AI 语音外呼机器人系统自研 · 从最小测试到商用放量

① 前期测试跑通的最低成本：4,080 元，两周，100–500 通
剩余话费和语音包、模型费用依然有 60% 以上未动，可正常业务使用

在决定投不投之前，这 4,080 元是把系统真正跑起来、打出第一批真实电话的最小花费：AI 能不能被听成真人、接通率是多少、话术有没有效。

¥4,080 前期测试跑通的最低成本，覆盖 100–500 通真实外呼与返工

这笔钱只在测试期发生一次。语音包直接决定「像不像真人」——云 TTS 按音质档位定价，档位越高，气口、停顿、语调起伏越接近真人；压到最低档，声音就回到平调朗读，省下的几百块全变成「一听就是 AI」。

4,080 元怎么分：硬成本 2,780 + 返工 500 + 模型微调 800

云服务器与域名 / 小程序备案均为居小易现有资源，本版不重复计费，故不列入。

项目	平台	为什么按这个数	金额
语音合成资源包 ×2HD 套餐一，每包 200 万字符	MiniMax	一包 630 元。试音色、改话术、反复合成，测试期烧掉一包以上是常态；而且只有买包才赠 10 个克隆音色	¥1,260
语音识别充值按量 1.19 元/小时	阿里云百炼	够 10,000 通（每通用户说话约 1 分钟）	¥200
大模型充值约 0.003 元/通	DeepSeek	—	¥500
号码 4 个 × 3 个月35 元/号/月	火山引擎	比需求多备 1 个——号码被标记要立刻换，等不了审批。号码买下满 3 个自然月才可注销，等于承诺 3 个月	¥420
话费预存	火山引擎	后付费，但账户必须有余额；调试期重拨量是正常测试的 3 倍	¥300
音色克隆	MiniMax	资源包赠 10 个额度；超出按 9.90 元/个，先备 10 个	¥100
硬成本小计	—	—	¥2,780
返工与重来	—	换号、资源包、模型损耗、测试失败重跑杂费	¥500
模型训练微调测试费用	语音模型	用测试期真实通话回流微调意图识别与话术模型，含数据标注与多轮迭代	¥800
测试跑通最低成本	—	—	¥4,080

要开通什么、买什么：6 项，2,780 元

类别	平台	要做的动作	需预付	等待
SIP 中继 + 号码	火山引擎	企业实名 → 外呼资质审核 → 购买 4 个固话号	¥420 4 号 × 3 个月	最快 1 周
语音合成 TTS	MiniMax	注册 → 实名 → 购买 HD 套餐一 ×2	¥1,260 400 万字符 + 20 克隆额度	即时
语音识别 ASR	阿里云百炼	开通 qwen3-asr-flash-realtime → 充值	¥200 约 168 小时	即时
大模型 LLM	DeepSeek	注册 → 充值	¥500 预充值	即时
通话费预存	火山引擎	后付费，账户须有余额，避免停机	¥300	—
音色克隆	MiniMax	超出资源包赠送额度的部分	¥100 约 10 个	即时
硬成本合计	—	4 个平台/渠道 + 4 个号码	¥2,780	关键路径 1 周
返工开销	—	换号、资源包、模型损耗、测试失败重跑杂费	¥500	—
模型训练微调	语音模型	真实通话回流微调意图与话术模型	¥800	测试期
测试跑通最低成本	—	—	¥4,080	1 周可拨通

只有一条等待期：运营商资质审核最快 1 周。 其余 5 项全部即时开通。云服务器与备案均已有，不占时间。审核期间可并行推进：在本机用 TTS 合成话术、内部盲听打分，把话术改到满意为止，等号码下来就能直接拨。

