---
title: "Prezzi API speech-to-text a confronto, al minuto (2026)"
description: "Prezzi al minuto e per 1.000 ore di OpenAI, Google, AWS, Deepgram, AssemblyAI, Speechmatics, Groq e BroadNet Transcribe dalle pagine ufficiali, più i costi extra."
url: https://broadrouter.com/it/blog/speech-to-text-api-pricing-compared/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (aggiornato il 2026-11-15).

# Prezzi delle API speech-to-text a confronto: costo al minuto (2026)

A cura del team di BroadNet Inference · 7 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-15

A prezzo di listino, a novembre 2026 le API speech-to-text in batch costano all’incirca da 0,0007 a 0,016 USD al minuto di audio. Deepgram Nova-3 costa 0,0043 USD, l’attuale gpt-transcribe di OpenAI 0,0045 USD, AWS Transcribe 0,006 USD e Google V2 standard 0,016 USD. BroadNet Transcribe costa $0.002 al minuto in 14 lingue, e BroadNet Transcribe Arabic $0.0042.

## Punti chiave

-   I prezzi di listino della trascrizione in batch variano di oltre 20 volte, da circa 0,04 a 0,96 USD per ora di audio.
-   I costi extra cambiano la fattura: diarizzazione, oscuramento dei dati personali (PII) e streaming possono costare ciascuno di più.
-   Confronta per 1.000 ore, l’unità in cui si misura la maggior parte dei volumi, e includi i minimi di fatturazione.
-   BroadNet Transcribe costa $0.12 per ora di audio; BroadNet Transcribe Arabic costa $0.25, ovvero $252.00 per 1.000 ore.
-   Il prezzo è solo metà della decisione. Misura il word error rate sul tuo audio prima di cambiare.

**In questa pagina**

1.  Quanto costano le API speech-to-text al minuto e per 1.000 ore?
2.  Cosa lascia fuori il prezzo base?
3.  Quanto costa trascrivere 10.000 messaggi vocali al mese?
4.  Cosa conta oltre al prezzo?
5.  Dove si colloca BroadNet Transcribe

I prezzi dello speech-to-text sembrano semplici: un prezzo per minuto di audio. In pratica, i provider indicano il prezzo al minuto, all’ora o al secondo, separano il batch dallo streaming e vendono diarizzazione e oscuramento come extra. Questa pagina mette le principali API sulla stessa scala, con i prezzi che abbiamo rilevato dalla pagina ufficiale di ciascuna il **14 e 15 novembre 2026** (ogni fonte qui sotto riporta la sua data).

Tutti i prezzi sono di listino, a consumo, in dollari USA, per audio in batch (preregistrato) salvo diversa indicazione. Sconti per volume e contratti non sono inclusi.

## Quanto costano le API speech-to-text al minuto e per 1.000 ore?

| Provider e modello | Al minuto | All’ora | Per 1.000 ore |
| --- | --- | --- | --- |
| Groq, Whisper Large v3 Turbo | circa 0,00067 USD | 0,04 USD | 40 USD |
| DeepSeek ASR, prezzo a tempo limitato (50% in meno sul listino) | circa 0,00097 USD | 0,058 USD | 58 USD |
| Soniox, asincrono (fatturato per token; “about”, cioè circa, all’ora) | circa 0,00167 USD | circa 0,10 USD | circa 100 USD |
| Groq, Whisper Large v3 | circa 0,00185 USD | 0,111 USD | 111 USD |
| DeepSeek ASR, prezzo di listino | circa 0,00193 USD | 0,116 USD | 116 USD |
| [BroadNet Transcribe](https://broadrouter.com/it/models/cohere-transcribe/) (14 lingue) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | 0,0025 USD | 0,15 USD | 150 USD |
| OpenAI, gpt-4o-mini-transcribe (deprecato, dismesso il 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 lingue) | 0,004 USD | 0,24 USD | 240 USD |
| [BroadNet Transcribe Arabic](https://broadrouter.com/it/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 (deprecati, dismessi il 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 (primi 500.000 min) | 0,016 USD | 0,96 USD | 960 USD |

