直接答案：AI 配乐、音效与本地化配音的成本，按“分钟”和按“条”两种口径相差很大。按 ElevenLabs 公开价：音乐 0.15 美元/分钟、音效 0.12 美元/分钟、去水印自动配音 0.50 美元/分钟、Dubbing v2 2.20 美元/分钟；Google Lyria 3 是 0.04 美元/30 秒片段（约 0.08 美元/分钟）。一条 10 分钟的出口产品片，纯音乐 1.50 美元，加音效与无水印配音约 6.74 美元，换 v2 配音约 23.74 美元——配音版本比音乐贵一个量级。
本文面向做产品片、展会视频、多语言营销素材的制造企业与内容团队。资料截止 2026-11-01；价格来自 ElevenLabs 与 Google Cloud 官方页面，按美元、未含税，不做汇率换算。算例是编辑测算，不是报价；片长、语言数、是否去水印需用企业自己的项目替换。
音乐按分钟、片段按条、配音按分钟且去水印要加价；一条片子的预算里，配音通常比配乐贵；先把“要不要去水印、要不要多语言”定下来，再比单价。
两家分别怎么计价？
ElevenLabs 音乐 0.15 美元/分钟、音效 0.12、配音 0.33（带水印）/0.50（去水印）/2.20（v2）美元/分钟；Google Lyria 3 按条 0.04 美元/30 秒，Lyria 3 Pro 0.08 美元/条，Lyria 2 0.06 美元/条。
| 能力 | 供应商 | 计费单位 | 官方价格 |
|---|---|---|---|
| 音乐生成 | ElevenLabs | 分钟 | 0.15 美元/分钟；微调 1.50 美元/次 |
| 音乐生成 | Google Lyria 3 | 条（30 秒片段） | 0.04 美元/条（约 0.08 美元/分钟） |
| 音乐生成 | Google Lyria 3 Pro | 条（完整歌曲） | 0.08 美元/条；定价页未给时长 |
| 音乐生成 | Google Lyria 2 | 条 | 0.06 美元/条；定价页未给时长 |
| 音效 | ElevenLabs | 分钟 | 0.12 美元/分钟 |
| 自动配音 | ElevenLabs | 分钟 | 0.33（带水印）/ 0.50（去水印） |
| Dubbing v2 | ElevenLabs | 分钟 | 2.20 美元/分钟 |
| 人声隔离 | ElevenLabs | 分钟 | 0.12 美元/分钟 |
来源：ElevenLabs API 定价页、Google Cloud Vertex AI 定价页（Lyria 行）与 Lyria 3 文档（访问 2026-11-01）。表中为公开标价，未含税与订阅；Lyria 3 Pro / Lyria 2 的片段时长定价页未说明，本文不折算每分钟。
10 分钟产品片要多少钱？
纯音乐 1.50 美元；加 2 分钟音效 1.74；加无水印 v1 配音 6.74；换 v2 配音 23.74；再加人声隔离 24.94；音乐换 Lyria 3 片段约 6.04。
| 组合 | 音乐 | 音效（2 分钟） | 配音（10 分钟） | 人声隔离 | 合计 |
|---|---|---|---|---|---|
| 纯音乐（ElevenLabs） | 1.50 | — | — | — | 1.50 |
| 音乐 + 音效 | 1.50 | 0.24 | — | — | 1.74 |
| + v1 配音（去水印） | 1.50 | 0.24 | 5.00 | — | 6.74 |
| + v2 配音 | 1.50 | 0.24 | 22.00 | — | 23.74 |
| + v2 配音 + 人声隔离 | 1.50 | 0.24 | 22.00 | 1.20 | 24.94 |
| 音乐换 Lyria 3（20 条） | 0.80 | 0.24 | 5.00 | — | 6.04 |
