BroadRouter

Presyo ng speech-to-text API, ikinumpara: kada minuto sa 2026

Ng BroadNet Inference team · 7 minutong basa · Nailathala · Na-update

Mga USD 0.0007 hanggang 0.016 kada minuto ng audio ang list price ng batch speech-to-text API noong Nobyembre 2026. USD 0.0043 ang Deepgram Nova-3, USD 0.0045 ang kasalukuyang gpt-transcribe ng OpenAI, USD 0.006 ang AWS Transcribe at USD 0.016 ang Google V2 standard. $0.002 kada minuto ang BroadNet Transcribe sa 14 na wika, at $0.0042 ang BroadNet Transcribe Arabic.

Mukhang simple ang presyo ng speech-to-text: presyo kada minuto ng audio. Sa praktika, kada minuto, kada oras o kada segundo ang quote ng mga provider, hiwalay ang batch sa streaming, at ibinebenta bilang add-on ang diarization at redaction. Inilalagay ng page na ito ang mga pangunahing API sa iisang sukatan, gamit ang mga presyong kinuha namin mula sa opisyal na page ng bawat isa noong Nobyembre 14 at 15, 2026 (nakasaad ang petsa sa bawat source sa ibaba).

Lahat ng presyo ay list price, pay-as-you-go, sa US dollar, para sa batch (pre-recorded) na audio maliban kung may nakasaad. Hindi kasama ang volume discount at mga kontrata.

Magkano ang speech-to-text API kada minuto at kada 1,000 oras?

Provider at model Kada minuto Kada oras Kada 1,000 oras
Groq, Whisper Large v3 Turbo mga USD 0.00067 USD 0.04 USD 40
DeepSeek ASR, limited-time na presyo (50% off sa list) mga USD 0.00097 USD 0.058 USD 58
Soniox, async (sinisingil kada token; tantiya ng provider ang kada oras) mga USD 0.00167 mga USD 0.10 mga USD 100
Groq, Whisper Large v3 mga USD 0.00185 USD 0.111 USD 111
DeepSeek ASR, list price mga USD 0.00193 USD 0.116 USD 116
BroadNet Transcribe (14 na wika) $0.002 $0.12 $120.00
AssemblyAI, Universal-2 USD 0.0025 USD 0.15 USD 150
OpenAI, gpt-4o-mini-transcribe (deprecated, isasara sa 2027-02-26) USD 0.003 USD 0.18 USD 180
Google, V2 dynamic batch USD 0.003 USD 0.18 USD 180
AssemblyAI, Universal-3.5 Pro USD 0.0035 USD 0.21 USD 210
Speechmatics, Melia 1 multilingual (56 na wika) USD 0.004 USD 0.24 USD 240
BroadNet Transcribe Arabic $0.0042 $0.25 $252.00
Deepgram, Nova-3 monolingual USD 0.0043 USD 0.258 USD 258
OpenAI, gpt-transcribe USD 0.0045 USD 0.27 USD 270
Deepgram, Nova-3 multilingual USD 0.0052 USD 0.312 USD 312
OpenAI, whisper-1 / gpt-4o-transcribe (deprecated, isasara sa 2027-02-26) USD 0.006 USD 0.36 USD 360
AWS Transcribe, batch (US East) USD 0.006 USD 0.36 USD 360
Speechmatics, Standard USD 0.0075 USD 0.45 USD 450
Speechmatics, Enhanced USD 0.0125 USD 0.75 USD 750
Google, V2 standard (unang 500,000 min) USD 0.016 USD 0.96 USD 960

Sarili naming kuwenta ang mga numero kada oras at kada 1,000 oras, mula sa published na presyo kada unit (kada minuto x 60, saka x 1,000). Kada oras ang inilalathalang presyo ng Groq, DeepSeek, AssemblyAI at Speechmatics; hinati namin sa 60 para sa column na kada minuto. Nakalista sa pricing page ng DeepSeek ang speech-to-text API nito sa USD 0.116 kada oras na may limited-time na 50% discount at walang petsa ng pagtatapos, kaya i-budget batay sa list price. List na pre-recorded na presyo ang mga rate ng Speechmatics; puwede ring ipakita ng pricing page nito ang mga ito na may 33% na model-training discount at hanggang 25% na volume discount, na nagpapababa sa Melia 1 sa mga USD 0.12 kada oras. Opt-in ang 33% na discount, at kapag nag-opt in ka, pinapayagan mo ang Speechmatics na gamitin ang audio at transcript mo para pahusayin ang mga model nito (ayon sa pricing FAQ nito, sinuri noong 2026-11-15).

Mas mura kada oras ang Soniox, DeepSeek ASR at ang mga Whisper endpoint ng Groq kaysa sa parehong BroadNet model. Kada token ang singil sa pricing page ng Soniox, sinuri noong 2026-11-14 (USD 1.50 kada 1M input audio token at USD 3.50 kada 1M output text token para sa async), at sinasabi nitong “about” (salin: humigit-kumulang) USD 0.10 kada oras ito para sa file upload at USD 0.12 kada oras para sa real-time streaming. Kasama ang Arabic sa mahigit 60 wika sa listahan ng wika nito. Sariling job-based na API ang gamit nito imbes na hugis ng OpenAI /v1/audio/transcriptions, kaya bagong client code ang kailangan kapag lumipat dito.