Le cifre all’ora e per 1.000 ore sono nostri calcoli a partire dal prezzo unitario pubblicato (al minuto x 60, poi x 1.000). Groq, DeepSeek, AssemblyAI e Speechmatics pubblicano prezzi all’ora; per la colonna al minuto li abbiamo divisi per 60. La [pagina dei prezzi](https://api-docs.deepseek.com/quick_start/pricing) di DeepSeek indica la sua API speech-to-text a 0,116 USD all’ora con uno sconto del 50% a tempo limitato senza data di fine, quindi fai il budget sul prezzo di listino. Le tariffe Speechmatics sono i suoi prezzi di listino per il preregistrato; la sua pagina dei prezzi può anche mostrarle con uno sconto del 33% per l’addestramento dei modelli e fino al 25% di sconto per volume, che portano Melia 1 a circa 0,12 USD all’ora. Lo sconto del 33% è su adesione volontaria, e aderendo consenti a Speechmatics di usare il tuo audio e le tue trascrizioni per migliorare i suoi modelli (FAQ della sua pagina dei prezzi, verificate il 2026-11-15).

Soniox, DeepSeek ASR e gli endpoint Whisper di Groq costano tutti meno all’ora di entrambi i modelli BroadNet. La [pagina dei prezzi](https://soniox.com/pricing) di Soniox, verificata il 2026-11-14, fattura per token (1,50 USD per 1M di token audio in input e 3,50 USD per 1M di token di testo in output in modalità asincrona) e dice che equivale ad “about” (traduzione: circa) 0,10 USD all’ora per i file caricati e 0,12 USD all’ora per lo streaming in tempo reale. Il suo [elenco delle lingue](https://docs.soniox.com/stt/concepts/supported-languages) comprende l’arabo tra oltre 60 lingue. Usa una propria API basata su job invece del formato `/v1/audio/transcriptions` di OpenAI, quindi passarci richiede nuovo codice client.

Un cambiamento da mettere in conto: la [pagina delle deprecazioni](https://developers.openai.com/api/docs/deprecations) di OpenAI, verificata il 2026-11-15, elenca `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` e `gpt-4o-transcribe-diarize` come deprecati (preavviso del 26 agosto 2026), con dismissione il 26 febbraio 2027 e `gpt-transcribe` o `gpt-live-transcribe` come sostituti. La sua pagina dei prezzi segna come deprecati gli stessi quattro modelli. Se oggi fai il preventivo di una pipeline OpenAI, calcolalo su `gpt-transcribe` a 0,0045 USD al minuto. All’ora costa più di entrambi i modelli BroadNet, ma OpenAI vende anche la trascrizione dal vivo (`gpt-live-transcribe`, 0,017 USD al minuto), che BroadNet non offre. Questa pagina confronta solo i prezzi; se stai abbandonando `whisper-1`, la [guida alle alternative all’API Whisper](https://broadrouter.com/it/blog/whisper-api-alternative/) spiega come provare un sostituto sul tuo audio e cosa si rompe nel passaggio. Per applicare i tuoi volumi a queste tariffe, usa il [calcolatore dei costi speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

Per il quadro completo, il nostro [indice aperto dei prezzi delle API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) elenca prezzi batch e streaming, scatti di fatturazione e supporto dell’arabo per oltre 20 prodotti, ciascuno verificato sulla pagina dei prezzi del provider (CSV e JSON).

## Cosa lascia fuori il prezzo base?

Il prezzo al minuto raramente è tutta la fattura. Verifica queste voci prima di confrontare:

