L’API Whisper di OpenAI è il punto di partenza di molti team: un endpoint, un prezzo, decine di lingue. Si cerca un’alternativa all’API Whisper quando succede una di queste quattro cose: l’accuratezza sul tuo audio non basta, la fattura cresce con i volumi, il team di sicurezza vuole che si conservino meno dati, oppure il modello che chiami sta per essere ritirato. Questo articolo spiega come decidere e come provare un’alternativa senza riscrivere il codice.
L’API Whisper di OpenAI sta per essere ritirata?
Sì, secondo il calendario attuale di OpenAI. La sua pagina delle deprecazioni, verificata il 2026-11-15, indica come deprecati whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe e gpt-4o-transcribe-diarize, con preavviso dato il 26 agosto 2026 e dismissione il 26 febbraio 2027. Il sostituto consigliato è gpt-transcribe (0,0045 USD al minuto, cioè 0,27 USD all’ora) per i file, oppure gpt-live-transcribe per l’audio dal vivo. La sua pagina dei prezzi segna come deprecati gli stessi quattro modelli, e la guida allo speech-to-text dice “Start with gpt-transcribe” (traduzione: inizia con gpt-transcribe). Anche l’endpoint /v1/audio/translations è deprecato. In ogni caso dovrai quindi riprovare il tuo audio su un nuovo modello. È il momento giusto per confrontare il sostituto di OpenAI con altri provider sulle stesse clip.
Per il quadro completo, il nostro indice aperto dei prezzi delle API speech-to-text riporta prezzi batch e in streaming, scatti di fatturazione e supporto per l’arabo di oltre 20 prodotti, ognuno verificato sulla pagina dei prezzi del provider (CSV e JSON).
Perché i team cercano un’alternativa all’API Whisper?
| Motivo | Che cosa verificare nell’alternativa |
|---|---|
| Accuratezza su una lingua o un dialetto specifico | Word error rate pubblicato su un test set pertinente, poi un tuo test |
| Prezzo ad alti volumi | Prezzo per ora di audio e minimi di fatturazione |
| Conservazione dei dati | Se audio e trascrizioni vengono salvati, e per quanto tempo |
| Limiti | Dimensione dei file, formati, rate limit |
| Funzionalità | Timestamp, diarizzazione, prompt, streaming |
La guida allo speech-to-text di OpenAI dice “Whisper supports 98 languages, but accuracy varies by language” (traduzione: Whisper supporta 98 lingue, ma l’accuratezza varia da lingua a lingua). È il punto di partenza onesto: l’elenco delle lingue ti dice che cosa è possibile, non che cosa funziona bene.
Quali alternative all’API Whisper esistono, e quanto costano?
| Opzione | Prezzo (listino, nov. 2026) | Lingue | Note |
|---|---|---|---|
API Whisper di OpenAI (whisper-1) |
0,006 USD/min | 98 (accuratezza variabile) | File da 25 MB; prompt fino a 224 token; dismissione il 2027-02-26 |
OpenAI gpt-transcribe |
0,0045 USD/min (0,27 USD/ora) | Vedi la guida di OpenAI | Sostituto consigliato da OpenAI; la guida di OpenAI mostra i timestamp per parola solo per whisper-1 e le etichette degli speaker solo per il modello diarize deprecato |
| Groq, Whisper Large v3 | 0,111 USD/ora | Multilingue | Groq dichiara un WER del 10,3%; fatturazione minima di 10 secondi |
| Groq, Whisper Large v3 Turbo | 0,04 USD/ora | Multilingue | Groq dichiara un WER del 12%; non addestrato per la traduzione |
| Soniox (asincrono) | circa 0,10 USD/ora, fatturato per token | Oltre 60, arabo incluso | API propria basata su job, non compatibile con OpenAI; in tempo reale circa 0,12 USD/ora |
| Whisper in self-hosting | Il costo delle tue GPU | Come Whisper | Licenza MIT; lo gestisci e lo scali tu |
| BroadNet Transcribe | $0.002/min | 14 | Non è Whisper; basato su Cohere Transcribe |
| BroadNet Transcribe Arabic | $0.0042/min | Arabo | BroadNet riporta #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) sull’Open Universal Arabic ASR Leaderboard |
Prezzi e dati di Groq sono stati verificati sulle pagine ufficiali il 2026-11-14; quelli di OpenAI sono stati ricontrollati il 2026-11-15. gpt-transcribe di OpenAI costa all’ora più di entrambi i modelli BroadNet. L’endpoint Turbo di Groq e Soniox costano entrambi all’ora meno di BroadNet Transcribe ($0.12 all’ora); Soniox richiede nuovo codice client perché non usa il formato di richiesta di OpenAI. I WER di Groq sono numeri pubblicati da Groq stessa, non un test sullo stesso set degli altri, quindi non confrontarli direttamente con quelli di BroadNet. Questa pagina parla di come cambiare provider; per il listino completo, con DeepSeek, AssemblyAI, Deepgram, Google, AWS e Speechmatics e i prezzi dei loro extra, vedi il confronto dei prezzi delle API speech-to-text, mentre il calcolatore dei costi speech-to-text calcola il prezzo delle tue ore mensili.