Isang pagbabagong dapat paghandaan: nakalista sa deprecations page ng OpenAI, sinuri noong 2026-11-15, ang whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe at gpt-4o-transcribe-diarize bilang deprecated (ibinigay ang abiso noong Agosto 26, 2026), na isasara sa Pebrero 26, 2027, at gpt-transcribe o gpt-live-transcribe ang kapalit. Minarkahan din ng pricing page nito na deprecated ang parehong apat na model. Kung magpe-presyo ka ng OpenAI pipeline ngayon, ibatay ito sa gpt-transcribe sa USD 0.0045 kada minuto. Mas mahal iyon kada oras kaysa sa parehong BroadNet model, pero nagbebenta rin ang OpenAI ng live transcription (gpt-live-transcribe, USD 0.017 kada minuto), na wala sa BroadNet. Presyo lang ang ikinukumpara ng page na ito; kung aalis ka sa whisper-1, ipinapaliwanag ng gabay sa Whisper API alternative kung paano i-test ang kapalit sa sarili mong audio at ano ang nasisira sa paglipat. Para patakbuhin ang sarili mong volume laban sa mga rate na ito, gamitin ang speech-to-text cost calculator.

Para sa buong larawan, inililista ng open na speech-to-text API price index namin ang batch at streaming na presyo, billing increment at suporta sa Arabic ng mahigit 20 produkto, at sinuri ang bawat isa laban sa sariling pricing page ng provider (CSV at JSON).

Ano ang hindi kasama sa base price?

Bihirang ang numero kada minuto na ang buong bill. I-check ang mga ito bago magkumpara:

Item Ano ang sinasabi ng mga page
Speaker diarization Deepgram: kasama sa pre-recorded, dagdag na USD 0.0020/min sa streaming. AWS: kasama sa standard na presyo. AssemblyAI: +USD 0.02/oras. OpenAI: hiwalay na gpt-4o-transcribe-diarize model sa USD 0.006/min, deprecated at isasara sa 2027-02-26.
PII redaction Deepgram: USD 0.0020/min. AWS: USD 0.0024/min (tier 1). AssemblyAI: text redaction +USD 0.08/oras sa Universal-2 at +USD 0.12/oras sa Universal-3.5 Pro; audio redaction +USD 0.05/oras.
Streaming AWS: USD 0.01/min laban sa USD 0.006 sa batch. Deepgram Nova-3 monolingual: USD 0.0048 sa streaming (promotional na presyo hanggang 2027-02-13) laban sa USD 0.0043 sa pre-recorded. Speechmatics Melia 1: USD 0.40/oras sa real-time laban sa USD 0.24/oras sa pre-recorded.
Billing minimum Hindi bababa sa 10 segundo kada request ang singil ng Groq. Kada segundo ang singil ng AWS, walang minimum. Nira-round up ng Google ang bawat request sa susunod na segundo.
Volume tier Bumababa sa USD 0.01/min ang Google V2 standard pagkatapos ng 500,000 minuto kada buwan, at mas mababa pa lampas 1 milyon. Flat rate na ngayon ang standard na batch at streaming ng AWS; sa mga add-on gaya ng redaction umiiral ang volume tier nito.

Para sa call centre na kailangan ng diarization at redaction, nagiging USD 0.0063 kada minuto ang Deepgram Nova-3 pre-recorded kasama ang redaction, at USD 0.0084 ang AWS. Puwedeng matalo ng mas mataas na base price na kasama na ang mga add-on ang murang base price na may mamahaling add-on.

Magkano ang pag-transcribe ng 10,000 voice note kada buwan?

Halimbawa, nakakatanggap ang isang support inbox ng 10,000 WhatsApp voice note kada buwan, tig-30 segundo. 5,000 minuto iyon.

  • Sa USD 0.006 kada minuto (AWS batch, o ang deprecated na whisper-1 ng OpenAI): USD 30.
  • Sa USD 0.0045 (OpenAI gpt-transcribe): USD 22.50.
  • Sa USD 0.0043 (Deepgram Nova-3): USD 21.50.
  • Sa BroadNet Transcribe Arabic: $21.00.

Mahalaga rito ang billing minimum. Hindi binabago ng 10-segundong minimum ng Groq ang singil sa mga 30-segundong note na ito, pero sinisingil nito ang dalawang-segundong “ok” na note bilang 10 segundo. Sa 15-segundong minimum, kapareho ng 15-segundong note ang singil sa dalawang-segundong note na iyon. Para sa buong workflow ng voice note, tingnan ang voice notes to text para sa negosyo.

Ano pa ang mahalaga bukod sa presyo?

