AID Studio 计费体系实现详解:按模型/SKU 计费、余额冻结与结算机制剖析
AID Studio 计费体系实现详解:按模型/SKU 计费、余额冻结与结算机制剖析
AID Studio 是一款开源的 AI 漫剧、AI 短剧与 AI 电影创作平台,支持剧本生成、智能分镜、图片/视频生成与配音成片。它的计费体系是理解这类多模型 AI 平台如何"算账"的典型样本:同一平台内同时接入文本大模型、图片模型、视频模型与语音模型,每种模型的计费口径完全不同。本文带你完整拆解 AID Studio 的按模型/SKU 计费、余额预冻结与结算退款机制,看看它是如何做到"先冻结、后结算、多退少补、绝不重复扣款"的。
一、先认识平台:为什么 AI 创作平台的计费这么复杂
AID Studio 采用前后端分离 + 多模型网关架构:Web 端(Next.js)负责创作流程,后端(Spring Boot)负责业务编排,管理后台(Admin)负责模型接入与运营配置。
一次"AI 创作"背后可能同时调用三类模型:
| 业务环节 | 示例能力 | 计费难点 |
|---|---|---|
| 文本生成 | 剧本续写、分镜提示词 | Token 用量事后才知道 |
| 图片生成 | 场景图、角色立绘 | 按张计费,失败张数要退 |
| 视频生成 | 分镜出片、口型驱动 | 按秒/SKU 整包计费,耗时长 |
| 语音合成 | 配音 TTS | 按字符数计费 |
不同供应商(阿里百炼、豆包、Kling、DeepSeek、Gemini 等)的计费单位五花八门,平台不可能给每个模型写一套独立扣费代码。AID Studio 的解法是:统一计费口径 + 规则化配置 + 账户状态机。
二、五种统一计费口径:一张表看懂 MeterType
整个计费系统的分发核心是一个枚举 MeterType.java,它把天差地别的供应商计费方式收敛为 5 种"计费口径":
| 计费口径 | 含义 | 典型场景 |
|---|---|---|
TOKEN |
按 token 用量计费 | 文本 LLM、Gemini 图片、Kling 视频 |
PER_IMAGE |
按单张固定价计费 | wan、即梦等图片模型 |
PER_SECOND |
按视频秒数计费 | 阿里/即梦视频 |
SKU_PACKAGE |
按 SKU 整包价计费 | 豆包视频等 |
PER_CHAR |
按字符数计费 | TTS 语音合成 |
在 MeterType.java 中可以看到每种口径都标注了适用厂商。这意味着接入新模型时,运营只需在后台配置规则 JSON,无需改代码。
三、SKU 规则计费:一个模型可以"多档卖价"
3.1 计费模式与规则结构
每个模型的计费配置存为一段 JSON(billing_rule_json),顶层结构定义在 BillingRule.java:
mode:计费模式,FIXED(固定价)或SKU(规则计费),见 BillingMode.javameterType:统一计费口径(上表的五种之一)preHold:是否启用预扣冻结params:计费依赖的请求参数skus:SKU 价格档位列表settleRule:结算规则(是否允许补扣等)videoTokenEstimate:视频 Token 预冻结估算规则
3.2 SKU 档位:按分辨率/时长/画质命中价格
真正体现"精细化计费"的是 BillingSku.java:每个 SKU 是一个价格档位,通过 match 条件(如 resolution=720P、durationMin=5、durationMax=10)命中,priority 越小越优先。以同一个视频模型为例:
| SKU | 命中条件 | 价格 |
|---|---|---|
| 720P/5s | resolution=720P, durationMax=5 |
低价档 |
| 720P/10s | resolution=720P, durationMin=6 |
中价档 |
| 1080P/5s | resolution=1080P, durationMax=5 |
高价档 |
此外 SKU 还支持 outputPixelsPerUnit(图片像素分档)、pricePerSecond(每秒价)、pricePerChar(每字符价)、inputPricePerMillion/outputPricePerMillion(输入/输出 Token 单价)等字段,一套模型就能覆盖几乎所有厂商的计价形态。
在管理后台的模型管理页,每个模型都标注了"SKU 计算 4 条 / 价格已配置",运营人员可直接维护这些档位:
四、价格换算:官方原价 × 倍率 = 用户积分
计费金额不是直接硬编码,而是经过两级倍率换算,逻辑集中在 BillingPriceMultiplierService.java:
最终积分价 = 官方原价(元) × 模型基础倍率(积分/元) × 单模型倍率
- 模型基础倍率:全局配置,决定"1 元人民币 = 多少积分",部署方可自由调节
- 单模型倍率:每个模型独立设置,用于对高成本模型加价或做促销让利
这套设计让平台方可以在不改动模型官方价格的前提下,灵活调整整体毛利结构。
五、余额冻结机制:任务提交前的"预扣"防线
5.1 三账户模型:可用 / 冻结 / 累计
用户账户(aid_user_profile)维护着关键字段:可用余额 balance、冻结余额 frozenBalance、累计充值与累计消费。管理后台的用户列表页能直接看到每个用户的"余额 / 冻结 / 累计充值":
5.2 冻结动作:锁内校验 + 独立事务
所有对账户和流水表(aid_balance_log)的写操作都统一收敛到 IAccountUpdateService.java。其中 freeze 的语义是:
balance -= amount,frozenBalance += amount
且必须满足:行锁内校验余额充足、写流水、独立事务提交,余额不足时抛出"预扣余额不足"并触发微信通知。
任务提交时的完整预扣流程(BillingFacadeServiceImpl.java 的 prepareBilling):
