如果「听懂」只在我自己的电脑上跑，偶尔账单比预期高一点，我还可以把它当学费。但如果将来把它给更多人用，定价、免费额度和长会话限制都取决于一件很无聊的事：我能不能准确地算出每场对话到底用了什么。 9 月 16 日我发现，软件自己的同传费用少算了三分之一；到今天我才让结束后的记录能按任务看这笔账。
错误来自一个看起来很合理的简化：实时译文与实时原文都从同一条连接返回，计费界面却只乘了译文模型的分钟价。当时公开价格分别是译文每分钟 $0.034、原文转写每分钟 $0.017。如果同一声道持续工作 60 分钟，音频模型部分的算术是 60 × (0.034 + 0.017) = $3.06，我原来的估算只报 $2.04，整整少了 $1.02。这是按当时定价表计算的示例，并非某场会议的实扣账单；静音门、降级、不同模型和实际发送时长都会改结果。
修正方法：按任务分别记录用量#
同传有实时译文、原文转写，也可能在句子结束后走精修、术语和总结。助答再加快速稿、正式回答及判断。录音模式则不必一直连实时音频，可以等停下后按文件处理。把它们加成一个美元数字，我看不到到底是哪条路贵，也看不到一次误触发花了多少钱。9 月 21 日我把每条任务的用量和估算放进会话结束后的明细：音频按实际持续发送的秒数，文本按用到的 token 或相应口径。无法确定价格的模型应标“不完整”，不能默默当零元。
双声道是另一个坑。线上会议时系统声音和麦克风各开一路是有理由的：要分开听对方和我自己。但如果我开着外放，两个声道都听到同一句话，字幕会重复，实时计费秒数也可能接近会话时长的两倍。我不能把这种配置下的估算简单套到单声道上，更不能拿“便宜”作卖点却把最贵的常见场景藏起来。安静的那一路可以先不唤醒连接，但要留住开口前的短暂音频，否则省钱的同时把第一句话切掉。
怎么核对：估算金额不能当实际扣款#
我给计价逻辑加了测试：十分钟同时使用译文和原文转写，估算值应是 $0.34 + $0.17 = $0.51；模型价格未知时，明细应标出未计价，不能把它显示成免费。PR #26 修正漏项，PR #35 才把会话结束后的用量按任务拆开。这些测试验证了软件的算术和记录口径，不能证明模型服务商最终会按同一秒数扣费。
要不要收费，先回答谁在承担波动#
如果卖固定月费，长会话用户可能让我承担大部分实时音频成本；按分钟收费，用户又需要提前知道原文、译文、助答是分别计费的；让用户自带 API key，服务本身的价格模型会简单些，但安装和客服门槛会变高。这些都是待验证的商业选择，今天没有哪一项已经被真实付费用户证明。我现在更愿意先把一次会话的成本拆对、标清这是估算，让自己和使用者都能看到“为什么这场贵”。
目前这张表能发现我自己漏算、双路重复和误触发，却不能替代模型厂商账单。价格会变，语音和文本也不是一个单位；发布前仍要用当前官方价格与实扣样本对账。至少我不会再因为一条连接上只有一个 socket，就误以为它只有一笔钱。
证据出处：9 月 16 日 PR #26 的计价修正与 Tests/PricingTests.swift，9 月 21 日 PR #35 的分路用量；公开单价见 OpenAI 的 Realtime Translate 与 Realtime Whisper 模型页。文中金额按当时价格举例，不是实际扣款记录。