Mas malaki ang gastos sa pagwawasto ng tao kaysa sa natitipid ng murang model na mali ang 1 sa bawat 5 salita. Bago lumipat, sukatin ang word error rate sa 30 hanggang 50 sarili mong recording kada wika. Ipinapakita ng gabay sa Whisper alternative namin kung paano gawin ang test na iyon sa isang hapon, at sakop ng buyer’s guide sa Arabic speech-to-text ang scoring kada dialect.

Iba pang tanong na hindi tungkol sa presyo:

  • Mga wika. 14 na wika ang sakop ng BroadNet Transcribe (buong listahan); sabi ng OpenAI, sinusuportahan ng Whisper (ang deprecated na whisper-1) ang 98, na iba-iba ang accuracy.
  • Limit ng file. 25 MB ang cap ng upload sa OpenAI at 25 MiB sa BroadNet, kaya hatiin ang mahahabang tawag.
  • Retention. Kadalasang mas sensitibo ang audio kaysa text. Itanong kung itinatago ang audio at mga transcript; tingnan ang paghahambing ng data retention ng LLM API.

Saan pumapasok ang BroadNet Transcribe

$0.002 kada minuto ($0.12 kada oras) ang BroadNet Transcribe sa 14 na wika: Ingles, Espanyol, Pranses, Aleman, Italyano, Portuges, Griyego, Dutch, Polish, Chinese, Hapon, Koreano, Vietnamese at Arabic. $0.0042 kada minuto ang BroadNet Transcribe Arabic at ginawa ito para sa mga Arabic dialect; iniuulat ng BroadNet na ika-2 sa 37 (datos noong Setyembre 2026; sa live na ranggo noong Nobyembre 15, 2026, ika-4 sa 39 ito) ito sa Open Universal Arabic ASR Leaderboard. Pareho silang gumagamit ng OpenAI-compatible na /v1/audio/transcriptions endpoint, tumatanggap ng WAV o MP3 hanggang 25 MiB, at walang itinatagong audio o transcript (zero data retention). Sakop ng $5 na panimulang credit ang mga 1,190 minuto ng Arabic na audio; gumawa ng key para i-test ang sarili mong mga file.

Kung saan ito hindi bagay: walang nakalistang streaming transcription, built-in na diarization o redaction add-on ang BroadNet. Kung kailangan mo ng live caption o speaker label mula mismo sa API, parehong inaalok ng Deepgram, AssemblyAI at AWS ang mga iyon. May live transcription ang OpenAI, pero deprecated ang tanging model nito para sa speaker labelling. Ikumpara nang magkatabi ang dalawang BroadNet model sa comparison page, o tingnan ang lahat ng presyo sa pricing.

Mga tanong

Ano ang pinakamurang speech-to-text API?

Noong Nobyembre 2026, ang Whisper Large v3 Turbo ng Groq sa USD 0.04 kada oras ang pinakamababa sa table namin. Sumunod ang DeepSeek ASR sa USD 0.058 kada oras, pero habang tumatagal lang ang limited-time na 50% discount nito (walang ibinigay na petsa ng pagtatapos). Kasunod ang Soniox sa mga USD 0.10 kada oras (async), Groq Whisper Large v3 sa USD 0.111, DeepSeek ASR sa USD 0.116 na list price nito at BroadNet Transcribe sa $0.12 kada oras. Ang accuracy sa audio mo ang magpapasya kung sapat na ang mura.

Magkano ang OpenAI Whisper API kada minuto?

Nakalista sa OpenAI ang whisper-1 sa USD 0.006 kada minuto, kapareho ng gpt-4o-transcribe; USD 0.003 ang gpt-4o-mini-transcribe. Minarkahang deprecated ang tatlo sa pricing page nito, at sinasabi ng deprecations page nito na isasara sila sa Pebrero 26, 2027. Ang inirerekomenda nitong kapalit, ang gpt-transcribe, ay USD 0.0045 kada minuto (USD 0.27 kada oras). Sinuri noong 2026-11-15.

Magkano ang pag-transcribe ng 1,000 oras ng audio?

I-multiply ang presyo kada minuto sa 60,000. Sa USD 0.006 kada minuto, USD 360 iyon. Sa BroadNet Transcribe Arabic, $252.00.

Kasama na ba sa presyo ang speaker diarization?

Depende. Kasama ito sa Deepgram para sa pre-recorded na audio at sa standard na presyo ng AWS, may dagdag na singil kada oras sa AssemblyAI, at ang tanging diarization model ng OpenAI, ang gpt-4o-transcribe-diarize, ay deprecated at isasara sa Pebrero 26, 2027. I-check ito bago magkumpara ng base price.

Mas mahal ba ang streaming transcription kaysa batch?

Kadalasan. Nakalista sa AWS ang USD 0.006 kada minuto para sa batch at USD 0.01 para sa streaming, at mas mahal ang singil ng Deepgram sa streaming na Nova-3 kaysa sa pre-recorded.

Basahin bilang MarkdownTanungin ang ChatGPTTanungin ang ClaudeTanungin ang Perplexity