L’API Whisper d’OpenAI est le point de départ de nombreuses équipes : un endpoint, un prix, des dizaines de langues. On cherche une alternative à l’API Whisper quand l’une de ces quatre choses arrive : la précision sur vos audios ne suffit pas, la facture grimpe avec le volume, votre équipe sécurité veut que moins de données soient conservées, ou le modèle que vous appelez est retiré. Cet article montre comment décider, et comment tester une alternative sans réécrire votre code.
L’API Whisper d’OpenAI va-t-elle être arrêtée ?
Oui, selon le calendrier actuel d’OpenAI. Sa page des abandons de modèles, vérifiée le 2026-11-15, déclare whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe et gpt-4o-transcribe-diarize obsolètes, avec un préavis donné le 26 août 2026 et un arrêt le 26 février 2027. Le remplaçant recommandé est gpt-transcribe (0,0045 USD la minute, soit 0,27 USD de l’heure) pour les fichiers, ou gpt-live-transcribe pour l’audio en direct. Sa page de tarifs marque les quatre mêmes modèles comme obsolètes, et son guide speech-to-text dit « Start with gpt-transcribe » (traduction : « Commencez par gpt-transcribe »). L’endpoint /v1/audio/translations est lui aussi obsolète. Vous allez donc retester vos audios sur un nouveau modèle de toute façon. C’est le bon moment pour comparer le remplaçant d’OpenAI avec d’autres fournisseurs sur les mêmes extraits.
Pour une vue d’ensemble, notre index ouvert des prix des API speech-to-text recense les prix en lot et en streaming, les incréments 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).
Pourquoi les équipes cherchent-elles une alternative à l’API Whisper ?
| Raison | Ce qu’il faut vérifier chez une alternative |
|---|---|
| Précision sur une langue ou un dialecte précis | Le taux d’erreur sur les mots publié sur un jeu de test pertinent, puis votre propre test |
| Prix à grand volume | Prix par heure d’audio et minimums de facturation |
| Conservation des données | Si l’audio et les transcriptions sont stockés, et combien de temps |
| Limites | Taille de fichier, formats, limites de débit |
| Fonctionnalités | Horodatages, diarisation (identification des locuteurs), prompts, streaming |
Le guide speech-to-text d’OpenAI indique « Whisper supports 98 languages, but accuracy varies by language » (traduction : « Whisper prend en charge 98 langues, mais la précision varie selon la langue »). C’est le point de départ honnête : la liste des langues vous dit ce qui est possible, pas ce qui est bon.
Quelles alternatives à l’API Whisper existent, et combien coûtent-elles ?
| Option | Prix (catalogue, nov. 2026) | Langues | Remarques |
|---|---|---|---|
API Whisper d’OpenAI (whisper-1) |
0,006 USD/min | 98 (précision variable) | Fichiers de 25 Mo ; prompts jusqu’à 224 tokens ; arrêt le 2027-02-26 |
OpenAI gpt-transcribe |
0,0045 USD/min (0,27 USD/heure) | Voir le guide d’OpenAI | Remplaçant recommandé par OpenAI ; le guide d’OpenAI ne montre les horodatages par mot que pour whisper-1 et l’identification des locuteurs que pour le modèle diarize obsolète |
| Groq, Whisper Large v3 | 0,111 USD/heure | Multilingue | Groq annonce 10,3 % de WER ; facturation minimale de 10 secondes |
| Groq, Whisper Large v3 Turbo | 0,04 USD/heure | Multilingue | Groq annonce 12 % de WER ; non entraîné pour la traduction |
| Soniox (asynchrone) | environ 0,10 USD/heure, facturé au token | Plus de 60, arabe inclus | API propre, à base de tâches, non compatible OpenAI ; temps réel à environ 0,12 USD/heure |
| Whisper auto-hébergé | Le coût de votre GPU | Comme Whisper | Licence MIT ; vous l’exploitez et le faites évoluer |
| BroadNet Transcribe | $0.002/min | 14 | Pas Whisper ; basé sur Cohere Transcribe |
| BroadNet Transcribe Arabic | $0.0042/min | Arabe | BroadNet indique #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026) sur l’Open Universal Arabic ASR Leaderboard |
Les prix et les chiffres de Groq ont été vérifiés sur les pages officielles le 2026-11-14 ; ceux d’OpenAI ont été revérifiés le 2026-11-15. gpt-transcribe d’OpenAI coûte plus cher à l’heure que les deux modèles de BroadNet. L’endpoint Turbo de Groq et Soniox coûtent tous deux moins cher à l’heure que BroadNet Transcribe ($0.12 de l’heure) ; Soniox demande un nouveau code client, car il n’utilise pas le format de requête d’OpenAI. Les WER de Groq sont ses propres chiffres publiés, pas un test sur un jeu commun avec les autres : ne les comparez donc pas directement avec ceux de BroadNet. Cette page traite du changement de fournisseur ; pour la liste complète des prix, y compris DeepSeek, AssemblyAI, Deepgram, Google, AWS et Speechmatics avec leurs options payantes, voir la comparaison des prix speech-to-text, et le calculateur de coûts speech-to-text chiffre vos propres heures mensuelles.
Que signifient vraiment les chiffres de précision ?
