प्रत्येक VocaLingo टूल के लिए टोकन की कीमतें
उदाहरणों के साथ हर टूल के लिए प्रति सेकंड, मिनट या 1,000 वर्णों की दरें। Premium से इन कीमतों में कोई बदलाव नहीं होता है।
अपडेट किया गया 2 नवंबर 20267 मिनट में पढ़ें
प्रत्येक टूल शुरू होने से पहले एक अनुमान दिखाता है। नीचे दी गई दरें वे हैं जो सर्वर वास्तव में चार्ज करता है। शुल्क को पूर्णांक टोकन में राउंड अप किया जाता है, और एक टोकन के अंश के बराबर लागत वाले छोटे ऑपरेशन्स तब तक जुड़ते रहते हैं जब तक वे एक पूरे टोकन तक नहीं पहुंच जाते। चार्जिंग सामान्य रूप से कैसे काम करती है, यह टोकन कैसे काम करते हैं में समझाया गया है।
Video Translation
Video Translation के लिए ओरिजिनल वीडियो के प्रति सेकंड के हिसाब से शुल्क लिया जाता है, केवल तब जब अनुवादित वीडियो तैयार हो जाए। न्यूनतम शुल्क 1 टोकन है।
| प्रदाता और विकल्प | प्रति सेकंड | प्रति मिनट |
|---|---|---|
HeyGen (lip-sync) | 4 | 240 |
HeyGen with Enhanced cloning | 8 | 480 |
ElevenLabs | 4.4 | 264 |
ElevenLabs with Lip Sync | 5.2 | 312 |
HeyGen 30 मिनट तक के वीडियो स्वीकार करता है। यदि Lip Sync विफल हो जाता है, तो आपको इसके बिना डब किया गया वीडियो मिलता है और आप Lip Sync के बिना वाली ElevenLabs दर का भुगतान करते हैं।
Audio Translation
Audio Translation तीन चरणों के लिए अलग-अलग शुल्क लेता है। पहचान और अनुवाद अपने आप चलते हैं और इनमें बहुत कम लागत आती है। वॉइसओवर केवल तभी जनरेट होता है जब आप प्ले बटन पर टैप करते हैं, और अधिकांश लागत इसी की होती है।
वाक् पहचान (Speech recognition)
| Settings में विकल्प | कीमत |
|---|---|
ElevenLabs Scribe (डिफ़ॉल्ट) | लगभग 0.73 टोकन प्रति मिनट, 44 प्रति घंटा |
OpenAI Transcribe | लगभग 1.2 टोकन प्रति मिनट |
OpenAI Whisper | 1.2 टोकन प्रति मिनट |
पहचाने गए टेक्स्ट का अनुवाद और Summary टैब एक सामान्य रिकॉर्डिंग के लिए टोकन के कुछ अंशों की लागत लेते हैं।
वॉइसओवर
वॉइसओवर का शुल्क अनुवादित टेक्स्ट की लंबाई के आधार पर लिया जाता है। 1,000 वर्ण लगभग एक मिनट के भाषण के बराबर होते हैं।
| आवाज़ | कीमत |
|---|---|
ElevenLabs | 10 टोकन प्रति 1,000 वर्ण, न्यूनतम 1 |
OpenAI | प्रत्येक शुरू हुए 150 शब्दों के लिए 1.8 टोकन |
Voice cloning (MiniMax), Clone from file | क्लोनिंग के लिए 180 टोकन + 12 प्रति 1,000 वर्ण |
My MiniMax voice | 12 प्रति 1,000 वर्ण |
Voice cloning (Qwen 3), Clone from file | 20 प्रति 1,000 वर्ण, न्यूनतम 5 |
My Qwen voice | 10.8 प्रति 1,000 वर्ण |
ElevenLabs Dubbing v2 | ओरिजिनल ऑडियो के प्रति सेकंड 4.4 (264 प्रति मिनट) |
उदाहरण: ElevenLabs आवाज़ के साथ डब किए गए एक मिनट के वॉयस मैसेज के लिए पहचान और अनुवाद के लगभग 1 टोकन और वॉइसओवर के लिए लगभग 10 टोकन लगते हैं। ElevenLabs Dubbing v2 के साथ उसी एक मिनट की लागत लगभग 264 टोकन होती है।
