Harga speech-to-text kelihatan mudah: harga bagi setiap minit audio. Dalam praktik, penyedia memberi sebut harga seminit, sejam atau sesaat, mengasingkan batch daripada streaming, dan menjual diarization serta penyuntingan (redaction) sebagai add-on. Halaman ini meletakkan API utama pada satu skala, menggunakan harga yang kami ambil daripada halaman rasmi setiap penyedia pada 14 dan 15 November 2026 (setiap sumber di bawah menyatakan tarikhnya).
Semua harga ialah harga senarai, bayar ikut guna, dalam dolar AS, untuk audio batch (pra-rakam) kecuali dinyatakan. Diskaun volum dan kontrak tidak termasuk.
Berapakah kos API speech-to-text seminit dan bagi setiap 1,000 jam?
| Penyedia dan model | Seminit | Sejam | Setiap 1,000 jam |
|---|---|---|---|
| Groq, Whisper Large v3 Turbo | kira-kira USD 0.00067 | USD 0.04 | USD 40 |
| DeepSeek ASR, harga masa terhad (50% diskaun daripada harga senarai) | kira-kira USD 0.00097 | USD 0.058 | USD 58 |
| Soniox, async (dibilkan setiap token; harga sejam ialah anggaran penyedia) | kira-kira USD 0.00167 | kira-kira USD 0.10 | kira-kira USD 100 |
| Groq, Whisper Large v3 | kira-kira USD 0.00185 | USD 0.111 | USD 111 |
| DeepSeek ASR, harga senarai | kira-kira USD 0.00193 | USD 0.116 | USD 116 |
| BroadNet Transcribe (14 bahasa) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | USD 0.0025 | USD 0.15 | USD 150 |
| OpenAI, gpt-4o-mini-transcribe (deprecated, ditutup 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 bahasa) | 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, ditutup 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 (500,000 min pertama) | USD 0.016 | USD 0.96 | USD 960 |
Angka sejam dan setiap 1,000 jam ialah pengiraan kami daripada harga unit yang diterbitkan (seminit x 60, kemudian x 1,000). Groq, DeepSeek, AssemblyAI dan Speechmatics menerbitkan harga sejam; kami membahagikannya dengan 60 untuk lajur seminit. Halaman harga DeepSeek menyenaraikan API speech-to-text-nya pada USD 0.116 sejam dengan diskaun masa terhad 50% dan tidak memberi tarikh tamat, jadi buat bajet berdasarkan harga senarai. Kadar Speechmatics ialah harga senarai pra-rakamnya; halaman harganya juga boleh menunjukkannya dengan diskaun latihan model 33% dan diskaun volum sehingga 25%, yang menurunkan Melia 1 kepada kira-kira USD 0.12 sejam. Diskaun 33% itu adalah pilihan ikut serta (opt-in), dan dengan ikut serta anda membenarkan Speechmatics menggunakan audio dan transkrip anda untuk menambah baik modelnya (Soalan Lazim harganya, disemak 2026-11-15).
Soniox, DeepSeek ASR dan endpoint Whisper Groq semuanya lebih murah sejam berbanding kedua-dua model BroadNet. Halaman harga Soniox, disemak 2026-11-14, mengebil setiap token (USD 1.50 bagi setiap 1M token audio input dan USD 3.50 bagi setiap 1M token teks output untuk async) dan menyatakan ini “about” (Terjemahan: lebih kurang) USD 0.10 sejam untuk muat naik fail dan USD 0.12 sejam untuk streaming masa nyata. Senarai bahasanya termasuk bahasa Arab antara lebih 60 bahasa. Ia menggunakan API berasaskan kerja (job) sendiri dan bukannya bentuk OpenAI /v1/audio/transcriptions, jadi bertukar kepadanya bermaksud kod klien baharu.
Satu perubahan yang perlu dirancang: halaman penamatan OpenAI, disemak 2026-11-15, menyenaraikan whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe dan gpt-4o-transcribe-diarize sebagai deprecated (notis diberi pada 26 Ogos 2026), ditutup pada 26 Februari 2027, dengan gpt-transcribe atau gpt-live-transcribe sebagai pengganti. Halaman harganya menanda empat model yang sama sebagai deprecated. Jika anda menghargakan saluran paip OpenAI hari ini, gunakan gpt-transcribe pada USD 0.0045 seminit. Itu lebih mahal sejam berbanding kedua-dua model BroadNet, tetapi OpenAI juga menjual transkripsi langsung (gpt-live-transcribe, USD 0.017 seminit), yang tidak ditawarkan BroadNet. Halaman ini hanya membandingkan harga; jika anda beralih daripada whisper-1, panduan alternatif API Whisper menerangkan cara menguji pengganti pada audio anda sendiri dan apa yang rosak semasa pertukaran. Untuk menjalankan volum anda sendiri berdasarkan kadar ini, gunakan kalkulator kos speech-to-text.
Untuk gambaran penuh, indeks harga API speech-to-text terbuka kami menyenaraikan harga batch dan streaming, kenaikan pengebilan dan sokongan bahasa Arab bagi lebih 20 produk, setiap satu disemak berdasarkan halaman harga penyedia sendiri (CSV dan JSON).
Apakah yang tidak termasuk dalam harga asas?