| Voce | Cosa dicono le pagine |
| --- | --- |
| Diarizzazione dei parlanti | Deepgram: inclusa per il preregistrato, 0,0020 USD/min in più per lo streaming. AWS: inclusa nel prezzo standard. AssemblyAI: +0,02 USD/ora. OpenAI: modello separato `gpt-4o-transcribe-diarize` a 0,006 USD/min, deprecato e dismesso il 2027-02-26. |
| Oscuramento dei dati personali (PII) | Deepgram: 0,0020 USD/min. AWS: 0,0024 USD/min (fascia 1). AssemblyAI: oscuramento del testo +0,08 USD/ora su Universal-2 e +0,12 USD/ora su Universal-3.5 Pro; oscuramento dell’audio +0,05 USD/ora. |
| Streaming | AWS: 0,01 USD/min contro 0,006 USD in batch. Deepgram Nova-3 monolingue: 0,0048 USD in streaming (prezzo promozionale valido fino al 2027-02-13) contro 0,0043 USD per il preregistrato. Speechmatics Melia 1: 0,40 USD/ora in tempo reale contro 0,24 USD/ora per il preregistrato. |
| Minimo di fatturazione | Groq fattura almeno 10 secondi per richiesta. AWS fattura al secondo senza minimo. Google arrotonda ogni richiesta al secondo successivo. |
| Fasce di volume | Google V2 standard scende a 0,01 USD/min oltre i 500.000 minuti al mese, e ancora meno sopra 1 milione. Le tariffe standard batch e streaming di AWS ora sono fisse; le sue fasce di volume si applicano agli extra come l’oscuramento. |

Per un call center che ha bisogno di diarizzazione e oscuramento, Deepgram Nova-3 preregistrato diventa 0,0063 USD al minuto con l’oscuramento, e AWS diventa 0,0084 USD. Un prezzo base basso con extra costosi può perdere contro un prezzo base più alto che li include.

## Quanto costa trascrivere 10.000 messaggi vocali al mese?

Immagina che una casella di supporto riceva 10.000 messaggi vocali WhatsApp al mese, da 30 secondi ciascuno. Sono 5.000 minuti.

-   A 0,006 USD al minuto (AWS batch, o il deprecato whisper-1 di OpenAI): 30 USD.
-   A 0,0045 USD (OpenAI gpt-transcribe): 22,50 USD.
-   A 0,0043 USD (Deepgram Nova-3): 21,50 USD.
-   Con BroadNet Transcribe Arabic: $21.00.

Qui i minimi di fatturazione contano. Il minimo di 10 secondi di Groq non cambia il conto per questi vocali da 30 secondi, ma fattura un vocale «ok» di due secondi come se durasse 10 secondi. Con un minimo di 15 secondi, quel vocale di due secondi costa quanto uno di 15. Per il flusso completo dei messaggi vocali, vedi [messaggi vocali in testo per le aziende](https://broadrouter.com/it/blog/voice-notes-to-text-for-business/).

## Cosa conta oltre al prezzo?

Un modello più economico che sbaglia 1 parola su 5 costa più in correzioni manuali di quanto fa risparmiare. Prima di cambiare, misura il [word error rate](https://broadrouter.com/it/glossary/word-error-rate/) su 30-50 delle tue registrazioni per lingua. La nostra [guida alle alternative a Whisper](https://broadrouter.com/it/blog/whisper-api-alternative/) mostra come fare questo test in un pomeriggio, e la [guida all’acquisto di API speech-to-text per l’arabo](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/) spiega la valutazione dialetto per dialetto.

Altre domande che non riguardano il prezzo:

-   **Lingue.** BroadNet Transcribe copre 14 lingue ([elenco completo](https://broadrouter.com/it/blog/multilingual-speech-to-text-api/)); OpenAI dice che Whisper (il deprecato `whisper-1`) ne supporta 98, con accuratezza variabile.
-   **Limiti dei file.** OpenAI limita i caricamenti a 25 MB e BroadNet a 25 MiB, quindi dividi le chiamate lunghe.
-   **Conservazione.** L’audio è spesso più sensibile del testo. Chiedi se audio e trascrizioni vengono conservati; vedi [la conservazione dei dati nelle API LLM a confronto](https://broadrouter.com/it/blog/llm-api-data-retention-compared/).

