Ceny w tokenach dla każdego narzędzia VocaLingo

Każde narzędzie pokazuje szacunkowy koszt przed rozpoczęciem. Poniższe stawki to kwoty, które serwer faktycznie pobiera. Opłaty są zaokrąglane w górę do pełnego tokena, a drobne operacje kosztujące ułamek tokena sumują się, aż osiągną pełny token. To, jak ogólnie działa naliczanie opłat, wyjaśniono w artykule Jak działają tokeny.

Tłumaczenie wideo

Tłumaczenie wideo jest rozliczane za sekundę wideo źródłowego, dopiero po przygotowaniu przetłumaczonego wideo. Minimalna opłata wynosi 1 token.

HeyGen akceptuje filmy o długości do 30 minut. Jeśli Lip Sync się nie powiedzie, otrzymasz zdubbingowane wideo bez niego i zapłacisz stawkę ElevenLabs bez Lip Sync.

Tłumaczenie audio

Tłumaczenie audio pobiera opłaty za trzy etapy osobno. Rozpoznawanie i tłumaczenie działają automatycznie i kosztują bardzo niewiele. Lektor jest generowany dopiero po dotknięciu przycisku odtwarzania i to stanowi większość kosztu.

Rozpoznawanie mowy

Tłumaczenie rozpoznanego tekstu i zakładka Podsumowanie kosztują ułamki tokena w przypadku typowego nagrania.

Lektor

Lektor jest rozliczany na podstawie długości przetłumaczonego tekstu. 1000 znaków to w przybliżeniu jedna minuta mowy.

Przykład: jednominutowa wiadomość głosowa z lektorem o głosie ElevenLabs kosztuje około 1 token za rozpoznawanie i tłumaczenie plus około 10 za lektora. Z ElevenLabs Dubbing v2 ta sama minuta kosztuje około 264 tokenów.

Zamiana tekstu na mowę

Zamiana tekstu na mowę jest rozliczana na podstawie długości tekstu, do 10 000 znaków na żądanie.

W przypadku głosów Qwen 3 aplikacja pokazuje obecnie około połowę rzeczywistej ceny.

Zapisywanie głosu w Moich głosach

Zapisanie głosu MiniMax kosztuje 180 tokenów. Są one pobierane przed rozpoczęciem klonowania i zwracane automatycznie, jeśli klonowanie się nie powiedzie. Zapisanie głosu Qwen 3 kosztuje około 1 tokena. Głos, który nagrasz w samouczku powitalnym, jest zapisywany bezpłatnie.

Modulator głosu

Modulator głosu kosztuje 14.4 tokena za minutę nagrania źródłowego, liczone według jego rzeczywistej długości, minimum 1. 30-sekundowy klip kosztuje 8 tokenów, 5-minutowe nagranie (maksymalne) 72. Tokeny są pobierane, gdy wynik jest gotowy.

Dodaj napisy

Dodaj napisy pobiera opłatę po przygotowaniu wideo z napisami. Cena jest taka sama z tłumaczeniem napisów lub bez niego.

Transkrypcja tekstu i Wideo na tekst

Oba narzędzia korzystają z tych samych cen rozpoznawania, co Tłumaczenie audio. Z domyślnym ElevenLabs Scribe transkrypcja kosztuje około 0.73 tokena za minutę. Wideo na tekst pobiera co najmniej 1 token za wideo: 10 minut kosztuje 8 tokenów, godzina 44. Zakładka Najważniejsze i Eksport do PDF kosztują ułamki tokena.

Tłumaczenie tekstu, tłumaczenie zdjęć i Analiza tekstu

• Tłumaczenie tekstu i Analiza tekstu: ułamki tokena za typowy tekst. Sumują się one i pojawiają jako pełne tokeny w Historii użycia.

• Odsłuchaj w Tłumaczeniu tekstu: 10 lub 20 tokenów za 1000 znaków, w zależności od języka.

• Przetłumacz zdjęcie: Nano Banana 2.1 kosztuje 4 lub 6 tokenów w zależności od rozmiaru zdjęcia; GPT Image 2.5 kosztuje 6 za obraz kwadratowy i 5 za poziomy lub pionowy.

Tłumacz turystyczny

Tłumacz turystyczny pobiera opłaty za rozpoznawanie, tłumaczenie i lektora. Rozpoznawanie kosztuje około 1.3 tokena za minutę mowy, więc godzina ciągłej mowy w trybie wykładu to około 80 tokenów. Lektor dodaje 10 tokenów za 1000 znaków, a tłumaczenie kosztuje ułamki tokena. Opłaty za rozpoznawanie i lektora są pobierane tylko wtedy, gdy operacja się powiedzie.

Czat

Wiadomość na czacie kosztuje tyle, ile model zużywa na przeczytanie Twojej wiadomości wraz z jej kontekstem i napisanie odpowiedzi. Tabela pokazuje tokeny VocaLingo za 1 milion tokenów modelu (wejście / wyjście). Krótkie pytanie i odpowiedź kosztują zazwyczaj ułamek tokena; długie czaty z plikami kosztują więcej, ponieważ cały kontekst jest czytany ponownie.

Narzędzia wewnątrz czatu są rozliczane dodatkowo: wyszukiwanie w sieci kosztuje od 0.6 do 1.7 tokena w zależności od modelu, obraz z Nano Banana 2.1 kosztuje 4.8 tokena (1K), 7.2 (2K) lub 15.6 (4K), a obraz z GPT Image 2.5 kosztuje od 6 do 7.2. Deep Research nie ma stałej ceny: zależy ona od liczby przeczytanych stron. Pobieranie wideo na czacie jest bezpłatne.

Połączenia AI

Połączenia AI są rozliczane za minutę, w 30-sekundowych krokach. Cena zależy od kraju i sieci, do której dzwonisz, oraz od tego, czy sztuczna inteligencja odczytuje tłumaczenie na głos. Dokładna cena dla Twojego numeru wyświetla się w aplikacji przed połączeniem.

Weryfikacja własnego numeru w Moje numery kosztuje tyle, co SMS lub połączenie (co najmniej 1 token) plus 10 tokenów po potwierdzeniu kodu.

Często zadawane pytania