Gemini API Token 計數(count_tokens)與多模態計費規則:圖片解像度、音頻秒數與影片幀率怎麼折算 Token

傳一張高清截圖或一段 10 分鐘影片給 Gemini API 到底扣多少 Token?本文按官方文檔拆解 258 圖片切片、每秒 32 音頻與每秒 263 影片折算公式,附 count_tokens 免費預估與降本代碼。

NNathaniel bigo··原創首發·AI 輔助撰寫
11 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. 圖片扣多少 Token 只看像素尺寸,不看文件字節大小:寬高均不超過 384 像素 的小圖固定算 258 Tokens;超過該尺寸的大圖會被切分為 768 × 768 像素圖塊,每個圖塊收費 258 Tokens,單純調低 JPG 質素不改寬高省不下一分錢。
  2. 音影片只按時長折算,與碼率無關:純音頻固定為 32 Tokens / 秒(1 分鐘約 1,920);標準解像度影片固定按每秒採樣約 1 幀畫面加音軌,合計約 263 Tokens / 秒(1 分鐘約 15,780)。
  3. 發送前調 client.models.count_tokens 完全免費:支持把文本、本地圖片、Files API 文件句柄甚至 tools 函數定義一併傳入,提前拿到 total_tokens 做超額攔截。
  4. 對帳時別漏看 thoughts_token_count 思考開銷:Gemini 2.5 等推理模型內部思考產生的隱藏 Token 同樣按輸出單價計費,必須從 response.usage_metadata 讀取全量明細。
  5. 谷歌開發帳號與多工具訂閱入口:前往 Google AI Studio 測試多模態計費與綁定結算需準備個人谷歌帳號,缺號可查看本站 谷歌帳號購買說明(含即買即發的 谷歌電郵成品號),跨平台主力會員總覽見 AI 會員充值中心。

Gemini 多模態輸入 Token 折算表

圖:本站根據 Google Gemini API 文檔:Understand and count tokens 整理的示意圖

本文根據 Google Gemini API 官方文檔《Understand and count tokens》《Gemini Developer API Pricing》整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 Google 官方網站。

適用於誰

  • 做多模態票據 OCR、長音頻會議紀要或影片內容檢索,上線前需要精確測算單次調用成本的後端與算法工程師;
  • 以為「文件體積壓小了(高壓縮率 JPG)就能省 Token」,結果帳單依然居高不下的人;
  • 想在真正發起推理前用 count_tokens 攔截超長輸入,並在返回後拆清輸入、輸出與思考(Thoughts)Token 明細的團隊。

一、圖片、音頻、影片與 PDF 折算公式詳解

與英文約 4 個字符合 1 個 Token 的純文本不同,Gemini 2.0 / 2.5 及更新主線模型對多媒體採用標準化網格與時間軸折算(各檔位百萬 Token 美元單價見 Gemini API 價格說明):

1. 圖片:384px 門檻與 768×768 切片規則

  • 小圖一口價:只要圖片的寬 ≤ 384 px 且高 ≤ 384 px,整張圖固定計為 258 Tokens。如果業務只是做「商品主色調識別、頭像合規初篩、簡單場景分類」,上載前用 Pillow 把長邊等比縮放到 384 px 以內,Token 開銷立刻封頂在 258。
  • 大圖按塊累加:任一邊超過 384 px 時,系統會根據原圖長寬比將其縮放切分為若干個 768 × 768 像素的切片(Tile),每個切片額外計 258 Tokens。因此做高密表格或發票小字 OCR 時保留高清解像度即可,無需盲目傳 4K/8K 超大圖。

2. 音頻、影片與 PDF 文檔

  • 純音頻(32 Tokens / 秒):一段 30 分鐘的播客錄音約合 30 × 60 × 32 = 57,600 Tokens,遠低於很多開發者的直覺,非常適合直接整段丟給 Flash 模型出逐字摘要。
  • 影片(標準模式約 263 Tokens / 秒):底層預設每秒抽 1 幀圖像併合並音軌(詳細時間戳提問寫法見 Gemini API 理解影片與提取時間戳怎麼寫)。若影片長達半小時以上且無需看清畫面微小文字,可在 GenerateContentConfig 設定 media_resolution=types.MediaResolution.MEDIA_RESOLUTION_LOW,把每秒影片開銷大幅壓低到約三分之一。
  • PDF 文檔:大體積文檔通過 Gemini API Files API 上載 後,每一頁會作為獨立視覺頁面(基準 258 Tokens / 頁)結合頁面文本一起計費。

二、Python 代碼:免費預估 count_tokens 與事後對帳

在實際發起耗時又花錢的 generate_content 之前,先調一次 count_tokens 既不扣生成配額,又能防止單次請求打爆上下文上限:

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

client = genai.Client()
img = Image.open("invoice_scan.png")
prompt = "提取圖中發票代碼、開票日期與價稅合計金額,返回 JSON。"