测试期这 2,260 元买的是额度，不是消耗

下面四项都是预充值、按量扣减。测试只打 100–500 通，用掉的只是很小一部分，剩余额度直接进入商用期继续扣，不需要重新采购。

已购项目	金额	可用额度	折合通话
语音合成资源包 ×2	¥1,260	400 万字符（每通约 220 字符）	≈18,000 通
语音识别	¥200	168 小时（每通说话约 27 秒）	≈22,000 通
大模型	¥500	0.003 元/通	≈16 万通
话费预存	¥300	0.11 元/分钟	≈2,700 通
合计	¥2,260	按最短的一项计	≈2,700 通

按 500 通测试量算：话费用掉 55 元，语音合成用掉约 11 万字符（1/36），识别 3.8 小时，大模型 1.5 元。 这 2,260 元里 2,000 元以上仍留在账户中，直接支撑商用期的第一批话务。

验证通过的判断标准（建议提前定死，避免"感觉还行"）： ① 5 人盲听，≥3 人认为是真人录音； ② 100 通实测接通率 ≥15%； ③ 平均通话时长 ≥45 秒。三条全过才进入下一阶段，任何一条不过就回去改话术或换音色，不追加投入。

② 投入商业化的完整费用：固定费用 800 元/月，
按 3 万分钟增量月 5,630 元起，钱跟着量走

每个阶段都有明确的准入条件和花费上限，达不到就不进入下一阶段。随时可以停在任何一个阶段。

¥5,630/月 3 万通/月全口径：固定 800 + 电话费 4,830

月费由两块组成，一块不看通话量、一块按分钟算：固定费用 800 元/月（线路 800；云服务器已有，不另计）， 电话费 4,830 元/月（0.161 元/分钟 × 3 万分钟）。两块相加 5,630 元/月。没有年费、没有包年折扣、没有最低消费年限；停下来只剩固定费用，电话费归零。

每月账单怎么算：先固定，再电话费，最后合计

以常规档（3 万通/月、10 路并发）为例。固定费用不管打多少通都要付，电话费打多少算多少。

类别	项目	怎么算	金额
① 固定费用不看通话量	线路 10 路并发包含 20 个号码	商继通 800 元/月，10 路起售	¥800
① 固定费用不看通话量	固定费用小计	—	¥800
② 电话费按接通分钟	通话0.080 元/分钟	0.080 × 30,000 分钟	¥2,400
	语音合成0.069 元/分钟	0.069 × 30,000 分钟	¥2,070
	识别 + 大模型0.012 元/分钟	0.012 × 30,000 分钟	¥360
	电话费小计	0.161 元/分钟 × 3 万分钟	¥4,830
③ 整体	固定 800 + 电话费 4,830	折单通 0.188 元	¥5,630

阶段 0 · 话术与音色验证

第 0 天不另计烧 4,080 预算内的资源包

不打电话，直接用 TTS 把话术合成出来，内部盲听、反复改稿。这一步不额外花钱，只消耗已买的合成额度，但决定了后面所有钱花得值不值。 通过标准：5 人盲听，≥3 人认为是真人录音

阶段 1 · 最小测试

第 1–2 周 ¥4,080含 500 返工 + 800 微调

4 个号码轮换、1 路并发、100–500 通真实外呼。目的是拿到真实接通率和通话时长，而不是听录音。 通过标准：接通率 ≥15%，平均通话 ≥45 秒，单通电话费 ≤0.30 元

阶段 2 · 小流量试跑

第 3 周 ¥702每月

3 路并发、3,000 通/月。开始接入禁呼名单与频控策略，跑通完整业务闭环（外呼 → 意向 → 转人工）。 通过标准：单通电话费 ≤0.25 元，有效对话可归因，无号码被封

阶段 3 · 常规运营

第 4 周起 ¥5,630每月

10 路并发、30,000 通/月。线路切换到上海电信商继通（已越过 2.3 万分钟的盈亏平衡点），单人可运维。 通过标准：单通电话费 ≤0.19 元，接通率稳定不衰减

