---
title: "Tarifs des API speech-to-text à la minute (2026) | BroadRouter"
description: "Prix à la minute et pour 1 000 heures d’OpenAI, Google, AWS, Deepgram, AssemblyAI, Speechmatics, Groq et BroadNet Transcribe, d’après leurs pages, options comprises."
url: https://broadrouter.com/fr/blog/speech-to-text-api-pricing-compared/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (mis à jour le 2026-11-15).

# Prix des API speech-to-text comparés : tarif à la minute en 2026

Par l’équipe BroadNet Inference · 7 min de lecture · Publié 2026-11-14 · Mis à jour 2026-11-15

Les API speech-to-text en mode batch coûtent environ 0,0007 à 0,016 USD par minute d’audio au prix catalogue en novembre 2026. Deepgram Nova-3 facture 0,0043 USD, l’actuel gpt-transcribe d’OpenAI 0,0045 USD, AWS Transcribe 0,006 USD et Google V2 standard 0,016 USD. BroadNet Transcribe coûte $0.002 la minute en 14 langues, et BroadNet Transcribe Arabic $0.0042.

## À retenir

-   Les prix catalogue de la transcription batch varient d’un facteur de plus de 20, d’environ 0,04 USD à 0,96 USD par heure d’audio.
-   Les options changent la facture : la diarisation (identification des locuteurs), le masquage des données personnelles et le streaming peuvent chacun coûter en plus.
-   Comparez pour 1 000 heures, l’unité dans laquelle se mesure l’essentiel du volume, et tenez compte des minimums de facturation.
-   BroadNet Transcribe coûte $0.12 par heure d’audio ; BroadNet Transcribe Arabic coûte $0.25, soit $252.00 pour 1 000 heures.
-   Le prix n’est que la moitié de la décision. Mesurez le taux d’erreur sur les mots avec votre propre audio avant de changer.

**Sur cette page**

1.  Combien coûtent les API speech-to-text à la minute et pour 1 000 heures ?
2.  Que laisse de côté le prix de base ?
3.  Combien coûte la transcription de 10 000 messages vocaux par mois ?
4.  Qu’est-ce qui compte en dehors du prix ?
5.  La place de BroadNet Transcribe

Le prix du speech-to-text semble simple : un tarif par minute d’audio. En pratique, les fournisseurs affichent leurs prix à la minute, à l’heure ou à la seconde, séparent le batch du streaming, et vendent la diarisation et le masquage en options. Cette page ramène les principales API à la même échelle, avec des prix relevés sur la page officielle de chacune les **14 et 15 novembre 2026** (chaque source ci-dessous indique sa date).

Tous les prix sont des prix catalogue, en paiement à l’usage, en dollars américains, pour de l’audio batch (préenregistré) sauf mention contraire. Les remises sur volume et les contrats ne sont pas pris en compte.

## Combien coûtent les API speech-to-text à la minute et pour 1 000 heures ?

| Fournisseur et modèle | Par minute | Par heure | Pour 1 000 heures |
| --- | --- | --- | --- |
| Groq, Whisper Large v3 Turbo | environ 0,00067 USD | 0,04 USD | 40 USD |
| DeepSeek ASR, prix temporaire (50 % sous le prix catalogue) | environ 0,00097 USD | 0,058 USD | 58 USD |
| Soniox, asynchrone (facturé au token ; « environ » à l’heure) | environ 0,00167 USD | environ 0,10 USD | environ 100 USD |
| Groq, Whisper Large v3 | environ 0,00185 USD | 0,111 USD | 111 USD |
| DeepSeek ASR, prix catalogue | environ 0,00193 USD | 0,116 USD | 116 USD |
| [BroadNet Transcribe](https://broadrouter.com/fr/models/cohere-transcribe/) (14 langues) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | 0,0025 USD | 0,15 USD | 150 USD |
| OpenAI, gpt-4o-mini-transcribe (déprécié, arrêt le 2027-02-26) | 0,003 USD | 0,18 USD | 180 USD |
| Google, V2 dynamic batch | 0,003 USD | 0,18 USD | 180 USD |
| AssemblyAI, Universal-3.5 Pro | 0,0035 USD | 0,21 USD | 210 USD |
| Speechmatics, Melia 1 multilingue (56 langues) | 0,004 USD | 0,24 USD | 240 USD |
| [BroadNet Transcribe Arabic](https://broadrouter.com/fr/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | $252.00 |
| Deepgram, Nova-3 monolingue | 0,0043 USD | 0,258 USD | 258 USD |
| OpenAI, gpt-transcribe | 0,0045 USD | 0,27 USD | 270 USD |
| Deepgram, Nova-3 multilingue | 0,0052 USD | 0,312 USD | 312 USD |
| OpenAI, whisper-1 / gpt-4o-transcribe (dépréciés, arrêt le 2027-02-26) | 0,006 USD | 0,36 USD | 360 USD |
| AWS Transcribe, batch (US East) | 0,006 USD | 0,36 USD | 360 USD |
| Speechmatics, Standard | 0,0075 USD | 0,45 USD | 450 USD |
| Speechmatics, Enhanced | 0,0125 USD | 0,75 USD | 750 USD |
| Google, V2 standard (500 000 premières minutes) | 0,016 USD | 0,96 USD | 960 USD |