# 1. 發送前:免費精確計算總輸入 Token(含圖片切片與文本)
pre_check = client.models.count_tokens(
    model="gemini-2.5-flash",
    contents=[img, prompt],
)
print("預計消耗輸入 Tokens:", pre_check.total_tokens)

# 2. 正式調用並核對真實帳單明細
resp = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[img, prompt],
)
u = resp.usage_metadata
print(
    f"實際輸入: {u.prompt_token_count}, "
    f"內部思考: {u.thoughts_token_count}, "
    f"正文輸出: {u.candidates_token_count}, "
    f"總計: {u.total_token_count}"
)

注意如果你在請求裏掛載了大量 Function Calling 工具聲明或 system_instruction,預估時也要把相同的 config 傳進 count_tokens,否則算出來的數字會漏掉函數 Schema 本身的幾百到幾千個輸入 Token。

谷歌開發帳號與長上下文工具提示:使用 AI Studio 查看用量儀表盤或開啟付費層需要正常可用的個人谷歌帳號,缺號可在本站選購帶 2FA 的 谷歌電郵成品號(說明見 谷歌帳號購買頁);日常在本地高頻讀長代碼庫與大 PDF,也可搭配固定月費的 Claude Pro 或 ChatGPT Plus。

調用前預估與核對用量四步法

圖:本站根據 Google Gemini API 文檔:Understand and count tokens 整理的示意圖

三、多模態生產環境省費三板斧

  1. 重複追問同一份長影片或大手冊必開上下文緩存:如果業務要對同一段 40 分鐘教學影片連續提 10 個問題,配合隱式或顯式緩存(配置教學見 Gemini API 上下文緩存怎麼用)可大幅削減後續輪次的重複輸入單價。
  2. 只問聽覺內容時先剝離影片畫面軌:如果會議錄屏只有一張靜態 PPT 封面,真正有用的是發言人討論,本地用 ffmpeg -vn 先抽成純音頻 .mp3 再上載,每秒開銷會從 263 Tokens 直降到 32 Tokens,立省近九成。
  3. 非複雜推理任務限制 thinking_budget:對於簡單的發票字段提取或固定分類,在 ThinkingConfig 裏調低或設 thinking_budget=0(視模型是否允許關閉思考),可省下數千個昂貴的輸出級思考 Token。

常見問題

問:把一張 2000 × 2000 的 PNG 壓成極高壓縮比的 50KB JPG,為什麼 count_tokens 算出來的數字一點沒變?

答:因為服務端解碼後是按圖像的像素寬高(2000 × 2000)切分 768 × 768 圖塊的,磁盤壓縮率隻影響上載網速,不影響送入視覺編碼器的圖塊數量。想降 Token 必須縮小像素寬高(resize)或調低 media_resolution。

問:中文一個漢字在 Gemini 裏大約佔多少個 Token?

答:Gemini 使用基於 SentencePiece 的多語言分詞器,常見單個漢字通常約佔 1 1.5 個 Token(含標點與專業詞組平均下來,1000 個漢字大約對應 1000–1300 Tokens),準確數字一律以 count_tokens 返回值為準。

問:超過 20 萬 Token 分界線後單價為什麼突然翻倍?

答:按 Google 官方階梯定價規則,許多主力模型對單次請求輸入 ≤ 200k Tokens 與 > 200k Tokens 設有兩檔不同的輸入和輸出單價;一旦你的長影片或歷史對話跨過 20 萬分界線,整次請求都會按高階檔位計費。

問:國內沒有外幣卡怎麼買谷歌帳號或開通 Claude、ChatGPT 會員,支持開發票報銷嗎?

答:可前往本站 谷歌帳號購買頁、Claude Pro 充值頁 或 AI 會員充值總覽 自助下單,支持支付寶、微信支付與 AlipayHK,會員訂閱支持免交帳號密碼的自助卡密兌換,企業採購支持開具國內增值稅發票;實時價格與售後細則(掉訂閱按剩餘天數折退,封號不在質保範圍)以各商品頁說明為準。

相關教學

參考資料

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

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同模型

  1. 01

    用 Google Takeout 單獨備份導出 NotebookLM 筆記本與 Gemini 記錄:只勾選指定服務不下載整個雲端硬碟的步驟

    想把 NotebookLM 裏的幾十個研究筆記本、來源副本與音頻概覽,連同 Gemini 聊天記錄一起備份到本地,又怕 Google Takeout 把整個雲端硬碟和相冊全打包?本文講清先取消全選、精準勾選兩項服務、解壓目錄查看與跨號遷移的做法。

    Gemini0
  2. 02

    Google Workspace 企業/教育版管理員怎麼在後台給成員開啟 Gemini 應用、NotebookLM 與設定年齡訪問權限

    團隊成員或學校師生登入 Google Workspace 帳號時提示無權使用 Gemini 或打不開 NotebookLM?本文按 Google 管理控制檯官方文檔整理服務開關路徑、組織部門(OU)與群組放行、18 歲年齡訪問權限設定及對話保留合規配置。

