今天(2026 年 11 月 11 日,Asia/Shanghai)核过 Twilio 美国 Voice 定价页,页面标注价目更新至 2026 年 10 月。Conversation Intelligence 转写的公开价是:批量每分钟 $0.024,实时(Streaming)每分钟 $0.027。同一张表里还有一档通话录音转写,每分钟 $0.0500。那是另一项产品,下文不用 $0.05 来代表 CI 转写。
LecSync 实时语音 API 面向会议和课堂的直播字幕:预览和定稿、60 种语言任意互译、每段定稿上的说话人与时间戳、分段纪要。价格是 每分钟音频 $0.006(每小时 $0.36),上述能力都包含在内。
下面的数字一律按 Twilio 定价页上 Conversation Intelligence 转写的公开 $/分钟 列表价计算;每小时和 1,000 小时是 换算值。通话分钟、Language Operator,以及新版 Conversations 按字符计费的价格,会单独说明,不并进主表的 1,000 小时栏。
Twilio 的转写和字幕 API 有什么不同?
Twilio Conversation Intelligence 转写按 Programmable Voice 计费:通话结束后走批量,通话进行中则用 <Transcription> 或 Calls Transcriptions API 做实时转写。Conversation Intelligence 本身是分析层,用 Language Operator 在逐字稿上做摘要、打分或抽取信号。LecSync 这类字幕 API 则是在一条托管 WebSocket 上同时给出预览字幕、60 语互译、说话人和分段纪要,并按一个固定的分钟价收费。
先说结论
如果你已经在跑 Twilio Voice 通话,只想把这些电话转成文字,Twilio 的公开卡很清楚:批量 $0.024/分钟,实时 $0.027/分钟。按 $0.027 计算,1,000 小时转写是 $1,620(换算值),这还没算通话分钟。
如果你要的是 独立的直播字幕 API——一条 WebSocket,双语字幕、说话人和纪要,中间不必经过电话——LecSync 更接近这个产品形态,价格仍是 每分钟 $0.006 全包,1,000 小时 $360。Twilio 的 Real-Time Transcriptions 文档写的是对正在进行的 Voice 通话做转写,并不是把课堂麦克风的 PCM 直接送进一个通用转写插座。TwiML 里的 languageCode 是识别语言(默认 en-US,multi 则走 Deepgram Nova-3 的语种检测),没有列出 60 语任意互译的计价项。
Language Operator 要另算。Voice 定价页上仍写着经典路径的 Language Operator Standard 每分钟 $0.0040,以及 Text Analysis 每分钟 $0.0035。新的 Conversations 定价页(标注更新至 2026 年 10 月)按字符收:Twilio 提供的 Operator 是 每 1,000 字符 $0.005(输入加输出合计),自定义 Operator 是 输入每 1,000 字符 $0.002、输出每 1,000 字符 $0.018。计费说明 写得很明确:转写算在 Voice 里,Conversation Intelligence 只收 Operator 分析的费用。
两条路径分别怎么接
LecSync。 服务端调用 POST https://api.lecsync.com/v1/realtime/connect,带上音频格式、语言对和要打开的功能,然后推送 16 kHz 单声道 PCM。人还在说的时候就会先出预览,句子确认后再出定稿;译文和原文共用同一段 ID。打开 speakers: true 后,每条定稿带说话人,以及录音时钟上的 startMs / endMs。打开 digest: true 会按段落推送纪要。公开数据里,首字大约在开口后 0.28 秒出现,翻译再加约 88 毫秒。七个接入区(dal、jp3、kc、nj、ru2、ru3、uk)让音频靠近采集点;积压上限是 2 秒。store: true 会把录音和逐字稿 JSON 保留 30 天。
Twilio。 实时转写挂在一通正在进行的 Voice 通话上:用 <Start><Transcription>,或请求 POST …/Calls/{CallSid}/Transcriptions.json。Twilio 把通话音频分叉给 Google 或 Deepgram(也可以用 auto;2026 年 10 月 22 日之后新接入的账户默认是 auto),再把语句事件 POST 到你的 statusCallbackUrl。你可以指定 languageCode、speechModel(Google 默认是为电话优化的 telephony;文档里写 long 更适合讲座或较长对话),以及 track(默认 both_tracks,会占用一路通话上四个分叉名额中的两个)。呼入、呼出轨可以打标签——这是通话的两路音频,不是教室里多人发言的说话人分离。支持关键词 hints;partialResults 默认是 false。要跑 Language Operator,新路径是带上 Conversation Orchestrator 的 conversationConfiguration,经典路径则是 intelligenceService。批量转写用在通话结束之后,也可以把录音配置和转写配置串起来。这些接口都不是 LecSync 那种“直接推 PCM、收回字幕”的独立插座。
