Gemini API Token 计数(count_tokens)与多模态计费规则:图片分辨率、音频秒数与视频帧率怎么折算 Token

传一张高清截图或一段 10 分钟视频给 Gemini API 到底扣多少 Token?本文按官方文档拆解 258 图片切片、每秒 32 音频与每秒 263 视频折算公式,附 count_tokens 免费预估与降本代码。

NNathaniel bigo··原创首发·AI 辅助撰写
11 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. 图片扣多少 Token 只看像素尺寸,不看文件字节大小:宽高均不超过 384 像素 的小图固定算 258 Tokens;超过该尺寸的大图会被切分为 768 × 768 像素图块,每个图块收费 258 Tokens,单纯调低 JPG 质量不改宽高省不下一分钱。
  2. 音视频只按时长折算,与码率无关:纯音频固定为 32 Tokens / 秒(1 分钟约 1,920);标准分辨率视频固定按每秒采样约 1 帧画面加音轨,合计约 263 Tokens / 秒(1 分钟约 15,780)。
  3. 发送前调 client.models.count_tokens 完全免费:支持把文本、本地图片、Files API 文件句柄甚至 tools 函数定义一并传入,提前拿到 total_tokens 做超额拦截。
  4. 对账时别漏看 thoughts_token_count 思考开销:Gemini 2.5 等推理模型内部思考产生的隐藏 Token 同样按输出单价计费,必须从 response.usage_metadata 读取全量明细。
  5. 谷歌开发账号与多工具订阅入口:前往 Google AI Studio 测试多模态计费与绑定结算需准备个人谷歌账号,缺号可查看本站 谷歌账号购买说明(含即买即发的 谷歌邮箱成品号),跨平台主力会员总览见 AI 会员充值中心。

Gemini 多模态输入 Token 折算表

图:本站根据 Google Gemini API 文档:Understand and count tokens 整理的示意图

本文根据 Google Gemini API 官方文档《Understand and count tokens》《Gemini Developer API Pricing》整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 Google 官方网站。

适用于谁

  • 做多模态票据 OCR、长音频会议纪要或视频内容检索,上线前需要精确测算单次调用成本的后端与算法工程师;
  • 以为「文件体积压小了(高压缩率 JPG)就能省 Token」,结果账单依然居高不下的人;
  • 想在真正发起推理前用 count_tokens 拦截超长输入,并在返回后拆清输入、输出与思考(Thoughts)Token 明细的团队。

一、图片、音频、视频与 PDF 折算公式详解

与英文约 4 个字符合 1 个 Token 的纯文本不同,Gemini 2.0 / 2.5 及更新主线模型对多媒体采用标准化网格与时间轴折算(各档位百万 Token 美元单价见 Gemini API 价格说明):

1. 图片:384px 门槛与 768×768 切片规则

  • 小图一口价:只要图片的宽 ≤ 384 px 且高 ≤ 384 px,整张图固定计为 258 Tokens。如果业务只是做「商品主色调识别、头像合规初筛、简单场景分类」,上传前用 Pillow 把长边等比缩放到 384 px 以内,Token 开销立刻封顶在 258。
  • 大图按块累加:任一边超过 384 px 时,系统会根据原图长宽比将其缩放切分为若干个 768 × 768 像素的切片(Tile),每个切片额外计 258 Tokens。因此做高密表格或发票小字 OCR 时保留高清分辨率即可,无需盲目传 4K/8K 超大图。

2. 音频、视频与 PDF 文档

  • 纯音频(32 Tokens / 秒):一段 30 分钟的播客录音约合 30 × 60 × 32 = 57,600 Tokens,远低于很多开发者的直觉,非常适合直接整段丢给 Flash 模型出逐字摘要。
  • 视频(标准模式约 263 Tokens / 秒):底层默认每秒抽 1 帧图像并合并音轨(详细时间戳提问写法见 Gemini API 理解视频与提取时间戳怎么写)。若视频长达半小时以上且无需看清画面微小文字,可在 GenerateContentConfig 设置 media_resolution=types.MediaResolution.MEDIA_RESOLUTION_LOW,把每秒视频开销大幅压低到约三分之一。
  • PDF 文档:大体积文档通过 Gemini API Files API 上传 后,每一页会作为独立视觉页面(基准 258 Tokens / 页)结合页面文本一起计费。

二、Python 代码:免费预估 count_tokens 与事后对账

在实际发起耗时又花钱的 generate_content 之前,先调一次 count_tokens 既不扣生成配额,又能防止单次请求打爆上下文上限:

python
from PIL import Image
from google import genai
from google.genai import types

client = genai.Client()
img = Image.open("invoice_scan.png")
prompt = "提取图中发票代码、开票日期与价税合计金额,返回 JSON。"