Les chiffres à l’heure et pour 1 000 heures sont nos propres calculs à partir du prix unitaire publié (par minute × 60, puis × 1 000). Groq, DeepSeek, AssemblyAI et Speechmatics publient des prix à l’heure ; nous les avons divisés par 60 pour la colonne à la minute. La [page des tarifs](https://api-docs.deepseek.com/quick_start/pricing) de DeepSeek affiche son API speech-to-text à 0,116 USD de l’heure avec une remise temporaire de 50 %, sans date de fin : budgétez donc au prix catalogue. Les tarifs de Speechmatics sont ses prix catalogue pour l’audio préenregistré ; sa page de tarifs peut aussi les afficher avec une remise de 33 % contre l’entraînement des modèles et jusqu’à 25 % de remise sur volume, ce qui ramène Melia 1 à environ 0,12 USD de l’heure. La remise de 33 % est facultative : en y adhérant, vous autorisez Speechmatics à utiliser votre audio et vos transcriptions pour améliorer ses modèles (FAQ de sa page de tarifs, vérifiée le 2026-11-15).

Soniox, DeepSeek ASR et les endpoints Whisper de Groq coûtent tous moins cher à l’heure que les deux modèles BroadNet. La [page des tarifs](https://soniox.com/pricing) de Soniox, vérifiée le 2026-11-14, facture au token (1,50 USD par million de tokens audio en entrée et 3,50 USD par million de tokens texte en sortie en asynchrone) et indique que cela revient à « about » (traduction : « environ ») 0,10 USD de l’heure pour les fichiers envoyés et 0,12 USD de l’heure pour le streaming en temps réel. Sa [liste de langues](https://docs.soniox.com/stt/concepts/supported-languages) inclut l’arabe parmi plus de 60 langues. Soniox utilise sa propre API fondée sur des jobs plutôt que le format OpenAI `/v1/audio/transcriptions` : y passer demande donc du nouveau code client.

Un changement à anticiper : la [page des dépréciations](https://developers.openai.com/api/docs/deprecations) d’OpenAI, vérifiée le 2026-11-15, liste `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` et `gpt-4o-transcribe-diarize` comme dépréciés (annonce du 26 août 2026), avec un arrêt le 26 février 2027 et `gpt-transcribe` ou `gpt-live-transcribe` comme remplaçants. Sa page de tarifs marque les mêmes quatre modèles comme dépréciés. Si vous chiffrez aujourd’hui un pipeline OpenAI, chiffrez-le sur `gpt-transcribe` à 0,0045 USD la minute. C’est plus cher à l’heure que les deux modèles BroadNet, mais OpenAI vend aussi la transcription en direct (`gpt-live-transcribe`, 0,017 USD la minute), ce que BroadNet ne propose pas. Cette page ne compare que les prix ; si vous quittez `whisper-1`, le [guide des alternatives à l’API Whisper](https://broadrouter.com/fr/blog/whisper-api-alternative/) explique comment tester un remplaçant sur votre propre audio et ce qui casse lors du changement. Pour appliquer ces tarifs à vos propres volumes, utilisez le [calculateur de coût speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

Pour une vue complète, notre [indice ouvert des prix des API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) liste les prix batch et streaming, les paliers de facturation et la prise en charge de l’arabe pour plus de 20 produits, chacun vérifié sur la page de tarifs du fournisseur (CSV et JSON).