BroadNet publie trois WER pour BroadNet Transcribe Arabic dans son catalogue de modèles :
| Jeu de test | Type d’audio | WER |
|---|---|---|
| FLEURS-ar | Phrases lues, audio propre | 3,8 |
| MASC-ar | Arabe réel, varié | 21,1 |
| Jeu dialectal de BroadNet | Parole dialectale | 23,4 |
Sur les mêmes jeux MASC et dialectal, BroadNet indique pour Whisper large-v3 31,5 et 31,8, contre 21,1 et 23,4 pour son modèle arabe : environ un tiers d’erreurs en moins sur MASC et environ un quart en moins sur le jeu dialectal. C’est le propre test de BroadNet sur un concurrent : vérifiez-le donc sur vos audios. Sur l’Open Universal Arabic ASR Leaderboard public, qui utilise les mêmes jeux de test pour chaque entrée, Whisper large-v3 était n° 19 sur 39 le 15 novembre 2026 (WER moyen de 36,86), et Cohere Transcribe Arabic 07-2026, le modèle que BroadNet sert, était n° 4 (24,19).
C’est l’écart qui est instructif. Le même modèle est quasi parfait sur de la parole lue et nettement plus faible sur une conversation. Le WER mis en avant par un fournisseur vous dit comment il s’en est sorti sur l’audio de quelqu’un d’autre. Les dialectes sont traités en détail dans reconnaissance vocale des dialectes arabes.
Tester une alternative à Whisper en un après-midi
- Rassemblez 30 à 50 extraits par langue, issus du trafic réel : appels, messages vocaux, réunions. Retirez tout ce que vous n’avez pas le droit de partager.
- Rédigez à la main des transcriptions de référence pour 10 extraits par langue.
- Faites tourner les deux API sur les mêmes extraits. Avec des fournisseurs compatibles OpenAI, seuls le client et le modèle changent :
import os
from openai import OpenAI
whisper = OpenAI() # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
def run(client, model, path, lang):
with open(path, "rb") as f:
return client.audio.transcriptions.create(model=model, file=f, language=lang).text
hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar") # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
- Notez les deux avec la même normalisation, à l’aide de jiwer :
import re, jiwer
def norm(t):
t = re.sub(r"[ً-ْ]", "", t) # strip Arabic diacritics
t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي") # unify alef and yaa
return re.sub(r"[^\w\s]", "", t).lower().strip()
print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
- Lisez vous-même 20 transcriptions. Vérifiez les nombres, les noms et les termes produits. Un modèle peut gagner au WER et se tromper quand même sur le numéro de compte.
Quand vaut-il mieux héberger Whisper soi-même ?
Le code et les poids de Whisper sont sous licence MIT : l’exploiter vous-même est toujours possible. Cela a du sens quand :
- l’audio ne doit pas quitter votre réseau, pour des raisons légales ou contractuelles ;
- votre volume occupe un GPU la majeure partie de la journée, si bien que vous ne payez pas d’heures d’inactivité ;
- vous devez faire du fine-tuning sur votre propre vocabulaire ou votre accent.
Cela coûte plus cher qu’il n’y paraît quand le trafic est irrégulier, quand il faut une haute disponibilité sur plusieurs machines, ou quand personne dans l’équipe ne veut gérer les pilotes GPU et les mises à jour (le calcul du seuil de rentabilité des GPU). Le README d’openai/whisper précise aussi que le modèle turbo n’est pas entraîné pour la traduction. Une API hébergée transforme ces problèmes en un prix à la minute ; c’est pourquoi la plupart des équipes commencent par là et n’hébergent elles-mêmes qu’une fois le volume et les exigences clarifiés.
Checklist de migration
Changer l’URL de base est la partie facile. Avant de basculer le trafic :
- Formats. OpenAI accepte flac, mp3, mp4, m4a, ogg, wav et webm. BroadNet accepte WAV et MP3 : convertissez d’abord les
.ogget.m4aavec ffmpeg. Pour les enregistrements dans le navigateur, voir enregistrer de l’audio dans le navigateur et l’envoyer à une API speech-to-text. - Taille de fichier. OpenAI limite les envois à 25 Mo ; BroadNet à 26 214 400 octets (25 Mio).
- Champ de langue. Envoyez-le toujours. Chez BroadNet, de l’arabe sans
language=arpeut revenir en caractères latins. - Paramètres optionnels. Si vous comptez sur
prompt,verbose_jsonou les horodatages par mot, vérifiez que l’alternative les prend en charge. La documentation de BroadNet décrit une réponse JSON avectext. - Limites de débit. Les clés BroadNet en paiement à l’usage autorisent 30 requêtes par minute et 4 simultanées.
La version générale de cette liste est la checklist de migration vers une API compatible OpenAI.
La place de BroadNet Transcribe
Choisissez BroadNet quand la précision en arabe compte, quand vous voulez que l’audio et les transcriptions ne soient pas conservés (conservation zéro des données), ou quand $0.002 la minute dans 14 langues bat votre facture actuelle. Le crédit de départ de $5 couvre environ 1,190 minutes d’audio en arabe, assez pour faire le test ci-dessus ; obtenez une clé sur BroadNet Inference. Le guide speech-to-text pour l’arabe contient des exemples curl et Python.
Restez sur les modèles de remplacement d’OpenAI, ou chez un autre fournisseur, si vous avez besoin de l’une des nombreuses langues que BroadNet ne liste pas, de la traduction vocale, de la transcription en direct, ou des prompts et indications de mots-clés (le guide d’OpenAI les documente pour gpt-transcribe). Pour traduire en anglais des enregistrements en arabe à partir de fichiers, un pipeline en deux étapes fonctionne aussi : voir traduire de l’audio arabe en anglais. Pour le prix le plus bas en anglais, les endpoints hébergés de Whisper Turbo coûtent moins cher à l’heure.