## Dove si colloca BroadNet Transcribe

BroadNet Transcribe costa $0.002 al minuto ($0.12 all’ora) su 14 lingue: inglese, spagnolo, francese, tedesco, italiano, portoghese, greco, olandese, polacco, cinese, giapponese, coreano, vietnamita e arabo. BroadNet Transcribe Arabic costa $0.0042 al minuto ed è pensato per i dialetti arabi; BroadNet riporta che è #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nella Open Universal Arabic ASR Leaderboard. Entrambi usano l’endpoint `/v1/audio/transcriptions` compatibile con OpenAI, accettano WAV o MP3 fino a 25 MiB e non conservano né audio né trascrizioni ([zero data retention](https://broadrouter.com/it/privacy/)). Il credito iniziale di $5 copre circa 1,190 minuti di audio in arabo; [crea una chiave](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-speech-to-text-api-pricing-compared&utm_content=body) per provare i tuoi file.

Dove non è adatto: BroadNet non elenca trascrizione in streaming, diarizzazione integrata né extra di oscuramento. Se ti servono sottotitoli dal vivo o etichette dei parlanti direttamente dall’API, Deepgram, AssemblyAI e AWS offrono entrambi. OpenAI offre la trascrizione dal vivo, ma il suo unico modello con etichette dei parlanti è deprecato. Confronta i due modelli BroadNet affiancati nella [pagina di confronto](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/), oppure guarda tutti i prezzi in [prezzi](https://broadrouter.com/it/pricing/).

Strumenti gratuiti sul tema (in inglese)

-   [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.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

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

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

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

Lo streaming è un modo di restituire la risposta di un modello linguistico in piccoli pezzi mentre viene ancora generata, invece che in un’unica risposta alla fine. Le API compatibili con OpenAI trasmettono in streaming tramite server-sent event quando la richiesta imposta stream a true.

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

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Speaker diarization (diarizzazione del parlato)](https://broadrouter.com/it/glossary/diarization/)

La speaker diarization è il compito di dividere una registrazione audio in segmenti per parlante, rispondendo a "chi ha parlato e quando". Etichetta ogni tratto di parlato con un ID anonimo come SPEAKER\_00 e di solito si combina con una trascrizione per mostrare chi ha detto ogni battuta.

[Zero data retention (nessuna conservazione dei dati)](https://broadrouter.com/it/glossary/zero-data-retention/)

La zero data retention (ZDR) è una policy di gestione dei dati in cui un provider AI elabora prompt e output solo per servire una richiesta e poi non ne conserva il contenuto, né in log né in cache né in dati di addestramento. Di solito restano registri senza contenuti, come conteggi di token e tempi.

[PII (informazioni personali identificabili)](https://broadrouter.com/it/glossary/pii/)

I PII (personally identifiable information) sono informazioni che permettono di distinguere o rintracciare l’identità di una persona, come nome, numero identificativo o dato biometrico, più altre informazioni collegate o collegabili a essa. Il GDPR usa il termine più ampio dati personali. Con gli LLM, l’oscuramento dei PII li toglie dai prompt prima che escano dai tuoi sistemi.

[Word error rate (WER)](https://broadrouter.com/it/glossary/word-error-rate/)

Il word error rate (WER, tasso di errore sulle parole) è la misura standard di accuratezza del riconoscimento vocale: il numero di sostituzioni, cancellazioni e inserimenti di parole necessari per trasformare una trascrizione nel riferimento corretto, diviso per il numero di parole del riferimento. Più è basso, meglio è.

[AI multimodale (multimodal AI)](https://broadrouter.com/it/glossary/multimodal/)

L’AI multimodale è un modello o un sistema che lavora con più di un tipo di dato, come testo, immagini, video e audio. Un modello multimodale può leggere insieme una foto e una domanda, oppure ricevere parlato e rispondere in testo. Il tipo più comune è il modello vision-language.

## Domande frequenti

### Qual è l’API speech-to-text più economica?

A novembre 2026, Whisper Large v3 Turbo di Groq a 0,04 USD all’ora era il più basso della nostra tabella. Subito dopo veniva DeepSeek ASR a 0,058 USD all’ora, ma solo finché dura il suo sconto del 50% a tempo limitato (senza data di fine). Poi Soniox a circa 0,10 USD all’ora (asincrono), Groq Whisper Large v3 a 0,111 USD, DeepSeek ASR al prezzo di listino di 0,116 USD e BroadNet Transcribe a $0.12 all’ora. È l’accuratezza sul tuo audio a decidere se il prezzo basso basta.

