Token-Preise für jedes VocaLingo-Tool

Jedes Tool zeigt vor dem Start eine Schätzung an. Die unten aufgeführten Preise sind das, was der Server tatsächlich abrechnet. Beträge werden auf einen ganzen Token aufgerundet, und winzige Aktionen, die einen Bruchteil eines Tokens kosten, sammeln sich an, bis sie einen ganzen Token erreichen. Wie die Abrechnung allgemein funktioniert, wird in So funktionieren Tokens erklärt.

Video-Übersetzung

Die Video-Übersetzung wird pro Sekunde des Originalvideos abgerechnet, und zwar erst, wenn das übersetzte Video fertig ist. Das Minimum liegt bei 1 Token.

HeyGen unterstützt Videos mit bis zu 30 Minuten Länge. Wenn Lip Sync fehlschlägt, erhältst du das synchronisierte Video ohne Lippenanpassung und zahlst den ElevenLabs-Preis ohne Lip Sync.

Audio-Übersetzung

Die Audio-Übersetzung berechnet drei Schritte separat. Erkennung und Übersetzung laufen automatisch ab und kosten sehr wenig. Das Voiceover wird erst generiert, wenn du auf die Wiedergabetaste tippst, und macht den Hauptteil der Kosten aus.

Spracherkennung

Die Übersetzung des erkannten Textes und der Tab Zusammenfassung kosten bei einer typischen Aufnahme nur Bruchteile eines Tokens.

Voiceover

Das Voiceover wird nach der Länge des übersetzten Textes abgerechnet. 1.000 Zeichen entsprechen ungefähr einer Minute gesprochener Sprache.

Beispiel: Eine einminütige Sprachnachricht mit einer ElevenLabs-Stimme kostet etwa 1 Token für Erkennung und Übersetzung plus etwa 10 für das Voiceover. Mit ElevenLabs Dubbing v2 kostet dieselbe Minute etwa 264 Tokens.

Text-to-Speech

Text-to-Speech wird nach der Textlänge abgerechnet, bis zu 10.000 Zeichen pro Anfrage.

Für Qwen 3-Stimmen zeigt die App derzeit etwa die Hälfte des tatsächlichen Preises an.

Stimme unter Meine Stimmen speichern

Das Speichern einer MiniMax-Stimme kostet 180 Tokens. Sie werden abgebucht, bevor das Klonen beginnt, und automatisch zurückerstattet, falls das Klonen fehlschlägt. Das Speichern einer Qwen 3-Stimme kostet etwa 1 Token. Die Stimme, die du während der Einführungstour aufnimmst, wird kostenlos gespeichert.

Voice-Changer

Voice-Changer kostet 14.4 Tokens pro Minute der Originalaufnahme, berechnet nach der tatsächlichen Länge, mindestens 1. Ein 30-Sekunden-Clip kostet 8 Tokens, eine Aufnahme von 5 Minuten (das Maximum) 72. Die Tokens werden abgezogen, sobald das Ergebnis fertig ist.

Untertitel hinzufügen

Untertitel hinzufügen rechnet ab, sobald das Video mit Untertiteln fertiggestellt ist. Der Preis bleibt mit oder ohne Übersetzung der Untertitel gleich.

Text-Transkription und Video zu Text

Beide Tools nutzen die gleichen Erkennungspreise wie die Audio-Übersetzung. Mit dem Standard ElevenLabs Scribe kostet ein Transkript etwa 0.73 Tokens pro Minute. Video zu Text berechnet mindestens 1 Token pro Video: 10 Minuten kosten 8 Tokens, eine Stunde 44. Der Tab Kernaussagen und Nach PDF exportieren kosten Bruchteile eines Tokens.

Text-Übersetzung, Foto-Übersetzung und Textanalyse

• Text-Übersetzung und Textanalyse: Bruchteile eines Tokens für typische Texte. Sie summieren sich und erscheinen als ganze Tokens im Nutzungsverlauf.

• Anhören in der Text-Übersetzung: 10 oder 20 Tokens pro 1.000 Zeichen, je nach Sprache.

• Foto übersetzen: Nano Banana 2.1 kostet je nach Fotogröße 4 oder 6 Tokens; GPT Image 2.5 kostet 6 für quadratische Bilder und 5 für Quer- oder Hochformat.

Touristen-Übersetzer

Der Touristen-Übersetzer berechnet Erkennung, Übersetzung und Voiceover. Die Erkennung kostet ca. 1.3 Tokens pro Minute gesprochener Sprache, eine Stunde ununterbrochenes Sprechen im Vortragsmodus kostet also etwa 80 Tokens. Für das Voiceover kommen 10 Tokens pro 1.000 Zeichen hinzu, und die Übersetzung kostet Bruchteile eines Tokens. Erkennung und Voiceover werden nur bei erfolgreicher Ausführung berechnet.

Chat

Eine Chat-Nachricht kostet so viel, wie das Modell für das Lesen deiner Nachricht samt Kontext und das Schreiben der Antwort verbraucht. Die Tabelle zeigt VocaLingo-Tokens pro 1 Million Modell-Tokens (Input / Output). Eine kurze Frage und Antwort kostet meist einen Bruchteil eines Tokens; lange Chats mit Dateien kosten mehr, da der gesamte Kontext erneut eingelesen wird.

Zusätzliche Tools im Chat werden extra abgerechnet: Eine Websuche kostet je nach Modell 0.6 bis 1.7 Tokens, ein Bild von Nano Banana 2.1 kostet 4.8 Tokens (1K), 7.2 (2K) oder 15.6 (4K), und ein Bild von GPT Image 2.5 kostet 6 bis 7.2. Deep Research hat keinen Festpreis: Die Kosten hängen davon ab, wie viele Seiten gelesen werden. Video herunterladen im Chat ist kostenlos.

KI-Anrufe

KI-Anrufe werden minutengenau in 30-Sekunden-Schritten abgerechnet. Der Preis hängt vom Zielland und dem angerufenen Netz ab sowie davon, ob die KI die Übersetzung vorspricht. Der genaue Preis für deine Rufnummer wird vor dem Anruf in der App angezeigt.

Die Verifizierung deiner eigenen Nummer unter Meine Rufnummern kostet den Preis der SMS oder des Anrufs (mindestens 1 Token) plus 10 Tokens bei Bestätigung des Codes.

Häufig gestellte Fragen