各阶段月账单对比

阶段	月接通通数	建议并发	固定（线路+服务器）	电话费	月账单合计	单通成本
阶段 1 · 最小测试一次性，跑完即止	100	1 路	¥105	¥20	¥125	¥1.250
阶段 2 · 小流量试跑2 条线路，验证闭环	3,000	3 路	¥105	¥597	¥702	¥0.234
阶段 3 · 常规运营10 路并发，单人可运维	30,000	10 路	¥800	¥4,830	¥5,630	¥0.188

单通成本为什么随规模下降？只因为固定费用被摊薄。 3,000 通时，每月 105 元固定费用摊到每通是 0.035 元；3 万通时，800 元摊到每通只有 0.027 元。但电话费这 0.161 元/分钟是线性成本——打一通付一通，量再大也不会降。 所以 0.188 元基本就是地板价，指望「做大了就便宜很多」是不成立的。

启动支出明细：这一版只有调试通话要花钱

项目	金额	说明
系统对接开发	30 人天	SIP 注册与媒体流打通、分句流式合成、打断与静音检测、话术引擎对接、管理后台。内部消化是工资成本；全外包按 1,500 元/人天约 45,000 元
联调与测试通话	¥200	约 1,200 通测试拨号（每通按 1.5 分钟、0.11 元/分钟计）。调试期反复重拨，实际比测试量高
音色克隆	¥0	第 01 节的资源包已赠 10 个快速克隆额度；超出按 9.90 元/音色
中继硬件 / 开通费 / 号码开户费	¥0	软中继是纯 SIP 账号，无网关、无施工、无开户费，只有号码月租
启动支出合计	¥200	只有调试通话 200 是现金支出。云服务器与域名 / 小程序备案均为现有资源，不另计

一次性里最容易被漏掉的是「系统对接」这一项。它不是买个账号就能用——现有系统接不进这版媒体服务， SIP 注册、媒体流、分句合成、打断检测、话术引擎、管理后台都要重写，30 人天是保守估计。这一项不计现金，但它决定了你什么时候能开始拨第一通电话。

0.189 元花在哪里（运营成本，不含服务器）

以常规运营档（月 3 万通）拆解。单价全部为官网公示价，可逐项复核。

线路 42%

语音合成 37%

月租 14%

线路通话¥0.0800.08 元/分钟

语音合成 TTS¥0.0692.8 元/万字符

并发包 + 号码¥0.027800 元/月摊薄

识别 + 大模型¥0.0121.19 元/时 + 0.003 元/通

语音合成占 37%，是唯一不能省的一项。 它直接决定电话那头「像不像真人」。市面上 0.3 元/万字符的低价音色折算下来每分钟只花 8 厘钱，但听感是照本宣科的机器人——省下的 6 分钱，换来的是接通后被秒挂。这一项的取舍见第 06 节的可播放对比。

线路：为什么是 0.08

0.08元/分钟

上海电信商继通「长市合一」公示价，为全网公开 SIP 中继最低

识别：同云内部价差 3 倍

1.19元/小时

百炼 qwen3-asr-flash-realtime；阿里云 ISI 同类实时识别要 3.50 元/小时

大模型：几乎可忽略

¥0.003每通电话

一通 60 秒约 3 轮对话、2,760 tokens，占总成本 1.6%

软中继：能直连我们系统的五家

硬性门槛只有一条——必须是标准 SIP 中继，能注册进 FreeSWITCH。不满足这条的，单价再低也不用。
但要区分两层：中继能直连 FreeSWITCH，不等于我们的 AI 编排能直连 FreeSWITCH。前者是买线路，后者需要开发（30 人天，见第 02 节），两者要分开看。