    Gemini0
  3. 03

    安卓手機預設助手換成 Gemini 後設鬧鐘、發短訊或控制智能家居失靈怎麼辦:Workspace 與實用程序擴展開啟步驟

    安卓手機把預設語音助手從 Google Assistant 換成 Gemini 後,喊它定鬧鐘、開手電筒、發短訊或開關智能燈全都沒反應?本文按官方幫助中心整理實用程序(Utilities)、Google Home 與 Workspace 關聯應用開啟步驟及鎖屏放行設定。

    Gemini0
  4. 04

    Gemini 寫長代碼或長文檔到一半突然停住、格式截斷怎麼無縫續寫:錨點接續指令與 Canvas 分塊修改技巧

    讓 Gemini 寫幾百行代碼或萬字長文時經常寫到一半突然停住、Markdown 代碼塊沒閉合,直接回「繼續」又重頭抄一遍?本文整理字面錨點續寫指令、代碼塊防亂碼補齊法與 Canvas 局部圈選修改工作流。

    Gemini0
  5. 05

    NotebookLM 中文音頻播客(Audio Overview)高階玩法:用自定義引導詞控制對談深度、受眾水平與重點章節(附模板)

    NotebookLM 生成的中文音頻播客總是泛泛而談、漏掉核心章節或夾雜生僻英文縮寫?本文按官方幫助中心整理來源勾選過濾、四種播客格式搭配與三維自定義引導詞寫法,附 4 套可直接複製的中文控場模板。

    Gemini0
  6. 06

    NotebookLM 添加 YouTube 影片、網頁或掃描版 PDF 提示「無法導入來源」怎麼辦:無字幕、反爬與純圖 PDF 逐項解決

    往 NotebookLM(Gemini Notebook)塞 YouTube 連結、外文網頁或掃描教材時總是亮紅歎號提示無法導入來源?本文按官方幫助中心逐項排查無字幕影片、反爬動態頁與加密純圖 PDF 的替代導入步驟。

    Gemini0

同產品的其他教學

  1. 01

    iPhone 操作按鈕(Action Button)或鎖屏小組件一鍵開啟 ChatGPT / Gemini 實時語音對話配置教學

    每次在 iPhone 上練口語或語音提問都要解鎖、找圖標、再點耳機按鈕太繁瑣?本文整理利用 iPhone 操作按鈕(Action Button)、iOS 18 鎖屏底部控制項、控制中心與背面輕點一鍵直達 ChatGPT 實時語音或 Gemini Live 的完整步驟。

    ChatGPTGemini0
  2. 02

    Firebase Studio(原 Project IDX)是什麼、怎麼用:瀏覽器雲端全棧開發環境搭配 Gemini 智能體實戰

    以前收藏的 Project IDX 網址為什麼跳到了 Firebase Studio?本文按 Google 官方文檔講清它的全棧雲端定位、App Prototyping 原型智能體、Code 視圖切換、.idx/dev.nix 環境定製與免費工作區上限。

    Gemini其他 AI 工具0
  3. 03

    Google Colab 內置 Gemini 編程助手怎麼用:免費雲端 GPU 筆記本自動生成數據分析代碼、修報錯與限額說明

    不用配本地 Python 環境,怎麼在 Google Colab 雲端筆記本里免費用 Gemini 自動寫數據分析代碼、一鍵修復紅字報錯並跑 Data Science Agent?本文整理四大入口用法、Secrets 密鑰管理與免費版限額。

    Gemini其他 AI 工具0
  4. 04

    Gemini API 回答被安全策略攔截(SAFETY / PROHIBITED_CONTENT)怎麼辦:閾值調節邊界與合規提示詞排查

    調用 Gemini API 翻譯文檔或分析安全日誌時返回空白、報 finish_reason: SAFETY 或 PROHIBITED_CONTENT 怎麼辦?本文詳解四類可調安全閾值代碼寫法、不可關閉的硬性紅線區別與誤報排查步驟。

    Gemini0
  5. 05

    Gemini API 圖像生成與多輪改圖怎麼調:用 google-genai SDK 出圖、局部修改與寬高比控制參數

    怎麼用 Python 代碼調用 Gemini API 生成高清配圖並像聊天一樣連續局部改圖?本文詳解 google-genai SDK 原生生圖代碼、多輪對話改圖、參考圖融合與 aspect_ratio 寬高比配置。

    Gemini0
  6. 06

    Gemini API Google Maps Grounding(地圖接地)怎麼用:結合真實地點評分、路線與周邊資訊構建位置助手

    做旅行規劃、門店導購或本地生活助手怎麼防模型編造假店名?本文詳解 Gemini API 掛載 google_maps 工具、傳入經緯度座標、提取 place_id 與評分連結,以及前端來源歸屬展示要求。

    Gemini0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~