## Que laisse de côté le prix de base ?

Le prix à la minute est rarement toute la facture. Vérifiez ces points avant de comparer :

| Poste | Ce que disent les pages |
| --- | --- |
| Diarisation des locuteurs | Deepgram : incluse pour le préenregistré, 0,0020 USD/min en plus en streaming. AWS : incluse dans le prix standard. AssemblyAI : +0,02 USD/h. OpenAI : modèle distinct `gpt-4o-transcribe-diarize` à 0,006 USD/min, déprécié, arrêt le 2027-02-26. |
| Masquage des données personnelles (PII) | Deepgram : 0,0020 USD/min. AWS : 0,0024 USD/min (palier 1). AssemblyAI : masquage du texte +0,08 USD/h sur Universal-2 et +0,12 USD/h sur Universal-3.5 Pro ; masquage de l’audio +0,05 USD/h. |
| Streaming | AWS : 0,01 USD/min contre 0,006 USD en batch. Deepgram Nova-3 monolingue : 0,0048 USD en streaming (prix promotionnel valable jusqu’au 2027-02-13) contre 0,0043 USD en préenregistré. Speechmatics Melia 1 : 0,40 USD/h en temps réel contre 0,24 USD/h en préenregistré. |
| Minimum de facturation | Groq facture au moins 10 secondes par requête. AWS facture à la seconde sans minimum. Google arrondit chaque requête à la seconde supérieure. |
| Paliers de volume | Google V2 standard descend à 0,01 USD/min au-delà de 500 000 minutes par mois, et plus bas au-delà de 1 million. Chez AWS, le batch et le streaming standard sont désormais à tarif fixe ; ses paliers de volume s’appliquent aux options comme le masquage. |

Pour un centre d’appels qui a besoin de diarisation et de masquage, Deepgram Nova-3 en préenregistré passe à 0,0063 USD la minute avec masquage, et AWS à 0,0084 USD. Un prix de base bas avec des options chères peut perdre face à un prix de base plus élevé qui les inclut.

## Combien coûte la transcription de 10 000 messages vocaux par mois ?

Imaginons une boîte de support qui reçoit 10 000 messages vocaux WhatsApp par mois, de 30 secondes chacun. Cela fait 5 000 minutes.

-   À 0,006 USD la minute (AWS batch, ou whisper-1 d’OpenAI, déprécié) : 30 USD.
-   À 0,0045 USD (OpenAI gpt-transcribe) : 22,50 USD.
-   À 0,0043 USD (Deepgram Nova-3) : 21,50 USD.
-   Avec BroadNet Transcribe Arabic : $21.00.

Les minimums de facturation comptent ici. Le minimum de 10 secondes de Groq ne change rien pour ces messages de 30 secondes, mais il facture un message « ok » de deux secondes comme 10 secondes. Avec un minimum de 15 secondes, ce message de deux secondes coûte autant qu’un message de 15 secondes. Pour tout le flux de travail des messages vocaux, voir [transformer des messages vocaux en texte pour les entreprises](https://broadrouter.com/fr/blog/voice-notes-to-text-for-business/).

## Qu’est-ce qui compte en dehors du prix ?

Un modèle moins cher qui se trompe sur un mot sur cinq coûte plus en correction humaine qu’il ne fait économiser. Avant de changer, mesurez le [taux d’erreur sur les mots](https://broadrouter.com/fr/glossary/word-error-rate/) sur 30 à 50 de vos propres enregistrements par langue. Notre [guide des alternatives à Whisper](https://broadrouter.com/fr/blog/whisper-api-alternative/) montre comment faire ce test en un après-midi, et le [guide d’achat des API speech-to-text pour l’arabe](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/) couvre l’évaluation dialecte par dialecte.

Autres questions hors prix :

-   **Langues.** BroadNet Transcribe couvre 14 langues ([liste complète](https://broadrouter.com/fr/blog/multilingual-speech-to-text-api/)) ; OpenAI indique que Whisper (le `whisper-1` déprécié) en prend en charge 98, avec une précision variable.
-   **Taille des fichiers.** OpenAI plafonne les envois à 25 MB et BroadNet à 25 MiB : découpez les longs appels.
-   **Conservation.** L’audio est souvent plus sensible que le texte. Demandez si l’audio et les transcriptions sont stockés ; voir [la conservation des données des API LLM comparée](https://broadrouter.com/fr/blog/llm-api-data-retention-compared/).

