首先芯片时长基于6K采样率，以80秒为例，那么总容量为80*6=480，客户语音内容为50秒 ,实际芯片做好的采样率为

X=实际采样率

Y=实际音源时长

其次：如果客户没有音源只有文档（仅中文）按每个字0.3S或0.4S估算时长）

第三，如果指定音质，需回复能存多少秒内容

音乐：建议高于16K,最低也不少于11.025K

语音：建议高于10K,最低8K(电话通话音质）

当然，采样率与音质对不同客户有不同的要求

另注意音效文件（比如按键音，提示音等，时长较短尽量保持原采样率）