想给一段日语视频配中文字幕，打开价格页，一家写每分钟多少钱，另一家写每千字多少积分。视频有多长我知道，可它到底能说出多少字？想看个剧，付钱之前还得做单位换算，确实挺烦。
比较之前得知道，报价旁边的项目名称写了什么。它收费的是听声音写出原文、把原文翻成中文，还是已经包含这两步。漏掉其中一项，算出来再便宜，拿到手也可能还不是你要的中文字幕。
按分钟收的，可能还没帮你翻译
“录音文件识别”做的是听音频、写出文字。它常按送进去的音频时长计费。比如阿里云智能语音交互的计费页，录音文件识别的标准价及每日用量首档单价是每小时 2.50 元。这里买的是识别服务，不能拿这个数字当作一小时视频配好中文字幕的总价。
如果看到的是“语音翻译”“字幕制作套餐”，就得再看它有没有把翻译算进去。按分钟收费本身说明不了包含什么，更不能据此判断哪个贵。云服务的开发接口和上传文件就能用的网站，操作门槛、包含的工作也可能不同。
原文已经整理成 SRT，翻译服务拿到的是文字，就有条件按字符数计费。两段同样长的视频，一个人从头聊到尾，另一个大半时间没说话，台词量可能差很多。看到按字数收费时，光知道“这片子九十分钟”还算不出准确价格。
拿同一份材料算，别让单位绕晕
下面是计算示例，不是真实影片或实测账单：假设音频长 90 分钟，另有一份 20,000 个原文字符的日文字幕。
按上面的录音识别首档单价，90 分钟换成 1.5 小时，识别费是 1.5 × 2.50＝3.75 元。这个结果只回答识别这一项要多少钱，没有替你算中文字幕翻译，也没有包含人工修改。
换到 YamatoSub 的积分说明，当前字幕翻译基础价是每 1,000 个原文字符 2 积分，再乘实际使用模型的倍率。仍用这份示例字幕，假设倍率是 1，翻译费就是 20,000 ÷ 1,000 × 2 × 1＝40 积分。倍率换了，这个结果也得跟着换。
如果没有现成字幕，还要在 YamatoSub 做音视频识别，当前识别价是每分钟 1.5 积分。示例里的 90 分钟，识别预计 135 积分，再加刚才假设的翻译 40 积分，合计预计 175 积分。识别会按实际识别时长结算，翻译也按实际完成批次及模型倍率累计，别把这道算术当成每部电影的固定套餐。
3.75 元和 40 积分对应的是不同工作，不能拿来宣布哪家更便宜。积分还得按充值页面换算成实际支出，碰上优惠档位或账户本来有余额，这次需要付的钱也会不同。
报价里那几个小字，往往比大数字管用
按字数收费，先确认数的是原文还是译文、字符还是单词。YamatoSub 写的是原文字符数，上传后按页面解析出的数字估算，别拿文件占了多少 KB、字幕有多少行，或者中文译文有多少字去代替。
模型倍率也要一起看。同一份字幕换了模型，积分可能不同。只抄“每千字 2 积分”，把后面的倍率漏掉，预算就容易算少。它还有单任务最低 1 积分，小文件也不能只按比例一路算到零点几分。
长视频还要看能不能一次提交，以及超出限制时怎么处理。费率能乘出九十分钟的数字，不代表任何九十分钟文件都能直接上传。具体文件和时长限制按你准备提交的页面看，别充完钱才发现材料不符合要求。
人工服务的报价则要问清修改范围。对方报的是机器生成结果，还是有人逐句看过？只改听错的字，还是也处理人名、翻译和时间？让对方把包含的修改写下来，免得做完了才开始掰扯。
付钱前，说清你要拿到什么
自己加载到播放器里看，通常要一份带时间码的字幕文件；准备把视频发出去，还可能需要把字幕加进画面。纯文字、可下载的 SRT、已经带字的 MP4，是三种不同的结果。看到“字幕已生成”，还得问一句能下载什么。
询价时直接把材料和目标写出来：“我有一段 90 分钟的日语音频，需要中文字幕 SRT。这个报价含识别和翻译吗？有没有人工修改？做完能下载字幕文件吗？”手里已有日文字幕，就把字符数也带上。
这几句话问清楚，再算总价。省得钱已经付了，收到一份日文文字稿，才发现中文翻译还得另开一单。