## La place de BroadNet Transcribe

BroadNet Transcribe coûte $0.002 la minute ($0.12 de l’heure) dans 14 langues : anglais, espagnol, français, allemand, italien, portugais, grec, néerlandais, polonais, chinois, japonais, coréen, vietnamien et arabe. BroadNet Transcribe Arabic coûte $0.0042 la minute et est conçu pour les dialectes arabes ; son classement sur l’Open Universal Arabic ASR Leaderboard, selon BroadNet : #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026). Les deux utilisent l’endpoint compatible OpenAI `/v1/audio/transcriptions`, acceptent le WAV ou le MP3 jusqu’à 25 MiB et ne conservent ni audio ni transcription ([conservation zéro des données](https://broadrouter.com/fr/privacy/)). Le crédit de départ de $5 couvre environ 1,190 minutes d’audio en arabe ; [créez une clé](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-speech-to-text-api-pricing-compared&utm_content=body) pour tester vos propres fichiers.

Là où il ne convient pas : BroadNet ne liste ni transcription en streaming, ni diarisation intégrée, ni option de masquage. S’il vous faut des sous-titres en direct ou l’identification des locuteurs directement depuis l’API, Deepgram, AssemblyAI et AWS proposent les deux. OpenAI propose la transcription en direct, mais son seul modèle d’identification des locuteurs est déprécié. Comparez les deux modèles BroadNet côte à côte sur la [page de comparaison](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/), ou consultez tous les prix sur la [page des tarifs](https://broadrouter.com/fr/pricing/).

Outils gratuits sur ce sujet (en anglais)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Speech-to-text (reconnaissance vocale)](https://broadrouter.com/fr/glossary/speech-to-text/)

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

[Streaming](https://broadrouter.com/fr/glossary/streaming/)

Le streaming est une manière de renvoyer la réponse d’un modèle de langage par petits chunks pendant sa génération, plutôt qu’en un seul bloc à la fin. Les API compatibles OpenAI streament via des server-sent events quand la requête règle stream sur true.

[Diarisation du locuteur (speaker diarization)](https://broadrouter.com/fr/glossary/diarization/)

La diarisation du locuteur consiste à découper un enregistrement audio en segments par locuteur, pour répondre à la question « qui parle quand ». Elle attribue à chaque passage de parole un identifiant anonyme comme SPEAKER\_00 et se combine généralement avec une transcription pour montrer qui a dit chaque ligne.

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/)

Une API compatible OpenAI est une API HTTP qui accepte les mêmes formats de requête et de réponse que l’API OpenAI, comme POST /v1/chat/completions. Les SDK et outils OpenAI peuvent donc l’utiliser en changeant seulement l’URL de base, la clé d’API et le nom du modèle.

[PII (données d’identification personnelle)](https://broadrouter.com/fr/glossary/pii/)

Les PII (personally identifiable information) sont les informations permettant de distinguer ou de retrouver l’identité d’une personne, comme un nom, un numéro d’identité ou des données biométriques, et toute information qui lui est liée ou rattachable. Le RGPD parle plus largement de données personnelles. Avec les LLM, le masquage des PII les retire des prompts avant qu’ils quittent vos systèmes.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Arabe dialectal (dialectal Arabic)](https://broadrouter.com/fr/glossary/dialectal-arabic/)

L’arabe dialectal est l’arabe parlé au quotidien dans une région ou une ville, comme l’égyptien, l’arabe du Golfe, le levantin ou le maghrébin. Les dialectes diffèrent de l’arabe standard moderne par les sons, les mots et la grammaire, n’ont pas d’orthographe standard et s’écrivent de plus en plus en ligne, ce qui complique la tâche des modèles de langage.

