভাবে এটি ব্যবহার করে) | 31 December 2026 পর্যন্ত 90 / 450 |
GPT 6 Sol, Claude Sonnet 5.5 | 240 / 1,200 |
Gemini 3.1 Pro | 240 / 1,440 |
Grok 4.7 | 240 / 720 |
Claude Opus 5.5 | 480 / 2,400 |
GPT 6 Astra, Claude Fable 5.1 | 1,200 / 6,000 |
চ্যাটের ভেতরের টুলগুলোর জন্য অতিরিক্ত চার্জ নেওয়া হয়: মডেলের ওপর নির্ভর করে একটি ওয়েব অনুসন্ধানের খরচ 0.6 থেকে 1.7 টোকেন, Nano Banana 2.1 থেকে একটি ছবির খরচ 4.8 টোকেন (1K), 7.2 (2K) বা 15.6 (4K), এবং GPT Image 2.5 থেকে একটি ছবির খরচ 6 থেকে 7.2। Deep Research-এর কোনো নির্দিষ্ট মূল্য নেই: এটি কতগুলো পৃষ্ঠা পড়ে তার ওপর নির্ভর করে। চ্যাটে Download Video সম্পূর্ণ বিনামূল্যে।
AI Calls
AI Calls প্রতি মিনিট হিসেবে, 30 সেকেন্ডের ধাপে চার্জ করা হয়। আপনি কোন দেশ এবং নেটওয়ার্কে কল করছেন এবং AI অনুবাদটি ভয়েসে রূপান্তর করছে কি না তার ওপর মূল্য নির্ভর করে। আপনার নম্বরের জন্য সঠিক মূল্য কলের আগে অ্যাপে দেখানো হয়।
| গন্তব্য | কেবল মূল সাউন্ড | উভয় দিকে ভয়েস অনুবাদসহ |
|---|---|---|
USA | প্রতি মিনিটে 6 | প্রতি মিনিটে 28 |
Germany (mobile) | 12 | 34 |
India (mobile) | 17 | 39 |
Kazakhstan (mobile) | 40 | 62 |
Russia (mobile) | 65 | 88 |
My Numbers-এ আপনার নিজস্ব নম্বর যাচাই করতে SMS বা কলের মূল্যের সাথে (কমপক্ষে 1 টোকেন) কোড কনফার্ম করার সময় আরও 10 টোকেন খরচ হয়।
সাধারণ জিজ্ঞাসা
Premium নিলে কি কোনো কিছু সস্তা হয়?
না। টুলের মূল্য Premium সহ বা ছাড়া একই থাকে। Premium আপনাকে প্রতি মাসে বা বছরে নির্দিষ্ট পরিমাণ টোকেন দেয় এবং ভিডিও থেকে ওয়াটারমার্ক অপসারণের সুবিধা দেয়। দেখুন VocaLingo Premium-এ কী কী অন্তর্ভুক্ত রয়েছে।
আমাকে আনুমানিক হিসাবের চেয়ে বেশি চার্জ করা হলো কেন?
প্রসেসিংয়ের আগে অ্যাপে আনুমানিক হিসাব গণনা করা হয়, আর সার্ভারের চার্জ অনুদিত টেক্সট বা ফাইলের প্রকৃত দৈর্ঘ্যের ওপর নির্ভর করে। সবচেয়ে বড় পার্থক্য দেখা যায় Qwen 3 ভয়েসের ক্ষেত্রে, যেখানে অ্যাপটি মূল্যের প্রায় অর্ধেক দেখায়। প্রতিটি চার্জ Usage History-তে তালিকাভুক্ত থাকে।
সাপোর্টে যোগাযোগ
সমস্যাটি বর্ণনা করুন এবং আমরা ইমেলের মাধ্যমে উত্তর দেব। ফাইল নেম বা জব আইডি থাকলে তা যোগ করুন।