Muse Voice Transcribe API 价格怎么算？每小时 0.18 美元

Muse Voice Transcribe 1.0 的 API 按 0.18 美元每小时计费，折算约每分钟 0.3 美分，只按音频时长收费，与文本长度无关。模型 2026 年 9 月 11 日通过 OpenRouter 上线，由 Meta 直接供货。计费细节和接入门槛，下文说全。

正确入口：只有一个渠道

这个模型的接入入口是 OpenRouter 模型页，当前由 Meta 作为唯一提供方供货，OpenRouter 转发请求、不做路由决策。接入方式和平台其他模型一样：注册 OpenRouter、生成 API Key，用 OpenAI 兼容接口调用，模型 ID 填 meta/muse-voice-transcribe-1.0。

警惕山寨站：搜「Meta 语音转写 API」时出现的第三方镜像页不一定是官方渠道，价格和条款以 OpenRouter 页面为准。没有接入过该平台的开发者，可以参考站内这篇OpenAI Agents API 教程熟悉一下 OpenAI 兼容接口的调用习惯，协议是相通的。

价格怎么算：一张折算表看懂

计费单位是音频时长，不是 tokens。按 0.18 美元每小时折算：

对照一下体感：转完一部两小时的会议录音不到 0.4 美元，一季播客素材（按 50 小时算）约 9 美元。对语音笔记、客服质检这类高时长场景，这个单价在云 API 里属于可长期跑的水平。

三个直接影响账单和可用性的限制

价格便宜不等于拿来就能用，官方页面写明的三条硬约束要先消化：

1. 单条最长 10 分钟：超长录音必须先切片。好在计费按时长，切片不会让你多花钱，只会增加工程量。
2. 只收 WAV：格式限定单声道 16 位 PCM，采样率 16 或 24 kHz，其他格式要先转码再上传，别拿 mp3 直接调。
3. 没有词级时间戳和置信度：拿不到每个词的时间点，也拿不到转写置信分数，需要字幕级对齐的产品要另想办法。

它补偿这些限制的能力也有三个：按说话人区分的转写、领域关键词偏置（keyword biasing，把行业术语转准）、通过语言名提示做语种偏置。做语音助手「按住说话」、端点检测这类交互场景是官方点名的适用方向。

实际接入要注意什么

调用侧的成本主要不在 API 费，而在音频预处理：上传前的格式转换和 10 分钟切片逻辑要自己写。延迟方面，OpenRouter 显示该模型 P50 延迟约 5.44 秒，近 3 天可用性约 99.95%，同步接口对实时对话场景够用但不算极速。如果你想把转写结果接进 Agent 流程做后续处理（总结、提取待办），可以看站内什么是 Function Calling 和 Meta 自家Muse Spark 1.2 模型解读，语音入口加文本模型的组合是常见架构。