## Questions fréquentes

### Quelle est l’API speech-to-text la moins chère ?

En novembre 2026, Whisper Large v3 Turbo chez Groq, à 0,04 USD de l’heure, était le moins cher de notre tableau. Venait ensuite DeepSeek ASR à 0,058 USD de l’heure, mais seulement tant que dure sa remise temporaire de 50 % (sans date de fin annoncée). Suivaient Soniox à environ 0,10 USD de l’heure (asynchrone), Groq Whisper Large v3 à 0,111 USD, DeepSeek ASR à son prix catalogue de 0,116 USD et BroadNet Transcribe à $0.12 de l’heure. C’est la précision sur votre audio qui dit si le moins cher suffit.

### Combien coûte l’API Whisper d’OpenAI à la minute ?

OpenAI affiche whisper-1 à 0,006 USD la minute, comme gpt-4o-transcribe ; gpt-4o-mini-transcribe coûte 0,003 USD. Les trois sont marqués comme dépréciés sur sa page de tarifs, et sa page des dépréciations indique leur arrêt le 26 février 2027. Le remplaçant recommandé, gpt-transcribe, coûte 0,0045 USD la minute (0,27 USD de l’heure). Vérifié le 2026-11-15.

### Combien coûte la transcription de 1 000 heures d’audio ?

Multipliez le prix à la minute par 60 000. À 0,006 USD la minute, cela fait 360 USD. Avec BroadNet Transcribe Arabic, c’est $252.00.

### La diarisation des locuteurs est-elle incluse dans le prix ?

Cela dépend. Deepgram l’inclut pour l’audio préenregistré et AWS dans son prix standard, AssemblyAI la facture en supplément à l’heure, et le seul modèle de diarisation d’OpenAI, gpt-4o-transcribe-diarize, est déprécié et sera arrêté le 26 février 2027. Vérifiez avant de comparer les prix de base.

### La transcription en streaming coûte-t-elle plus cher que le batch ?

En général, oui. AWS affiche 0,006 USD la minute en batch et 0,01 USD en streaming, et Deepgram facture plus cher Nova-3 en streaming qu’en préenregistré.

## À lire ensuite

-   [Alternative à l’API Whisper : quand changer et comment tester](https://broadrouter.com/fr/blog/whisper-api-alternative/)
-   [API speech-to-text pour l’arabe : comment la choisir en 2026](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Transcrire les enregistrements d’un centre d’appels, arabe compris](https://broadrouter.com/fr/blog/transcribe-call-center-recordings/)
-   [Messages vocaux en texte : de WhatsApp et Telegram aux tickets](https://broadrouter.com/fr/blog/voice-notes-to-text-for-business/)
-   [Alternatives à Artificial Analysis : où comparer les LLM en 2026](https://broadrouter.com/fr/blog/artificial-analysis-alternatives/)
-   [SLA des API LLM : ce que promettent Azure, Bedrock, Google et OpenAI](https://broadrouter.com/fr/blog/llm-api-sla-uptime-compared/)
-   [Guide : API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/)
-   [Guide : Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-speech-to-text-api-pricing-compared&utm_content=page-cta) ·

**Sources**

-   [Tarifs de l’API OpenAI, transcription (consultés le 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Dépréciations OpenAI, modèles speech-to-text (consultées le 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Tarifs de Google Cloud Speech-to-Text (consultés le 2026-11-14)](https://cloud.google.com/speech-to-text/pricing)
-   [Tarifs d’Amazon Transcribe (consultés le 2026-11-14)](https://aws.amazon.com/transcribe/pricing/)
-   [Tarifs de Deepgram (consultés le 2026-11-14)](https://deepgram.com/pricing)
-   [Tarifs d’AssemblyAI (consultés le 2026-11-14)](https://www.assemblyai.com/pricing)
-   [Tarifs de Speechmatics, avec la FAQ sur la remise pour entraînement des modèles (consultés le 2026-11-14 ; FAQ vérifiée le 2026-11-15)](https://www.speechmatics.com/pricing)
-   [Tarifs de Soniox (consultés le 2026-11-14)](https://soniox.com/pricing)
-   [Langues prises en charge par Soniox (consultées le 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Tarifs de l’API DeepSeek, speech-to-text (consultés le 2026-11-14)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Doc speech-to-text de Groq, prix de Whisper (consultée le 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Prix de BroadNet Inference lisibles par machine (pricing.json) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-speech-to-text-api-pricing-compared&utm_content=sources)
