公开的每分钟价格只是起点。一次实时会话还可能包含语音识别、语音合成、LLM、媒体传输、并发余量和运营成本。
核心判断
公开的每分钟价格只是起点。一次实时会话还可能包含语音识别、语音合成、LLM、媒体传输、并发余量和运营成本。
架构与体验边界
用同一个用户流程比较不同供应商，确认计费从何时开始、是否有最低会话费、哪些服务被包含、哪些由产品自己承担。 Spatius 的 Docs Map 说明：Motion Server 接收数字人语音音频并返回动作数据，AvatarKit 在客户端渲染。应用继续负责 ASR、LLM、TTS、检索、工具、权限与会话策略。
试点与衡量
采购前重新确认公开价格和合同边界，并用试点数据而不是理想化演示来建模。 试点必须保留可用的文本路径、清晰的等待状态和人工接管方式。对于实时媒体场景，可参考 LiveKit Agents 的参与者和会话生命周期模型。