Che cosa significano davvero i numeri sull’accuratezza?
BroadNet pubblica tre valori di WER per BroadNet Transcribe Arabic nel suo catalogo dei modelli:
| Test set | Tipo di audio | WER |
|---|---|---|
| FLEURS-ar | Frasi lette, audio pulito | 3,8 |
| MASC-ar | Arabo reale misto | 21,1 |
| Set dialettale di BroadNet | Parlato dialettale | 23,4 |
Sugli stessi set MASC e dialettale, BroadNet riporta per Whisper large-v3 valori di 31,5 e 31,8, contro 21,1 e 23,4 del suo modello per l’arabo: circa un terzo di errori in meno su MASC e circa un quarto in meno sul set dialettale. È un test di BroadNet su un concorrente, quindi verificalo sul tuo audio. Sul Open Universal Arabic ASR Leaderboard pubblico, che usa gli stessi test set per ogni modello, il 15 novembre 2026 Whisper large-v3 era n. 19 su 39 (WER medio 36,86), e Cohere Transcribe Arabic 07-2026, il modello servito da BroadNet, era n. 4 (24,19).
La lezione sta nella forbice. Lo stesso modello è quasi perfetto sul parlato letto e molto più debole sulla conversazione. Il WER di punta di qualsiasi provider ti dice come è andato sull’audio di qualcun altro. I dialetti sono trattati in dettaglio in riconoscimento vocale dei dialetti arabi.
Come provare un’alternativa a Whisper in un pomeriggio
- Raccogli da 30 a 50 clip per lingua dal traffico reale: chiamate, messaggi vocali, riunioni. Togli tutto quello che non puoi condividere.
- Scrivi a mano le trascrizioni di riferimento per 10 clip per lingua.
- Esegui entrambe le API sulle stesse clip. Con i provider compatibili con OpenAI cambiano solo client e modello:
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")
- Calcola il punteggio con la stessa normalizzazione per entrambe, usando 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)))
- Leggi tu stesso 20 trascrizioni. Controlla numeri, nomi e termini di prodotto. Un modello può vincere sul WER e sbagliare comunque il numero di conto.
Quando conviene ospitare Whisper in proprio?
Codice e pesi di Whisper sono sotto licenza MIT, quindi eseguirlo in proprio è sempre un’opzione. Ha senso quando:
- L’audio non può uscire dalla tua rete, per motivi legali o contrattuali.
- I tuoi volumi tengono una GPU occupata per gran parte della giornata, così non paghi ore di inattività.
- Ti serve un fine-tune sul tuo vocabolario o sul tuo accento.
Costa più di quanto sembri quando il traffico è a picchi, quando ti serve alta disponibilità su più macchine o quando nessuno nel team vuole occuparsi di driver GPU e aggiornamenti (i conti del pareggio sulle GPU). Il README di openai/whisper precisa anche che il modello turbo non è addestrato per la traduzione. Un’API ospitata trasforma questi problemi in un prezzo al minuto, ed è per questo che la maggior parte dei team parte da lì e passa al self-hosting solo quando volumi e requisiti sono chiari.
Checklist per la migrazione
Cambiare la base URL è la parte facile. Prima di spostare il traffico:
- Formati. OpenAI accetta flac, mp3, mp4, m4a, ogg, wav e webm. BroadNet accetta WAV e MP3, quindi converti prima i file
.ogge.m4acon ffmpeg. Per le registrazioni dal browser, vedi registrare audio nel browser e inviarlo a un’API speech-to-text. - Dimensione dei file. OpenAI limita gli upload a 25 MB; BroadNet a 26.214.400 byte (25 MiB).
- Campo della lingua. Invialo sempre. Su BroadNet, l’arabo senza
language=arpuò tornare in caratteri latini. - Parametri opzionali. Se ti affidi a
prompt,verbose_jsono ai timestamp per parola, verifica che l’alternativa li supporti. La documentazione di BroadNet descrive una risposta JSON context. - Rate limit. Le chiavi BroadNet a consumo consentono 30 richieste al minuto e 4 contemporanee.
La versione generale di questa lista è nella checklist per la migrazione verso un’API compatibile con OpenAI.
Dove si colloca BroadNet Transcribe
Scegli BroadNet quando conta l’accuratezza sull’arabo, quando vuoi che audio e trascrizioni non vengano conservati (zero data retention), o quando $0.002 al minuto su 14 lingue batte la tua fattura attuale. Il credito iniziale di $5 copre circa 1,190 minuti di audio in arabo, abbastanza per il test descritto sopra; ottieni una chiave su BroadNet Inference. La guida allo speech-to-text in arabo contiene esempi in curl e Python.
Resta sui modelli sostitutivi di OpenAI, o su un altro provider, se ti serve una delle tante lingue che BroadNet non elenca, la traduzione del parlato, la trascrizione dal vivo, oppure prompt e suggerimenti di parole chiave (la guida di OpenAI li documenta per gpt-transcribe). Per tradurre in inglese registrazioni in arabo a partire da file funziona anche una pipeline in due passaggi: vedi tradurre audio arabo in inglese. Per il prezzo più basso in assoluto sull’inglese, gli endpoint ospitati di Whisper Turbo costano meno all’ora.