जब आपने कोई आवाज़ नहीं चुनी होती है, तो 10 भाषाओं के लिए Voice cloning (Qwen 3) अपने आप चुन लिया जाता है। इसके लिए ऐप वर्तमान में वास्तविक कीमत का लगभग आधा दिखाता है: 20 टोकन प्रति 1,000 वर्ण, प्रति वॉइसओवर कम से कम 5 मान कर चलें।
Text to Speech
Text to Speech का शुल्क टेक्स्ट की लंबाई के अनुसार लिया जाता है, प्रति अनुरोध अधिकतम 10,000 वर्ण।
| आवाज़ | कीमत |
|---|---|
OpenAI | प्रत्येक शुरू हुए 150 शब्दों के लिए 1.8 टोकन (150 शब्दों तक: 2 टोकन) |
ElevenLabs | 12 प्रति 1,000 वर्ण, न्यूनतम 1 |
MiniMax | 12 प्रति 1,000 वर्ण (HD voices), 7.2 (Turbo voices) |
Qwen 3 | 20 प्रति 1,000 वर्ण |
My voices से आपकी अपनी MiniMax आवाज़ | 12 प्रति 1,000 वर्ण |
My voices से आपकी अपनी Qwen आवाज़ | 10.8 प्रति 1,000 वर्ण |
Qwen 3 आवाज़ों के लिए ऐप वर्तमान में वास्तविक कीमत का लगभग आधा दिखाता है।
अपनी आवाज़ को My Voices में सहेजना
MiniMax आवाज़ को सहेजने में 180 टोकन लगते हैं। वे क्लोनिंग शुरू होने से पहले चार्ज किए जाते हैं और क्लोनिंग विफल होने पर अपने आप वापस कर दिए जाते हैं। Qwen 3 आवाज़ सहेजने में लगभग 1 टोकन लगता है। ऑनबोर्डिंग टूर में आपके द्वारा रिकॉर्ड की गई आवाज़ मुफ़्त में सहेजी जाती है।
Voice Changer
Voice Changer की लागत ओरिजिनल रिकॉर्डिंग के वास्तविक समय के आधार पर 14.4 टोकन प्रति मिनट है, न्यूनतम 1। 30-सेकंड की क्लिप के लिए 8 टोकन, 5-मिनट की रिकॉर्डिंग (अधिकतम) के लिए 72 टोकन लगते हैं। परिणाम तैयार होने पर टोकन चार्ज किए जाते हैं।
Add Captions
Add Captions कैप्शन वाला वीडियो तैयार होने के बाद शुल्क लेता है। कैप्शन अनुवाद के साथ या उसके बिना कीमत समान है।
| मोड | कीमत | उदाहरण |
|---|---|---|
Mirage (5 मिनट तक का वर्टिकल 9:16 वीडियो) | प्रत्येक शुरू हुए मिनट के लिए 15 टोकन | 40 से: 15, 2 मि 10 से: 45 |
Standard | लगभग 6 टोकन प्रति मिनट, कम से कम 15 सेकंड का बिल | 30 से: 3, 1 मि: 6, 5 मि: 29, 10 मि: 58 |
Text Transcription और Video to Text
दोनों टूल Audio Translation वाली समान पहचान कीमतों का उपयोग करते हैं। डिफ़ॉल्ट ElevenLabs Scribe के साथ एक ट्रांसक्रिप्ट की लागत लगभग 0.73 टोकन प्रति मिनट होती है। Video to Text प्रति वीडियो कम से कम 1 टोकन चार्ज करता है: 10 मिनट के 8 टोकन, एक घंटे के 44 टोकन लगते हैं। Essence टैब और Export to PDF में टोकन के कुछ अंशों की लागत आती है।
Text Translation, फ़ोटो अनुवाद और Text Analysis
Text Translation और Text Analysis: एक सामान्य टेक्स्ट के लिए टोकन के कुछ अंश। वे जुड़ते जाते हैं और Usage History में पूरे टोकन के रूप में दिखाई देते हैं।
Text Translation में Listen: भाषा के आधार पर 10 या 20 टोकन प्रति 1,000 वर्ण।
Translate photo: फ़ोटो के आकार के आधार पर Nano Banana 2.1 की लागत 4 या 6 टोकन है; GPT Image 2.5 के लिए चौकोर इमेज पर 6 और लैंडस्केप या पोर्ट्रेट इमेज पर 5 टोकन लगते हैं।
Tourist Translator
