> For the complete documentation index, see [llms.txt](https://docs.convai.com/api-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.convai.com/api-docs/zh/ji-fen-yu-ji-fei/convai-credits/how-convai-credits-work.md).

# Convai 积分如何运作

了解一个 Convai 积分值多少钱、对话的哪些部分会消耗积分，以及 Convai 如何计算每轮的费用。

Convai 将你的角色所使用的一切都以一个单位来衡量：积分。对话中的每一轮都会把它所用服务的积分加总起来，例如语音识别、语言模型和语音。了解这个总数是如何构成的，有助于你选择符合预算的配置。

### Convai 为什么使用积分

积分把角色使用的每项服务都放在同一个余额里。一次口头回复可能会用到多项服务，而每项服务的使用方式不同：语音识别按音频秒数计，语言模型按 token 数计，语音按其生成的语音长度计。token 是语言模型读取或写入的一小段文本，通常是一个单词的一部分。积分把这些单位都换算成一个数字，因此你只需跟踪一个余额，而不是分别为每项服务保留额度。

你的套餐会在每个计费周期为你提供积分。你为角色选择的模型、语音和功能决定这些积分消耗得有多快。

### 一个积分值多少钱

<code class="expression">space.vars.credits\_per\_dollar</code> 1 个积分相当于 1 美元。要将某个积分数额换算成美元，请将其除以 <code class="expression">space.vars.credits\_per\_dollar</code>。一轮花费 19 个积分的费用是 0.019 美元，略低于两美分。

积分衡量的是使用量，而不是对话次数。两个角色即使进行同一段对话，也可能因为所用的模型、语音和功能不同而消耗截然不同数量的积分。

### 哪些会消耗积分

积分有三种消耗方式：按对话的每一轮、按会话保持连接的时长，以及按你上传的文件处理量。

#### 索引的所有轮次

一轮指的是终端用户的一条消息以及角色对此的回复。积分计算器将一轮称为一次交互。一次对话由多轮组成。

每一轮都会按其使用的服务计费。 [积分计算器](https://credit-calculator.convai.com) 以下是这些服务的名称：

| 组件        | 涵盖内容                           | 衡量内容                                                                   |
| --------- | ------------------------------ | ---------------------------------------------------------------------- |
| **语音输入**  | 语音识别，将终端用户的语音转成文本              | 语音秒数                                                                   |
| **提示词大小** | 语言模型读取的全部内容：角色指令、截至目前的对话，以及新消息 | 输入 token                                                               |
| **AI 处理** | 语言模型生成回复                       | 输出 token                                                               |
| **语音输出**  | 文本转语音，将回复转成语音                  | 生成语音的时长                                                                |
| **动画**    | 跟随语音的唇形同步和面部动画                 | 动画时长                                                                   |
| **记忆**    | 保存和调用长期记忆                      | 每次使用                                                                   |
| **知识**    | 搜索角色的知识库                       | 每次使用                                                                   |
| **平台费用**  | 协调生成回复的各项服务                    | <code class="expression">space.vars.platform\_fee\_credits</code> 每轮积分 |

语言模型会在每一轮读取角色指令和截至目前的对话，因此更长的指令和更长的对话会提高 **提示词大小** 每一轮的消耗，而不仅仅是在第一轮。

一轮只会针对它使用的组件计费。纯文本对话没有 **语音输入** 或 **语音输出** 费用，而没有长期记忆的角色也没有 **记忆** 费用。

#### 会话时长

会话是与角色的一个持续连接，例如 Playground 中或你自己的应用中的语音对话。只要会话保持连接，Convai 就会按其持续时长收费，此外还会对其中的轮次计费。时长按会话开启的整段时间计算，包括无人说话的时间。

{% hint style="warning" %}
开启中的会话即使静默也会消耗积分。完成后请结束对话，不要让它在后台保持连接。
{% endhint %}

积分计算器不包含会话时长。你可以在 **积分** 标签页中查看每个实际会话的时长费用；见 [积分余额和账单周期](/api-docs/zh/ji-fen-yu-ji-fei/convai-credits/credit-balance-and-billing-cycle.md).

### 如何计算一轮的费用

Convai 会把一轮使用的每个组件的确切成本加总起来，包括 **平台费用**，然后将总额向上取整到下一个完整积分。四舍五入只在该轮的总额上进行一次，而不会对单个组件进行舍入。使用 2 秒的组件按 2 秒计费。

因为只对总额进行舍入，所以一轮的费用不会比其确切成本多出超过 1 个积分。积分计算器会在舍入前显示确切成本，因此实际一轮的费用最多可能比计算器显示的多 1 个积分。

### 示例：一次口头回复

在这个示例中，终端用户说话 8 秒。语言模型读取了 4,000 个输入 token，其中包括角色指令和截至目前的对话，并生成了一个 60 token 的回复。角色用 16 秒说出该回复。该轮的费用分解如下：

| 组件        | 服务                    | 使用量             |     积分 |
| --------- | --------------------- | --------------- | -----: |
| **语音输入**  | Soniox STT（流式）        | 8 秒             |  0.267 |
| **提示词大小** | GPT-4o mini           | 4,000 个输入 token |  0.600 |
| **AI 处理** | GPT-4o mini           | 60 个输出 token    |  0.036 |
| **语音输出**  | ElevenLabs Flash v2.5 | 16 秒            | 11.947 |
| **平台费用**  | —                     | 1 轮             |  6.000 |
| 舍入前总计     |                       |                 | 18.849 |
| **该轮费用**  |                       |                 | **19** |

各组件数值四舍五入到小数点后三位，因此加总起来会比确切总额略高。这里的数值使用的是 2026 年 9 月积分计算器中的费率。费率会变化，因此请使用计算器查看当前数值。

#### 相同的一轮，但换了另一种语音

下表除语音外其余都保持不变，语音从 ElevenLabs Flash v2.5 改为 Convai TTS（托管）：

| 组件        | 服务             | 使用量             |    积分 |
| --------- | -------------- | --------------- | ----: |
| **语音输入**  | Soniox STT（流式） | 8 秒             | 0.267 |
| **提示词大小** | GPT-4o mini    | 4,000 个输入 token | 0.600 |
| **AI 处理** | GPT-4o mini    | 60 个输出 token    | 0.036 |
| **语音输出**  | Convai TTS（托管） | 16 秒            | 0.480 |
| **平台费用**  | —              | 1 轮             | 6.000 |
| 舍入前总计     |                |                 | 7.383 |
| **该轮费用**  |                |                 | **8** |

仅更换语音就把该轮费用从 19 个积分降到 8 个，因为 **语音输出** 是最大的组成部分。这只适用于该配置。若提示词更长、语言模型更大，或开启动画，其他组件可能会占据总额主导。

### 相关页面

积分会在每一轮从你的余额中扣除，因此接下来要了解的是，这个余额在一个账单周期内如何变化，以及当它降到零时会发生什么。

{% content-ref url="/pages/7a9f143ebd8418dc708460fd894f2170cf29cfa0" %}
[积分余额与计费周期](/api-docs/zh/ji-fen-yu-ji-fei/convai-credits/credit-balance-and-billing-cycle.md)
{% endcontent-ref %}

{% content-ref url="/pages/83502004c23b528b38584925adb4ed2fc69ebdd1" %}
[估算项目的积分用量](/api-docs/zh/ji-fen-yu-ji-fei/convai-credits/estimate-credit-usage.md)
{% endcontent-ref %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.convai.com/api-docs/zh/ji-fen-yu-ji-fei/convai-credits/how-convai-credits-work.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