### Quanto costa al minuto l’API Whisper di OpenAI?

OpenAI indica whisper-1 a 0,006 USD al minuto, come gpt-4o-transcribe; gpt-4o-mini-transcribe costa 0,003 USD. Tutti e tre sono segnati come deprecati nella sua pagina dei prezzi, e la pagina delle deprecazioni dice che verranno dismessi il 26 febbraio 2027. Il sostituto consigliato, gpt-transcribe, costa 0,0045 USD al minuto (0,27 USD all’ora). Verificato il 2026-11-15.

### Quanto costa trascrivere 1.000 ore di audio?

Moltiplica il prezzo al minuto per 60.000. A 0,006 USD al minuto fanno 360 USD. Con BroadNet Transcribe Arabic sono $252.00.

### La diarizzazione dei parlanti è inclusa nel prezzo?

Dipende. Deepgram la include per l’audio preregistrato e AWS nel prezzo standard, AssemblyAI la fa pagare a parte all’ora, e l’unico modello di diarizzazione di OpenAI, gpt-4o-transcribe-diarize, è deprecato e verrà dismesso il 26 febbraio 2027. Verificalo prima di confrontare i prezzi base.

### La trascrizione in streaming costa più di quella in batch?

Di solito sì. AWS indica 0,006 USD al minuto per il batch e 0,01 USD per lo streaming, e Deepgram fa pagare di più Nova-3 in streaming rispetto al preregistrato.

## Continua a leggere

-   [Alternative all’API Whisper: quando cambiare e come provarle](https://broadrouter.com/it/blog/whisper-api-alternative/)
-   [API speech-to-text per l’arabo: come sceglierla nel 2026](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Trascrivere le chiamate del call center: pipeline pronta per l’arabo](https://broadrouter.com/it/blog/transcribe-call-center-recordings/)
-   [Trascrivere i vocali per le aziende: da WhatsApp e Telegram ai ticket](https://broadrouter.com/it/blog/voice-notes-to-text-for-business/)
-   [Alternative ad Artificial Analysis: dove confrontare gli LLM nel 2026](https://broadrouter.com/it/blog/artificial-analysis-alternatives/)
-   [SLA delle API LLM: cosa promettono Azure, Bedrock, Google e OpenAI](https://broadrouter.com/it/blog/llm-api-sla-uptime-compared/)
-   [Guida: API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/)
-   [Guida: Trascrivere i vocali WhatsApp in testo con un’API](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

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

**Fonti**

-   [Prezzi dell’API di OpenAI, trascrizione (consultata il 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Deprecazioni di OpenAI, modelli speech-to-text (consultata il 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Prezzi di Google Cloud Speech-to-Text (consultata il 2026-11-14)](https://cloud.google.com/speech-to-text/pricing)
-   [Prezzi di Amazon Transcribe (consultata il 2026-11-14)](https://aws.amazon.com/transcribe/pricing/)
-   [Prezzi di Deepgram (consultata il 2026-11-14)](https://deepgram.com/pricing)
-   [Prezzi di AssemblyAI (consultata il 2026-11-14)](https://www.assemblyai.com/pricing)
-   [Prezzi di Speechmatics, con le FAQ sullo sconto per l’addestramento dei modelli (consultata il 2026-11-14; FAQ verificate il 2026-11-15)](https://www.speechmatics.com/pricing)
-   [Prezzi di Soniox (consultata il 2026-11-14)](https://soniox.com/pricing)
-   [Lingue supportate da Soniox (consultata il 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Prezzi dell’API di DeepSeek, speech-to-text (consultata il 2026-11-14)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Documentazione speech-to-text di Groq, prezzi di Whisper (consultata il 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine (pricing.json) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-speech-to-text-api-pricing-compared&utm_content=sources)