供应商 · 产品	通话单价	并发门槛	号码月租	手机被叫	开通	适配
上海电信 · 商继通SIP 云中继，运营商直签	0.080长市合一	10 路起800 元/月含 20 号码	含在月费	需书面确认	1–2 周	★★★★★
火山引擎 · 语音 SIP固话外显，阶梯计价	0.096–0.11≤5 万分钟 0.11	无并发包按号码数，1 号 1 路	35 元/号	固话	1–2 周	★★★★★
火山引擎 · 语音 SIP手机号外显	0.15–0.18≤10 万分钟 0.18	无并发包按号码数	15 元/号	支持	1–2 周	★★★★
天翼云 · 云中继中国电信官方云中继	0.09–0.15按城市询价	按需	询价	需确认	2–3 周	★★★☆
移动云 · 云中继代理商公示价	0.06官网未标价	按需	询价	需确认	2–3 周	★★★

我们的建议：起步用火山引擎，放量切商继通。 商继通单价最低、运营商直签，资质链条最清楚，但最小档就是 10 路，小流量时九成资源闲置；火山引擎无并发门槛、按号码买、开通最快，正好适合阶段 1 和阶段 2。两家都是标准 SIP，切换只改一行注册地址，不存在锁定。

澜鲸的 0.14 已确认只是通话费，不含语音合成、语音识别和平台。 单看线路价，0.14 比商继通 0.080 贵 75%、比火山固话 0.11 贵 27%；换成全成本，它是三家线路里最贵的一档（见下表）。 所以它不进推荐名单，只作备用线路——除非它能给到 0.08 以内，或者改成「含合成与识别的整包价 ≤0.19」。另外这类平台通常还有年费 3,000–5,000 元，若真要用，要一并计入。

把线路单价换算成「每接通分钟全成本」

同一套自建系统（TTS 0.069 + 识别与大模型 0.012 不变），只换线路，按常规档月 3 万通摊算。这张表是选线路的唯一依据。

线路	通话费	月租摊薄	合成	识别+大模型	全成本	对比
商继通 10 路运营商直签	0.080	0.027	0.069	0.012	0.188	基准
火山固话 10 号无并发门槛	0.110	0.012	0.069	0.012	0.203	+8%
澜鲸0.14 仅为通话费	0.140	0	0.069	0.012	0.221	+18%

结论：澜鲸 0.14 看似只比商继通贵 6 分钱，落到全成本上是每通贵 3.3 分。 按 3 万通/月、每通 1 分钟算，一年多付约 ¥11,900。同样的系统、同样的音色，只因为线路贵，这 6 分钱没有任何理由付。除非它能给出 0.08 以内的价格，或整包价低于 0.19。

被排除的方案，以及为什么

以下方案均已询价，因计费方式、接入条件或产品形态不满足要求，不纳入本次方案。

产品	公示单价	排除原因
澜鲸 · AI 外呼	0.14 元/分钟	只是通话费，不含语音合成、识别与平台费。全成本 0.221 元/分钟，比商继通贵 18%、一年多付约 1.19 万；且能否只买线路直连 FreeSWITCH 尚未确认
阿里云 · 语音通知 / 互动 IVR	0.11 元/分钟	单向播报 + 按键，媒体流不落地，做不了双向 AI 对话
腾讯云 · 语音消息	0.085–0.105	同上，属通知类产品，不能接 FreeSWITCH
百度智能云 · 语音通知 VNS	0.10 元/次	同上
华为云 · 语音通话 VoiceCall	0.18 元/分钟	价格无优势，且已公告 2027-02-28 停售，不能做长期架构
阿里云 · 通信智能体	0.30–0.50	AI 编排跑在云端，RTP 不进我们域内，媒体层参数全部不可调——只能「用」不能「改」
263 / 云之讯 / 容联 / 天润等	0.05–0.10	或为云总机整包、或无公开价、或只开放 API，均无法给出可核价的 SIP 直连方案

并发要几路——比直觉少得多

并发数按实际话务量倒推，不按上限采购。先算清一路到底能打多少通，再决定买几路。

1 路并发 = 同一秒只能打 1 通。 一通按 60 秒算，1 路每小时最多 60 通、每天 8 小时 480 通、每月 22 个工作日 10,560 通。也就是说：

