BAT（百度、阿里、腾讯）语音合成、语音播报方案调研

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

服务商	收费标准
百度
阿里云
腾讯
科大讯飞

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

服务商	结论
百度	年调用次数在1000W次以内比较划算
阿里	年调用次数大于1000W次比较划算
腾讯	按照字符收费，短文本使用比较划算（很符合我们的场景）；新人注册800万免费字符，三个月内有效；
科大讯飞	按年收费，价格比较固定

4.3.4、并发限制

参考：目前百度语音日均请求 2200+ 次；

服务商	并发规则
百度	默认支持100并发，超过的部分支持付费升级：100元/路/月 或 1000元/路/年；
阿里云	默认支持200并发，超过200路并发的部分支持付费升级：100元/路/月；
腾讯	QPS限制 20次/秒；

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）

服务商	第一次	第二次
百度	125821	123720
阿里云	184559	191831
腾讯云	195568	190335

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 2022年05月 ，服务商随时可能会修改计费规则，本文仅供参考~