手里有一段一两小时的会议录音或访谈，想找人转成文字，一问报价发现差别很大——有人说几块，有人说几十块。这篇不报具体数字，只教你把计价口径拆开看：按录音时长还是按成品字数、是否含说话人分离、加急和校对怎么算，看完你就能自己判断某份报价贵在哪、哪些情况下不适用。
手里有一段一两小时的会议录音或访谈，想找人转成文字，一问报价发现差别很大——有人报得很低，有人报得高出一截。先别急着比数字，把计价口径拆开看：是按录音时长还是按成品字数、含不含说话人分离、加急和校对怎么算。口径不同，贵和便宜根本不在一个维度上。
这篇不报任何具体数字，只给判断标准和问价顺序。看完你能自己判断某份报价贵在哪、便宜在哪个环节省了工，以及什么情况下这套判断不适用（比如你要的是带时间轴的字幕交付，或者录音里多人抢话严重）。真要横向比价，先到站内价格追踪页对一遍当时的行情。
先分清计价单位：按录音时长还是按成品字数
市面上两种口径最常见：按音频小时数报价，和按转出的文字字数（通常以千字为单位）报价。同一段录音用这两种口径算，结果可能差不少，尤其是语速慢、停顿多、语气词多的素材。所以拿到报价第一件事不是看数字，而是看单位。
- 按音频时长
- 以原始录音的小时数计价，用户好估算，但录音里静音、停顿多就显得不划算
- 按成品字数
- 以转出的文字量计价，内容密度高的访谈会偏贵，多人抢话、语气词多时字数容易膨胀
- 有效语音时长
- 扣掉静音、空白段之后真正有说话内容的时长，有些报价按这个折算，必须问清楚
有个容易踩的坑：报价里的「一小时」到底指原始录音时长，还是有效语音时长。如果一段录音里静音和等待占了不小比例，两种口径算下来差别明显。下单前直接问一句「静音段和重叠说话怎么折算」，比事后扯皮省事。
同样一小时，价格差在哪几个变量上
价格差异基本来自四个方面：音质与场景、加工深度、语种与交付形式、时效。这四个变量叠加，就决定了一份报价落在哪个区间。下面这张对照表可以拿来自己给素材打个分。
| 变量 | 偏低的一端 | 偏高的一端 |
|---|---|---|
| 录音质量 | 安静会议室、单人对讲 | 电话录音、现场采访、背景嘈杂 |
| 说话人情况 | 单人、语速平稳 | 多人抢话、口音重、方言混说 |
| 加工深度 | 纯转写、不做整理 | 含说话人分离、时间戳、标点整理、人工校对 |
| 语种 | 单一中文 | 中英混说或小语种 |
| 交付时效 | 按普通排期走 | 加急当天或次日交付 |
- 音质与场景：安静会议室单人对讲最好处理，电话录音、现场采访、带口音的多人会议属于难处理档，报价自然上浮
- 加工深度：纯转写、带标点的转写、含说话人分离、含时间戳、含人工校对，每加一层单价都会变
- 语种和交付形式：中文、中英混说、小语种处理难度不同；只要纯文本还是附带字幕文件，成本也不一样
- 时效：普通排期和加急当天出的价差明显，先问清交付时间再谈钱，别等谈完价才发现加急要另算
下单前该问的几句话（照抄就行）
问价最怕问得笼统，对方回一个模糊的低价，后面全是增项。把这几个问题准备好，一次问清楚，报价才有可比性。可以直接照着念。
- 问口径「这一小时是录音时长还是有效语音时长，静音和重叠部分怎么算？」确认单位之后再谈别的
- 问加工项「报价里含不含说话人分离、时间戳、标点整理？不含的话每一项另算多少？」把增项列出来
- 问准确率与校对「成品准确率大概什么水平，需要人工校对按什么标准收费？」要正式纪要或证据用途的，这一项必问
- 问边界条件「有没有最低起订量、超时部分怎么补差价、改稿算不算在报价里？」把交付范围写清楚
- 对一遍行情拿同一段短样例同时问两三家，再到站内价格追踪页核对当时的数字，别只听一家
报价能不能比，取决于口径是否统一；口径不统一，比出来的便宜都是假的。
低价和套餐常见的话术，注意避开
低单价不一定有问题，但要知道它在哪个环节省了工。最常见的省法是机器直出、不做校对、不区分说话人，拿到手要自己返工，返工的时间成本没算进去。另一种是把风险转嫁到交付质量上，比如不承诺准确率、改稿另收费。
- 超低单价往往对应机器直出、不做校对、不保证说话人区分，拿到手要自己返工，时间成本没算进去
- 「买时长包」类套餐适合长期稳定有录音量的人；偶尔用一次的买套餐容易用不完，先估自己一个月大概几小时再决定
- 免费额度或免费工具适合短录音试水；长录音、含敏感内容的会议录音不适合随便上传，边界问题另看站内合规相关页面
- 对准确率有硬要求（要出正式纪要或当证据用）时别只比价格，把校对成本一起算进来，再和套餐价比一次
什么情况下低价方案其实够用：内容只是自己快速过一遍、不对外交付、说话人单一、音质干净，这种情况下机器转写加自己扫一遍是合理选择。反过来说，只要成品要给客户、要进档案、要当依据，就别在这个环节省。
一份自己的费用估算流程
与其被一堆报价绕晕，不如自己先做一遍估算：量时长、定标准、要样例、算返工，最后再决定用按次、按小时还是套餐。这套流程不依赖任何具体数字，换行情了照样能用。
- 量素材量出录音总时长和有效语音时长，标出有几个人说话、口音情况，这是所有报价的输入
- 定交付标准先明确只要能看懂的文字，还是能直接用的纪要、字幕；标准不同，报价没有可比性
- 要样例报价拿同一段短样例同时问两三家，让对方给出包含校对和交付格式的完整报价，而不是只有一个单价
- 把返工算进去把「单价×时长」和可能的校对返工时间相加，再和套餐价横向比一次，看哪种更划算
- 确认交付与保密确认交付格式、时间、版权和保密约定，涉及公司内部会议录音的尤其要问清楚，必要时看站内合规相关页面
需要提醒的是，这套估算对「按分钟实时转写」这类订阅式服务不太适用，它们的计费逻辑是按使用量或席位算，和按小时外包是两套体系。想比不同服务类型，先去站内工具目录看分类，再到价格追踪页核对当时的数字。
下一步拿手里的录音按上面的流程走一遍，把关键数字和站内行情对一下，再决定选哪家、用哪种计费方式。→常见问题
录音转文字为什么有人报价很低、有人报价很高？
差价主要来自加工深度和录音难度。机器直出、不校对、不分说话人的最便宜；带人工校对、说话人分离、时间戳、加急交付的会贵不少。另外安静单人录音和嘈杂多人录音的成本也不同。比价时要把这些条件对齐，否则比的是两种东西。
按小时收费和按字数收费，哪种更划算？
看你的录音特点。语速快、信息密的录音按字数算可能更高；停顿多、语气词多的录音按小时算更稳。最实际的做法是拿一段有代表性的样例，让服务方分别按两种口径报一次，再乘上你的总时长比较。
自己用免费工具转，和花钱找人转差在哪？
免费工具适合短录音、对准确率要求不高的场景，省的是钱，费的是你校对的时间。付费服务多出来的是说话人分离、专业校对、格式整理和稳定交付。判断标准很简单：这段文字是要给自己看，还是要直接发给别人或存档用。