# 1. 发送前:免费精确计算总输入 Token(含图片切片与文本)
pre_check = client.models.count_tokens(
    model="gemini-2.5-flash",
    contents=[img, prompt],
)
print("预计消耗输入 Tokens:", pre_check.total_tokens)

# 2. 正式调用并核对真实账单明细
resp = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[img, prompt],
)
u = resp.usage_metadata
print(
    f"实际输入: {u.prompt_token_count}, "
    f"内部思考: {u.thoughts_token_count}, "
    f"正文输出: {u.candidates_token_count}, "
    f"总计: {u.total_token_count}"
)

注意如果你在请求里挂载了大量 Function Calling 工具声明或 system_instruction,预估时也要把相同的 config 传进 count_tokens,否则算出来的数字会漏掉函数 Schema 本身的几百到几千个输入 Token。

谷歌开发账号与长上下文工具提示:使用 AI Studio 查看用量仪表盘或开启付费层需要正常可用的个人谷歌账号,缺号可在本站选购带 2FA 的 谷歌邮箱成品号(说明见 谷歌账号购买页);日常在本地高频读长代码库与大 PDF,也可搭配固定月费的 Claude Pro 或 ChatGPT Plus。

调用前预估与核对用量四步法

图:本站根据 Google Gemini API 文档:Understand and count tokens 整理的示意图

三、多模态生产环境省费三板斧

  1. 重复追问同一份长视频或大手册必开上下文缓存:如果业务要对同一段 40 分钟教学视频连续提 10 个问题,配合隐式或显式缓存(配置教程见 Gemini API 上下文缓存怎么用)可大幅削减后续轮次的重复输入单价。
  2. 只问听觉内容时先剥离视频画面轨:如果会议录屏只有一张静态 PPT 封面,真正有用的是发言人讨论,本地用 ffmpeg -vn 先抽成纯音频 .mp3 再上传,每秒开销会从 263 Tokens 直降到 32 Tokens,立省近九成。
  3. 非复杂推理任务限制 thinking_budget:对于简单的发票字段提取或固定分类,在 ThinkingConfig 里调低或设 thinking_budget=0(视模型是否允许关闭思考),可省下数千个昂贵的输出级思考 Token。

常见问题

问:把一张 2000 × 2000 的 PNG 压成极高压缩比的 50KB JPG,为什么 count_tokens 算出来的数字一点没变?

答:因为服务端解码后是按图像的像素宽高(2000 × 2000)切分 768 × 768 图块的,磁盘压缩率只影响上传网速,不影响送入视觉编码器的图块数量。想降 Token 必须缩小像素宽高(resize)或调低 media_resolution。

问:中文一个汉字在 Gemini 里大约占多少个 Token?

答:Gemini 使用基于 SentencePiece 的多语言分词器,常见单个汉字通常约占 1 1.5 个 Token(含标点与专业词组平均下来,1000 个汉字大约对应 1000–1300 Tokens),准确数字一律以 count_tokens 返回值为准。

问:超过 20 万 Token 分界线后单价为什么突然翻倍?

答:按 Google 官方阶梯定价规则,许多主力模型对单次请求输入 ≤ 200k Tokens 与 > 200k Tokens 设有两档不同的输入和输出单价;一旦你的长视频或历史对话跨过 20 万分界线,整次请求都会按高阶档位计费。

问:国内没有外币卡怎么买谷歌账号或开通 Claude、ChatGPT 会员,支持开发票报销吗?

答:可前往本站 谷歌账号购买页、Claude Pro 充值页 或 AI 会员充值总览 自助下单,支持支付宝、微信支付与 AlipayHK,会员订阅支持免交账号密码的自助卡密兑换,企业采购支持开具国内增值税发票;实时价格与售后细则(掉订阅按剩余天数折退,封号不在质保范围)以各商品页说明为准。

相关教程

参考资料

  • Google Gemini API 官方文档:Understand and count tokens — https://ai.google.dev/gemini-api/docs/tokens
  • Google Gemini API 官方文档:Gemini Developer API Pricing — https://ai.google.dev/gemini-api/docs/pricing
  • Google Gemini API 官方文档:Context caching — https://ai.google.dev/gemini-api/docs/caching

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同模型

  1. 01

    用 Google Takeout 单独备份导出 NotebookLM 笔记本与 Gemini 记录:只勾选指定服务不下载整个云端硬盘的步骤

    想把 NotebookLM 里的几十个研究笔记本、来源副本与音频概览,连同 Gemini 聊天记录一起备份到本地,又怕 Google Takeout 把整个云端硬盘和相册全打包?本文讲清先取消全选、精准勾选两项服务、解压目录查看与跨号迁移的做法。