编辑测算：音乐 10 分钟 × 0.15、音效 2 分钟 × 0.12、v1 去水印配音 10 分钟 × 0.50、v2 配音 10 分钟 × 2.20、人声隔离 10 分钟 × 0.12；Lyria 3 按 30 秒/条、10 分钟需 20 条 × 0.04。未含税、订阅费、人工剪辑与素材授权。
为什么配音比配乐贵这么多？
因为配音按“源音频分钟”计费且去水印加价：v1 去水印 0.50 美元/分钟、v2 2.20 美元/分钟，是音乐 0.15 的 3.3–14.7 倍；多语言还要按语言各做一遍。
| 项目 | 单价 | 相对音乐 | 说明 |
|---|---|---|---|
| 音乐 | 0.15 美元/分钟 | 1× | 按输出分钟 |
| 音效 | 0.12 美元/分钟 | 0.8× | 按生成分钟 |
| v1 配音（带水印） | 0.33 美元/分钟 | 2.2× | 自动检测说话人 |
| v1 配音（去水印） | 0.50 美元/分钟 | 3.3× | 商用发布通常需要 |
| v2 配音 | 2.20 美元/分钟 | 14.7× | 保留音色与情绪，92 种语言 |
官方标价对比；未含税与订阅。多语言项目按语言数叠加配音分钟；同一素材做 3 种语言即 3 倍配音费。
按条计价要注意什么？
Lyria 3 的“条”是 30 秒片段，10 分钟要 20 条；Lyria 3 Pro 与 Lyria 2 的定价页没写片段时长，不能直接折算每分钟，签约前要用控制台核对输出长度。
| 模型 | 计费 | 已知时长 | 折算风险 |
|---|---|---|---|
| Lyria 3 | 0.04 美元/条 | 30 秒片段 | 可折算 0.08 美元/分钟，但需拼接 |
| Lyria 3 Pro | 0.08 美元/条 | 完整歌曲，页未给时长 | 不能按分钟比较 |
| Lyria 2 | 0.06 美元/条 | 页未给时长 | 不能按分钟比较 |
| ElevenLabs 音乐 | 0.15 美元/分钟 | 单次最长 5 分钟 | 长片需分段 |
来源：各官方定价页；ElevenLabs 音乐单次 5 分钟上限来自其定价页说明。片段拼接会带来额外剪辑与音量匹配工作。
什么场景怎么选？
纯背景音乐选按条更省；需要连续时长与商用授权选按分钟；多语言出口片把配音版本当作主要预算项；音效按需少量生成。
| 场景 | 优先方案 | 理由 | 不能忽略 |
|---|---|---|---|
| 短视频背景乐 | 按条（Lyria 3） | 30 秒够用、单价低 | 片段拼接与授权 |
| 10 分钟产品片 | 按分钟（ElevenLabs） | 连续、少拼接 | 单次 5 分钟上限 |
| 多语言出口片 | v1 去水印配音 | 成本可控 | 按语言叠加 |
| 品牌片/广告 | v2 配音 | 保留音色与情绪 | 单价是 v1 的 4.4 倍 |
| 嘈杂现场素材 | 人声隔离 | 提升可用率 | 0.12 美元/分钟 |
编辑建议，不是供应商排名；用同一段素材比较可用率、语言覆盖与总成本。
采购和验收要看什么？
看计费单位、片段时长、水印与商用授权、语言数、单次时长上限、失败是否计费；不要只比“每分钟多少钱”。
| 验收项 | 建议口径 | 要留的证据 |
|---|---|---|
| 计费单位 | 分钟 / 条 / 字符，片段时长 | 价目截图、账单 |
| 水印与授权 | 去水印价格、商用许可范围 | 条款、授权文件 |
| 语言与音色 | 支持语言、音色保留程度 | 样片、试听记录 |
| 单次时长 | 单次生成上限、是否需分段 | 文档、实测 |
| 失败计费 | 生成失败、重试是否收费 | 条款、账单 |
| 交付格式 | 采样率、码率、分轨 | 样片、规格 |
| 人工后期 | 拼接、混音、口型对齐工时 | 工时记录 |
| 合规 | 音乐版权、肖像与声音授权 | 授权链、审核记录 |
编辑建议，不构成法律意见；商用发布前确认音乐与配音的授权范围。
谁该读、谁不适合、能支持什么决策？
适合做产品片、展会视频与多语言营销素材的团队；不适合只做一次性字幕、或没有明确发布语言与渠道的项目。