月接通量	理论最少并发	实际建议	线路怎么买	固定月费
3,000 通	0.3 路	3 路	火山引擎 3 个号码，无并发包	¥105
10,000 通	1 路	5 路	火山引擎 5 个号码 / 或商继通 10 路	¥175 / ¥800
30,000 通	2.9 路	10 路	商继通 10 路（已越过平衡点）	¥800
100,000 通	9.5 路	20 路	商继通 20 路	¥1,440

关键结论：商继通最小档就是 10 路，买不到更少。 如果起步只跑 3,000 通，10 路并发要 800 元/月，折合每路 267 元——而实际只用了 0.3 路，九成以上是浪费。所以起步期不要用商继通，用火山引擎按号码买：3 个号码 105 元/月，想加就加一个号码，没有阶梯门槛。

两家线路的盈亏平衡点在 23,000 分钟/月。 低于这个量，火山引擎（105 元 + 0.11/分钟）更省；高于这个量，商继通（800 元 + 0.08/分钟）反超。按每月话务量一条线切过去，不需要纠结。

男声 2 段、女声 1 段

已排除播音腔、主持腔、网剧腔。同一段话术、16kHz 采样、语速 1.2 倍、情绪中性， 唯一变量是音色。男声 2 段、女声 1 段——女声可选范围本就比男声窄，这一段是听感最接近真人业务员的。

男声 · HD

南方小哥

¥0.064

带南方口音，口音削弱合成感

0:00 / 0:14

男声 · Turbo

真诚青年（降档）

¥0.036

同音色换 Turbo，看省 43% 值不值

0:00 / 0:16

女声 · Turbo

港普空姐

¥0.036

港式普通话，女声里唯一带口音

0:00 / 0:17

试听话术（三段完全相同，共 91 字）
喂，您好，是王先生吗？我这边是平台客服中心的。您上周咨询过一笔资金周转，现在还需要吗？［停顿 0.25s］行，理解，那我先把额度参考发到您手机上，您有空看一下，不合适也不用回我。好，那不打扰您了，再见。这一版和上一版的区别：① 语速从 1.0 提到 1.2，快 21%，接近真人业务员的常态语速； ② 删掉了「嗯」和 0.5 秒的长停顿——那是演出来的犹豫，真人不会在电话里这么演； ③ 句子全部改短，一口气说完，不拖尾音；④ 情绪锁定中性，不再有客服腔的甜度； ⑤ 排除播音腔、主持腔、网剧腔，只用日常说话的嗓子。
采样为 16kHz，比电话线路宽一倍，方便听清细节；实际走 G.711 线路会降到 8kHz，听感更闷一些，但语调和节奏不变。

两档差价

+75%HD 相对 Turbo 的加价

HD 3.50 元/万字符 vs Turbo 2.00 元/万字符（官网价）

每通合成成本

¥0.06491 字，约 182 字符

合成按字符计费，与语速无关——说得快省时间，不省钱

降档能省多少

¥840每月，按 3 万通计

占总账单 15%。值不值，对比 HD 与 Turbo 两档再定

留下的三段有个共同点：都不是「圆润标准」的嗓子。 「南方小哥」靠南方口音，「真诚青年降档」靠模型降档那点毛刺，「港普空姐」靠港式普通话。这恰好说明—— 真人感不等于音质高，很多时候恰恰来自不完美：一点口音、一点气息、一点不均匀。 HD 档把每个字都打磨得太干净，反而像播音。

更值得注意的是：你留下的是 Turbo，不是 HD。同音色、同语速，便宜那档反而更像人。如果这条成立，语音成本直接降 43%，全案从 0.189 元/分钟降到 0.16 左右—— 这是目前唯一一个「更便宜还更好听」的选项。

多久能上线，还要办哪些手续

两条线并行推进：运营商资质审核最快 1 周、系统对接 2 周同时进行，第 3 周灰度、第 4 周放量，综合周期 30 天。域名与小程序备案均已完成，这一版不占时间——真正卡进度的只剩运营商资质审核。