    Gemini0
  2. 02

    Google Workspace 企业/教育版管理员怎么在后台给成员开启 Gemini 应用、NotebookLM 与设置年龄访问权限

    团队成员或学校师生登录 Google Workspace 账号时提示无权使用 Gemini 或打不开 NotebookLM?本文按 Google 管理控制台官方文档整理服务开关路径、组织部门(OU)与群组放行、18 岁年龄访问权限设置及对话保留合规配置。

    Gemini0
  3. 03

    安卓手机默认助手换成 Gemini 后设闹钟、发短信或控制智能家居失灵怎么办:Workspace 与实用程序扩展开启步骤

    安卓手机把默认语音助手从 Google Assistant 换成 Gemini 后,喊它定闹钟、开手电筒、发短信或开关智能灯全都没反应?本文按官方帮助中心整理实用程序(Utilities)、Google Home 与 Workspace 关联应用开启步骤及锁屏放行设置。

    Gemini0
  4. 04

    Gemini 写长代码或长文档到一半突然停住、格式截断怎么无缝续写:锚点接续指令与 Canvas 分块修改技巧

    让 Gemini 写几百行代码或万字长文时经常写到一半突然停住、Markdown 代码块没闭合,直接回「继续」又重头抄一遍?本文整理字面锚点续写指令、代码块防乱码补齐法与 Canvas 局部圈选修改工作流。

    Gemini0
  5. 05

    NotebookLM 中文音频播客(Audio Overview)高阶玩法:用自定义引导词控制对谈深度、受众水平与重点章节(附模板)

    NotebookLM 生成的中文音频播客总是泛泛而谈、漏掉核心章节或夹杂生僻英文缩写?本文按官方帮助中心整理来源勾选过滤、四种播客格式搭配与三维自定义引导词写法,附 4 套可直接复制的中文控场模板。

    Gemini0
  6. 06

    NotebookLM 添加 YouTube 视频、网页或扫描版 PDF 提示「无法导入来源」怎么办:无字幕、反爬与纯图 PDF 逐项解决

    往 NotebookLM(Gemini Notebook)塞 YouTube 链接、外文网页或扫描教材时总是亮红叹号提示无法导入来源?本文按官方帮助中心逐项排查无字幕视频、反爬动态页与加密纯图 PDF 的替代导入步骤。

    Gemini0

同产品的其他教程

  1. 01

    iPhone 操作按钮(Action Button)或锁屏小组件一键开启 ChatGPT / Gemini 实时语音对话配置教程

    每次在 iPhone 上练口语或语音提问都要解锁、找图标、再点耳机按钮太繁琐?本文整理利用 iPhone 操作按钮(Action Button)、iOS 18 锁屏底部控制项、控制中心与背面轻点一键直达 ChatGPT 实时语音或 Gemini Live 的完整步骤。

    ChatGPTGemini0
  2. 02

    Firebase Studio(原 Project IDX)是什么、怎么用:浏览器云端全栈开发环境搭配 Gemini 智能体实战

    以前收藏的 Project IDX 网址为什么跳到了 Firebase Studio?本文按 Google 官方文档讲清它的全栈云端定位、App Prototyping 原型智能体、Code 视图切换、.idx/dev.nix 环境定制与免费工作区上限。

    Gemini其他 AI 工具0
  3. 03

    Google Colab 内置 Gemini 编程助手怎么用:免费云端 GPU 笔记本自动生成数据分析代码、修报错与限额说明

    不用配本地 Python 环境,怎么在 Google Colab 云端笔记本里免费用 Gemini 自动写数据分析代码、一键修复红字报错并跑 Data Science Agent?本文整理四大入口用法、Secrets 密钥管理与免费版限额。

    Gemini其他 AI 工具0
  4. 04

    Gemini API 回答被安全策略拦截(SAFETY / PROHIBITED_CONTENT)怎么办:阈值调节边界与合规提示词排查

    调用 Gemini API 翻译文档或分析安全日志时返回空白、报 finish_reason: SAFETY 或 PROHIBITED_CONTENT 怎么办?本文详解四类可调安全阈值代码写法、不可关闭的硬性红线区别与误报排查步骤。

    Gemini0
  5. 05

    Gemini API 图像生成与多轮改图怎么调:用 google-genai SDK 出图、局部修改与宽高比控制参数

    怎么用 Python 代码调用 Gemini API 生成高清配图并像聊天一样连续局部改图?本文详解 google-genai SDK 原生生图代码、多轮对话改图、参考图融合与 aspect_ratio 宽高比配置。

    Gemini0
  6. 06

    Gemini API Google Maps Grounding(地图接地)怎么用:结合真实地点评分、路线与周边信息构建位置助手

    做旅行规划、门店导购或本地生活助手怎么防模型编造假店名?本文详解 Gemini API 挂载 google_maps 工具、传入经纬度坐标、提取 place_id 与评分链接,以及前端来源归属展示要求。

    Gemini0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~