定价对照(以 Twilio 官方列表价为准)
| 项目 | Twilio(今天核过的官方页面) | LecSync 实时语音 API |
|---|---|---|
| 公开转写单价 | 美国 Voice 定价页:CI 批量 $0.024/分钟,CI 实时 $0.027/分钟 | 每分钟音频 $0.006 |
| 这个单价覆盖什么 | 通话(或通话后批量)的语音转文字 | 直播字幕、翻译、说话人、纪要、术语表、30 天存储 |
| 实时翻译 | <Transcription> 属性里没有这项;languageCode 是识别语言 | 包含,60 语任意配对 |
| 说话人 | 呼入 / 呼出轨标签 | 包含(speakers: true) |
| 直播纪要 | Operator 可以做摘要,单独计费 | 包含(digest: true) |
| Language Operator | 经典 Voice 价卡:Standard $0.0040/分钟,Text Analysis $0.0035/分钟。新 Conversations 价卡:Twilio 提供的 每 1,000 字符 $0.005,自定义 $0.002 / $0.018 每 1,000 字符 | 没有单独加价 |
| 通话分钟 | 另计(同一页上的美国例子:浏览器/应用或 SIP 主叫、被叫均为 $0.0040/分钟;本地呼出 $0.0140/分钟) | 不适用;音频直接送给 API |
| 容易混淆、但不属于这张卡的行 | 录音转写 $0.0500/分钟;Gather 语音识别按次计费;Conversation Relay $0.07/分钟;Media Streams $0.0044/分钟 | 仍是每分钟 $0.006 |
$0.024 和 $0.027 取自美国 Voice 定价页的按量列表价,未计入用量折扣或包量合同。
对照事实(核于 2026 年 11 月 11 日)
| LecSync | Twilio Conversation Intelligence / 实时转写 | |
|---|---|---|
| 接入方式 | POST /v1/realtime/connect,然后一条 WebSocket | 在 Voice 通话上使用 TwiML <Transcription> 或 Calls Transcriptions 子资源 |
| 买到的是什么 | 直播字幕、翻译、说话人、纪要 | 通话转写,可选再加 Language Operator |
| 列表价 | 每分钟 $0.006 全包 | 批量 $0.024/分钟,实时 $0.027/分钟,另加通话和 Operator |
| 预览 / 部分结果 | 有 | 可选;partialResults 默认为 false |
| 语言 | 60 语,任意互译 | 取决于供应商和模型(languageCode,或 Deepgram Nova-3 的 multi) |
| 公开的首字时延 | 约 0.28 秒,翻译再加约 88 毫秒 | TwiML 页面没有给出单一数字 |
| 积压上限 | 2 秒 | 今天查到的文档里没有写 |
| 公开区域 | dal、jp3、kc、nj、ru2、ru3、uk | 供应商在账户归属区域有节点时,处理留在该区域;否则走全球(常见是美国)节点 |
1,000 小时要花多少钱
| 路径 | 列表价 | 换算 $/小时 | 换算 1,000 小时 |
|---|---|---|---|
| LecSync 全包 | $0.006/分钟 | 0.36 | $360 |
| Twilio CI 批量转写(仅转写) | $0.024/分钟 | 1.44 | $1,440 |
| Twilio CI 实时转写(仅转写) | $0.027/分钟 | 1.62 | $1,620 |
| 实时转写 + 经典 Language Operator Standard | $0.027 + $0.0040/分钟 | 1.86 | $1,860 |
| 实时转写 + 一档美国 SIP 或浏览器/应用通话分钟 | $0.027 + $0.0040/分钟 | 1.86 | $1,860 |
每小时和 1,000 小时由列表价换算,不是报价。如果一通通话按两路计费,还要再加一档通话分钟。新栈 Operator 和 Conversation Orchestrator 摄入(Conversations 定价页上为 每 1,000 字符 $0.0002)按字符计费,没有折进这张表。若再接一套翻译 API,Twilio 一侧还会更高。更多厂商的对照见 1,000 小时转写、翻译、说话人和摘要要花多少钱。
什么时候更适合 Twilio
- 通话本来就在 Twilio Voice 上。 实时转写依附于正在进行的电话。如果任务是“把我们的电话队列转成文字”,这就是原厂路径。