第 1 周提交资质

向运营商提交营业执照、法人身份证、外呼场景说明、合规承诺函。备案已完成，无需再等。

审核 1 周

第 1–2 周系统对接

SIP 注册联调、AI 对话编排接入、TTS / ASR 通道打通、打断与静音检测调参。

与资质审核并行

第 3 周灰度试跑

号码报备、话术送审、100 通小流量灰度，校准接通率与话术转化。资质此时到位。

小流量

第 4 周起放量

按并发逐步加量，同步接入禁呼名单（DNC）与频控策略，避免号码被拦截。

正式商用

许可清单：这一版还要办什么

事项	是否必需	耗时	说明
域名 ICP 备案2 个域名	已完成	—	居小易项目已备案，域名可直接解析到大陆服务器，本版不重复办理、不产生费用
小程序备案2 套小程序	已完成	—	与域名备案是两套体系，但同样已完成，无需再次提交
呼叫中心业务经营许可	不需要	—	仅自用、不外呼营销给第三方时不适用；一旦代客外呼则需办理，约 60 工作日
95 / 106 码号	不需要	—	用普通固话或手机号外显即可
运营商外呼资质审核	必需	最快 1 周	营业执照 + 场景说明 + 合规承诺函，材料一次给全可压到 5 个工作日
个人信息保护合规	必需	随上线	告知同意、禁呼名单（DNC）、通话录音留存

这一版真正要办的只有两件事：运营商资质审核（最快 1 周）和个人信息保护合规（随上线）。 域名与小程序备案已经完成，不需要重复办理，也不用再花那 376 元。自用型外呼同样不需要呼叫中心经营许可——很多方案一上来就说要办许可证，实际上是把「代客外呼」的监管要求套到了「自己打自己客户」上。 所以时间上少的只是备案那 10 个工作日，但整体仍按 30 天排，因为系统对接和灰度试跑本身就要三周。

三条风险和三个待决策

风险不是「可能出问题」，是「一定会出、现在就要定好应对」。

0.08 元的「长市合一」到底含不含手机被叫

运营商对手机被叫的结算成本高于固话。销售口头承诺「都含」，账单上按固话、手机分开计价，是这类报价最常见的落差。按行业惯例，手机被叫可能比固话贵 50%–100%。 必须在合同里写死「含手机被叫，不另计费」，否则实际成本可能从 0.08 变成 0.16。

高频外呼会被运营商拦截，号码会被封

同一号码短时间内大量外呼，会触发运营商的反骚扰模型，表现为接通率骤降或直接停机。 应对：多号码轮换、单号日呼量控制在 50 通以内、接入 DNC 禁呼名单、避开早晚时段。 这部分不是技术问题，是运营纪律，上线前要写成制度。

真实成本取决于接通率，不取决于单价

0.189 元是「每分钟接通时长」的成本。如果接通率只有 20%，一通有效对话的实际获客成本是 0.189 ÷ 0.2 ≈ 0.95 元。接通率每掉 5 个百分点，成本上升 25%。 所以第一个月要盯的不是单价，是接通率和平均通话时长。

需要拍板的三件事

决策项	选项	影响
起步并发买几路	3 路（火山）/ 10 路（商继通）	月固定费差 ¥695。建议先 3 路，跑满 2.3 万分钟再切商继通
音色用哪一档	HD 3.50 / Turbo 2.00（元/万字符）	月账单差 17%。建议全量 HD，理由见第 06 节试听
外显固话还是手机号	固话 0.11 / 手机号 0.18（元/分钟）	单价差 64%，但手机号外显接通率通常更高。建议 A/B 各跑 500 通再定

AI 语音外呼机器人系统自研从最小测试到商用放量

① 前期测试跑通的最低成本：4,080 元，两周，100–500 通 剩余话费和语音包、模型费用依然有 60% 以上未动，可正常业务使用

② 投入商业化的完整费用：固定费用 800 元/月，按 3 万分钟增量月 5,630 元起，钱跟着量走