该读：市场、外贸、内容与采购；正在比较 ElevenLabs 与 Google Lyria；需要给 10 分钟片子做预算。不适合：只需要文本翻译；没有素材授权；希望本文替你做创意判断。能支持：按分钟/按条测算、配音版本选择、多语言叠加预算与验收口径。
凌壹信息不做音频模型排名，也不承诺听感或配音自然度。若要把音频、视频与多语言素材接入内容流程，可参考 LingHarness；需要把本地化成本纳入项目预算，可联系我们。
相关阅读：AI 配音成本与授权、AI 视频生成成本、AI 翻译成本；本文只处理配乐、音效与视频配音本地化的计价。
常见问题
AI 配乐怎么收费？
按分钟或按条。ElevenLabs 音乐 0.15 美元/分钟、单次最长 5 分钟；Google Lyria 3 为 0.04 美元/30 秒片段（约 0.08 美元/分钟），Lyria 3 Pro 0.08 美元/条、Lyria 2 0.06 美元/条，后两者定价页未给片段时长。
10 分钟产品片要多少钱？
纯音乐 1.50 美元；加 2 分钟音效 1.74；加无水印 v1 配音 6.74；换 v2 配音 23.74；再加人声隔离 24.94；音乐换 Lyria 3 片段约 6.04。未含税、订阅与人工。
为什么配音比配乐贵？
配音按源音频分钟计费且去水印加价：v1 带水印 0.33、去水印 0.50、v2 2.20 美元/分钟，分别是音乐的 2.2×、3.3×、14.7×；多语言按语言各做一遍，成本再叠加。
去水印值得吗？
对外发布通常需要去水印，价格从 0.33 涨到 0.50 美元/分钟（+52%）。10 分钟片子多 1.70 美元；相比重做或版权风险，通常值得，但要确认商用许可范围。
Lyria 的“条”是多长？
Lyria 3 明确是 30 秒片段；Lyria 3 Pro 与 Lyria 2 的定价页只写“条”，没有给时长，不能直接折算每分钟。签约前用控制台跑一条，确认输出长度与拼接成本。
多语言配音怎么算？
按语言数叠加：同一 10 分钟素材做 3 种语言，v1 去水印约 15 美元、v2 约 66 美元。还要加每种语言的人工校对与口型/字幕适配。
怎么估自己的项目？
分四行：音乐（分钟或条）、音效（分钟）、配音（分钟 × 语言数 × 版本）、人声隔离（分钟）。用一条样片实测可用率与后期工时，再外推，不要只用单价。
研究方法与局限
本文只使用 2026-11-01 可访问的官方页面：ElevenLabs API 定价、Google Cloud Vertex AI 定价（Lyria 行）与 Lyria 3 文档。所有金额按公开标价与示例假设折算，未使用企业协议价或第三方转售报价；美元不换汇，不做供应商排名。Lyria 3 Pro / Lyria 2 的片段时长、各家的商用授权与失败计费规则以官方条款为准；本文的 10 分钟、2 分钟音效与 20 条片段为示例假设，不是行业基准。本文不评价听感、配音自然度或语言覆盖质量，也不构成法律意见。
数据来源与口径
资料截止 2026-11-01；以下为官方页面，具体价格、单位与条款以原文和账单为准。
- ElevenLabs, API Pricing：elevenlabs.io/pricing/api。音乐 0.15 美元/分钟（单次 5 分钟上限）、音效 0.12、v1 配音 0.33/0.50、v2 2.20、人声隔离 0.12 美元/分钟；音乐微调 1.50 美元。
- Google Cloud, Vertex AI generative AI pricing：cloud.google.com/vertex-ai/generative-ai/pricing。Lyria 3 0.04 美元/条（30 秒片段）、Lyria 3 Pro 0.08、Lyria 2 0.06 美元/条。
- Google Cloud, Lyria 3 documentation：cloud.google.com/vertex-ai/generative-ai/docs/models/lyria/lyria-3。模型与生成方式说明，用于核对片段与输出规格。