- 你要的是 Operator,而不只是字幕。 情绪、话术检查、摘要和自定义提示,是 Conversation Intelligence 的产品能力。LecSync 的纪要是直播分段纪要,不是联络中心那套 Operator。
- 要在 Voice 里选转写引擎。 可以指定 Google 或 Deepgram,也可以用
auto做故障切换;模型包括 Google 的telephony/long/chirp_3,以及 Deepgram Nova-2 / Nova-3,languageCode=multi时走 Nova-3 语种检测。 - 合规要求和模型和落点有关。 Twilio 文档写:Google 或 Deepgram Nova-2/Nova-3、结果走 webhook 时,可按 HIPAA 和 PCI 来评估;持久化逐字稿列为符合 HIPAA 评估,但不符合 PCI。当前 Conversation Intelligence 产品页则写明该产品本身不是 PCI 合规服务,也不是 HIPAA Eligible Service。
- 通话后再批量转写,用更低的 $0.024/分钟 列表价,而且不需要直播字幕。
什么时候更适合 LecSync
- 一张账单上的双语直播字幕。 60 语互译、说话人和纪要都包含在 每分钟 $0.006 里,不必再为屏幕上的第二语言加翻译 API 或 Operator。
- 音频并不是 Twilio 电话。 课堂、讨论课和会议客户端在一次 connect 之后直接推 PCM。没有 Call SID,也不占用 TwiML 的分叉名额,STT 计费下面没有一档通话分钟。
- 默认就有预览字,并给出公开的首字时延(约 0.28 秒);网络变差时有 2 秒积压上限。
- 共用一只房间麦克风时的说话人标签,时间戳落在录音时钟上,而不是呼入/呼出轨。见 一条 WebSocket 上的说话人和时间戳。
- 分钟价可预期,不必自己把转写和机器翻译拼在一起。那种拼法的对照见 内置翻译还是自己接 STT + MT。
常见问题
Twilio Conversation Intelligence 转写怎么收费?
今天在美国 Voice 定价页上,Conversation Intelligence 转写是 批量每分钟 $0.024,实时每分钟 $0.027。这是 Voice 项下的语音转文字费用,不含通话分钟,也不含 Language Operator。同一张表里的录音转写是 每分钟 $0.0500,不要和 CI 这两档混用。
每分钟 $0.027 的实时价包含通话分钟吗?
不包含。计费说明 写明转写算在 Voice 里,通话分钟是另一项。Real-Time Transcriptions 跑在正在进行的通话上,因此同一页上的美国 SIP 或浏览器/应用分钟(主叫或被叫 $0.0040/分钟)通常会叠在 $0.027 的转写费下面。
Twilio 实时转写包含直播翻译吗?
<Transcription> 文档写的是识别用的 languageCode,也包括 Deepgram Nova-3 的 multi 语种检测。页面没有列出 60 语任意配对的直播翻译,也没有单独的翻译计价项。若要把第二种语言显示到屏幕上,需要另外接翻译步骤。
能把 Twilio 当成课堂用的独立语音转写 WebSocket 吗?
按今天的文档,不能。Real-Time Transcriptions 要从 TwiML 或 Calls Transcriptions 子资源启动,而且必须有一通正在进行的 Voice 通话。Conversation Intelligence 分析的是经过 Conversation Orchestrator 的会话。LecSync 的 connect 再走 WebSocket,是为会议或课堂客户端的原始音频准备的。
LecSync 每分钟 $0.006 包含什么?
LecSync 定价文档 按 实际接受的音频时长 计费,每分钟 $0.006,包含实时转写和翻译、时间戳、说话人分离、术语和领域上下文、翻译润色、直播结构化纪要,以及录音和逐字稿 30 天存储。空连接和被丢弃的音频不计费,也没有按功能另收的加价项。
结语
Twilio 公开的 Conversation Intelligence 转写价很好引用:美国 Voice 定价页上是 批量 $0.024/分钟、实时 $0.027/分钟,通话分钟和 Language Operator 在别的行。如果音频本来就在 Twilio 通话里,并且你还要用 Operator,这条路径很合适。
如果要的是课堂或会议的字幕插座——预览字、60 语翻译、说话人和纪要,一个价——LecSync 仍是 每分钟音频 $0.006。按上面的列表价换算,1,000 小时全包是 $360,仅 Twilio 实时转写就是 $1,620。
要试用 LecSync,从 实时语音 API 开始,或先看 定价说明。
来源: Twilio Voice 定价(美国)(查阅于 2026 年 11 月 11 日,Asia/Shanghai;页面标注更新至 2026 年 10 月);TwiML <Transcription>;Calls Transcriptions 子资源;Conversation Intelligence 计费说明;Conversations 定价;Conversation Intelligence 文档;LecSync 开发者页 与 定价文档。