Angka seminit jarang merupakan keseluruhan bil. Semak perkara ini sebelum anda membandingkan:
| Perkara | Apa yang dinyatakan halaman |
|---|---|
| Speaker diarization | Deepgram: termasuk untuk pra-rakam, tambahan USD 0.0020/min untuk streaming. AWS: termasuk dalam harga standard. AssemblyAI: +USD 0.02/jam. OpenAI: model gpt-4o-transcribe-diarize berasingan pada USD 0.006/min, deprecated dan ditutup 2027-02-26. |
| Penyuntingan PII | Deepgram: USD 0.0020/min. AWS: USD 0.0024/min (peringkat 1). AssemblyAI: penyuntingan teks +USD 0.08/jam pada Universal-2 dan +USD 0.12/jam pada Universal-3.5 Pro; penyuntingan audio +USD 0.05/jam. |
| Streaming | AWS: USD 0.01/min berbanding USD 0.006 batch. Deepgram Nova-3 monolingual: USD 0.0048 streaming (harga promosi sah sehingga 2027-02-13) berbanding USD 0.0043 pra-rakam. Speechmatics Melia 1: USD 0.40/jam masa nyata berbanding USD 0.24/jam pra-rakam. |
| Minimum pengebilan | Groq mengebil sekurang-kurangnya 10 saat setiap permintaan. AWS mengebil sesaat tanpa minimum. Google membundarkan setiap permintaan ke saat berikutnya. |
| Peringkat volum | Google V2 standard turun kepada USD 0.01/min selepas 500,000 minit sebulan, dan lebih rendah melebihi 1 juta. Batch dan streaming standard AWS kini kadar tetap; peringkat volumnya terpakai pada add-on seperti penyuntingan. |
Bagi pusat panggilan yang memerlukan diarization dan penyuntingan, Deepgram Nova-3 pra-rakam menjadi USD 0.0063 seminit dengan penyuntingan, dan AWS menjadi USD 0.0084. Harga asas yang murah dengan add-on yang mahal boleh kalah kepada harga asas yang lebih tinggi yang sudah termasuk add-on itu.
Berapakah kos mentranskripsikan 10,000 nota suara sebulan?
Katakan peti masuk sokongan menerima 10,000 nota suara WhatsApp sebulan, setiap satu 30 saat. Itu 5,000 minit.
- Pada USD 0.006 seminit (AWS batch, atau whisper-1 OpenAI yang deprecated): USD 30.
- Pada USD 0.0045 (OpenAI gpt-transcribe): USD 22.50.
- Pada USD 0.0043 (Deepgram Nova-3): USD 21.50.
- Dengan BroadNet Transcribe Arabic: $21.00.
Minimum pengebilan penting di sini. Minimum 10 saat Groq tidak mengubah bil untuk nota 30 saat ini, tetapi ia mengebil nota “ok” dua saat sebagai 10 saat. Dengan minimum 15 saat, nota dua saat itu berharga sama seperti nota 15 saat. Untuk aliran kerja nota suara penuh, lihat nota suara kepada teks untuk perniagaan.
Apakah yang penting selain harga?
Model yang lebih murah tetapi salah 1 daripada 5 perkataan memerlukan kos pembetulan manusia yang lebih tinggi daripada penjimatannya. Sebelum bertukar, ukur kadar ralat perkataan pada 30 hingga 50 rakaman anda sendiri bagi setiap bahasa. Panduan alternatif Whisper kami menunjukkan cara menjalankan ujian itu dalam satu petang, dan panduan pembeli speech-to-text bahasa Arab merangkumi pemarkahan mengikut dialek.
Soalan lain yang bukan tentang harga:
- Bahasa. BroadNet Transcribe meliputi 14 bahasa (senarai penuh); OpenAI menyatakan Whisper (
whisper-1yang deprecated) menyokong 98 dengan ketepatan yang berbeza-beza. - Had fail. OpenAI mengehadkan muat naik kepada 25 MB dan BroadNet kepada 25 MiB, jadi pecahkan panggilan yang panjang.
- Pengekalan. Audio selalunya lebih sensitif daripada teks. Tanya sama ada audio dan transkrip disimpan; lihat perbandingan pengekalan data API LLM.
Kedudukan BroadNet Transcribe
BroadNet Transcribe berharga $0.002 seminit ($0.12 sejam) merentas 14 bahasa: Inggeris, Sepanyol, Perancis, Jerman, Itali, Portugis, Greek, Belanda, Poland, Cina, Jepun, Korea, Vietnam dan Arab. BroadNet Transcribe Arabic berharga $0.0042 seminit dan dibina untuk dialek Arab; BroadNet melaporkannya #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard. Kedua-duanya menggunakan endpoint /v1/audio/transcriptions yang serasi OpenAI, menerima WAV atau MP3 sehingga 25 MiB, dan tidak menyimpan audio atau transkrip (pengekalan data sifar). Kredit permulaan $5 meliputi kira-kira 1,190 minit audio bahasa Arab; cipta kunci untuk menguji fail anda sendiri.
Di mana ia tidak sesuai: BroadNet tidak menyenaraikan transkripsi streaming, diarization terbina dalam atau add-on penyuntingan. Jika anda memerlukan kapsyen langsung atau label penutur daripada API itu sendiri, Deepgram, AssemblyAI dan AWS menawarkan kedua-duanya. OpenAI menawarkan transkripsi langsung, tetapi satu-satunya model pelabelan penuturnya sudah deprecated. Bandingkan dua model BroadNet secara bersebelahan di halaman perbandingan, atau lihat semua harga di harga.
