1、背景

公司目前有个业务使用的百度语音播报要收费了，且收费不便宜；

目前统计了线上在用的百度语音日均调用 2200+次，一年请求约 80.3W 次（后面会用到这个统计数据）；

2、需求

寻找替代方案，降低成本；

3、名词解释

语音识别 （Automatic Speech Recognition，ASR） 将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者文本字符序列；

语音合成（Text To Speech，TTS）将文本转化成拟人化语音，打通人机交互闭环。可以支撑多场景、多语言的音色，支持自定义音量、语速等参数。语音合成广泛适用于智能客服、有声阅读、新闻播报、人机交互等业务场景；

语音播报 即语音合成；

4、方案调研

4.1、方案简介

方案一：百度语音合成：

1、支持多种收费标准：按次数包预付费、按调用量后付费、并发量扩容；

2、支持按字节、调用次数收费，支持阶梯收费； 支持http请求、java SDK调用

方案二：阿里云语音合成：

1、这次预付费和后付费两种方式；

2、按调用次数收费，支持阶梯收费； 支持http请求、java SDK调用

方案三：腾讯语音合成：

1、这次预付费和后付费两种方式；

2、按字节收费； 支持http请求、java SDK调用

方案四：科大讯飞语音合成 ：

1、按调用次数收费，按年收费； 支持http请求、java SDK调用

方案五：下载语音文件，自定义识别 免费 下载的语音文件固定，扩展性不高、后期需求变更时维护成本高

4.2、价格说明

4.3、价格对比

4.3.1、按月调用次数预估价格

4.3.2、年预估总价

4.3.3、方案总结

4.3.4、并发限制

参考：目前百度语音日均请求 2200+ 次；

接口效率测试（都是生成 mp3 格式文件的数据）：

单线程，测试125家物流公司和0-500数字全部处理完毕（626次请求）耗时（单位：毫秒）

最后，大家根据自己的业务场景选择合适的方案吧。

PS：以上收费规则统计于 05月 ，服务商随时可能会修改计费规则，本文仅供参考~