Tourist Translator पहचान, अनुवाद और वॉइसओवर के लिए शुल्क लेता है। पहचान की लागत भाषण के प्रति मिनट लगभग 1.3 टोकन है, इसलिए लेक्चर मोड में एक घंटे के निरंतर भाषण की लागत लगभग 80 टोकन है। वॉइसओवर प्रति 1,000 वर्ण 10 टोकन जोड़ता है, और अनुवाद में टोकन के कुछ अंशों की लागत आती है। पहचान और वॉइसओवर के लिए शुल्क केवल तभी लिया जाता है जब वे सफल होते हैं।
Chat
एक चैट संदेश की लागत इस बात पर निर्भर करती है कि मॉडल आपके संदेश को उसके संदर्भ के साथ पढ़ने और उत्तर लिखने में कितना खर्च करता है। तालिका प्रति 10 लाख मॉडल टोकन (इनपुट / आउटपुट) पर VocaLingo टोकन दिखाती है। एक छोटे प्रश्न और उत्तर की लागत आमतौर पर एक टोकन का अंश होती है; फ़ाइलों वाली लंबी चैट की लागत अधिक होती है क्योंकि पूरा संदर्भ फिर से पढ़ा जाता है।
| मॉडल | इनपुट / आउटपुट |
|---|---|
GPT 6 Luna | 12 / 60 |
DeepSeek, MiniMax 2.7 | 36 / 144 |
Gemini 3.8 Flash (Auto इसे डिफ़ॉल्ट रूप से उपयोग करता है) | 31 दिसंबर 2026 तक 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 |
चैट के अंदर के टूल्स का अलग से शुल्क लिया जाता है: मॉडल के आधार पर एक वेब खोज की लागत 0.6 से 1.7 टोकन होती है, Nano Banana 2.1 से एक इमेज की लागत 4.8 टोकन (1K), 7.2 (2K) या 15.6 (4K) होती है, और GPT Image 2.5 से एक इमेज की लागत 6 से 7.2 होती है। Deep Research की कोई निश्चित कीमत नहीं है: यह इस बात पर निर्भर करता है कि यह कितने पेज पढ़ता है। चैट में Download Video मुफ़्त है।
AI Calls
AI Calls के लिए प्रति मिनट, 30-सेकंड के चरणों में शुल्क लिया जाता है। कीमत इस बात पर निर्भर करती है कि आप किस देश और नेटवर्क पर कॉल करते हैं और क्या AI अनुवाद को आवाज़ देता है। कॉल से पहले आपके नंबर की सटीक कीमत ऐप में दिखाई जाती है।
| गंतव्य | केवल मूल ध्वनि | दोनों तरफ आवाज़ वाला अनुवाद |
|---|---|---|
USA | 6 प्रति मिनट | 28 प्रति मिनट |
Germany (mobile) | 12 | 34 |
India (mobile) | 17 | 39 |
Kazakhstan (mobile) | 40 | 62 |
Russia (mobile) | 65 | 88 |
My Numbers में अपना नंबर सत्यापित करने पर एसएमएस या कॉल की कीमत (कम से कम 1 टोकन) और कोड की पुष्टि करने पर 10 टोकन लगते हैं।
अक्सर पूछे जाने वाले सवाल
क्या Premium के साथ कुछ भी सस्ता है?
नहीं। टूल्स की कीमतें Premium के साथ और इसके बिना समान हैं। Premium आपको टोकन की मासिक या वार्षिक मात्रा देता है और आपको वीडियो से वॉटरमार्क हटाने की अनुमति देता है। देखें VocaLingo Premium में क्या शामिल है।
मुझसे अनुमान से अधिक शुल्क क्यों लिया गया?
अनुमान की गणना प्रोसेसिंग से पहले ऐप में की जाती है, और सर्वर पर शुल्क अनुवादित टेक्स्ट या फ़ाइल की वास्तविक लंबाई का उपयोग करता है। सबसे बड़ा अंतर Qwen 3 आवाज़ों के साथ है, जहाँ ऐप कीमत का लगभग आधा दिखाता है। प्रत्येक शुल्क Usage History में सूचीबद्ध है।
सपोर्ट से संपर्क करें
समस्या का विवरण दें और हम ईमेल द्वारा उत्तर देंगे। यदि आपके पास फ़ाइल नाम या जॉब ID है, तो उसे भी जोड़ें।