- 估算:按
meterType选择估算策略(见下节)算出预扣金额 - 归一化:金额统一精度,避免浮点误差
- 落快照:把命中的 SKU、单价、倍率、预估用量序列化为
billingSnapshotJson写回任务——这是后续结算与审计的"案发现场" - 冻结:委托账户执行层完成
freeze,任务进入FROZEN状态,并生成全局唯一的billingTraceId作为幂等锚点
5.3 Token 模型的"预冻结估算"
文本/视频模型最大的难点是:调用前无法预知 token 用量。AID Studio 在 TokenBillingEstimateStrategy.java 中实现了"宁高勿低"的保守估算:
- Gemini 图片:按
模型 + 分辨率 + 宽高比三维查官方 token 表 - GPT Image:按
quality × 画幅朝向查成本换算表,参考图另加固定输入 token - 视频(PIXEL_FPS 策略):
分辨率像素 × 帧率 × 总秒数 ÷ 除数估算输出 token;输入视频时长不信任客户端自报值,直接按官方上限冻结 - 兜底:未识别模型按"字符→token"通用公式换算
预冻结只是上限,真正花钱多少由结算阶段的真实 usage 决定。
六、结算机制:三种结算策略,各走各的路
任务完成后,系统根据快照中的 meterType 分发到不同结算分支(BillingFacadeServiceImpl.java 的 settleBilling):
6.1 DIRECT_SETTLE:直接结算(SKU 整包 / 默认)
预扣多少就结多少,冻结金额原样转为消费。适用于 SKU_PACKAGE 等"一口价"业务——简单、零争议。
6.2 图片二次结算:按实际张数,只退不补
PER_IMAGE 走独立的 settleImageBilling:按供应商实际返回的张数 × 单张价 × 倍率重算实际金额,多退不补(超出预扣时按预扣封顶)。若配置了像素分档(imageOutputPixelTiers),还按每张图的实际像素落入对应档位计价。
6.3 REFUND_ONLY + 差额结算:Token 模型的核心
文本模型走最复杂的"三步 CAS"流程:
- 账户结算:
FROZEN → SETTLING → SUCCESS状态机推进 - 实际用量重算:用供应商返回的真实 usage 重算金额,比较预扣与实际
- 实际 < 预扣 → 差额退款回可用余额
- 实际 > 预扣 且规则允许(
allowExtraCharge=true)→ 从可用余额补扣差额;余额不足则只补能补的部分,任务进入PARTIAL_DONE状态 - 实际 > 预扣 但规则禁止补扣 → 按预冻结金额封顶
- CAS 终态:
text_settle_status推进到DONE/PARTIAL_DONE
SETTLING 状态机与幂等控制由 MediaBillingServiceImpl.java 实现:结算走 CAS FROZEN → SETTLING → SUCCESS,每一步都用数据库条件更新"抢锁",配合 Redis 幂等锁(media:billing:lock:{taskId} + UUID token + Lua 脚本释放),保证同一任务无论被多少线程重试,都只扣一次款。
七、退款与补偿:失败全退 + 定时追补
7.1 任务失败:全额退款
任务失败时走 refundBilling:CAS FROZEN → REFUNDING → FAILED,冻结金额全额回到可用余额,actualCost 归零,并写入退款流水(含失败原因),全程同样幂等。
7.2 补偿扫描:卡单任务的"自愈"机制
网络抖动或进程重启可能导致任务卡在中间态。AID Studio 用 Quartz 定时任务(MediaTask.java)周期扫描:
| 卡住的状态 | 补偿动作 |
|---|---|
SETTLING 超 2 分钟 |
重试结算(账户操作幂等,不会重复扣) |
REFUNDING 超 2 分钟 |
重试退款 |
FROZEN 且任务已终态 |
按任务成功/失败决定结算或退款 |
PARTIAL_DONE |
从可用余额追补剩余差额,补满转 DONE |
这种"状态机 + 幂等 + 定时补偿"的组合,是分布式账务系统保证"钱不多扣、不少扣"的经典范式。
八、计费透明化:用户能看到每一笔账
结算完成后,所有关键数据都沉淀在计费快照里:命中的 SKU、单价、倍率、预估/实际用量、退款金额、结算时间。用户端通过消费明细接口(BillingDetailController.java)按任务维度查询每一笔扣费的完整构成,配合全局的模型运行监控(成功率、延迟、限流告警):
用户"扣了多少、为什么扣"完全可追溯,这也是多模型计费平台赢得用户信任的关键。
九、总结:一套值得借鉴的计费架构设计
回顾 AID Studio 的计费体系,可以提炼出 5 条对自建 AI 平台极有参考价值的设计原则:
- 口径收敛:用 5 种
MeterType统一所有厂商的计价形态,新模型只配 JSON 不改代码 - 规则外置:SKU 档位、倍率、结算策略全部配置化,运营在后台即可调整价格
- 先冻后结:预冻结 + 结算/退款双通道,用户余额永远不会为未完成的任务冒险
- 幂等一切:
billingTraceId+ 状态机 CAS + Redis 锁 + 独立事务,任何环节重试都不重复扣款 - 保守估算、差额纠偏:预扣宁高勿低,结算按真实 usage 多退(少数场景可补),兼顾风控与公平
整套代码集中在 aid-interface/aid-interface-main/src/main/java/com/aid/billing/ 目录,模块化程度很高:enums 定口径、model 定规则、estimate 做估算、service 做门面与账户委托,是一套干净利落的分层。如果你也在做"多模型接入 + 积分计费"的 AI 平台,这套"统一口径 + 快照审计 + 状态机结算"的实现思路非常值得参考。



