---
title: "Alternativa à API do Whisper: precisão, idiomas e preço"
description: "Quando vale uma alternativa hospedada à API Whisper da OpenAI: taxa de erro de palavras no seu áudio, idiomas, preço por hora, limites e privacidade, com código."
url: https://broadrouter.com/pt/blog/whisper-api-alternative/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/whisper-api-alternative/) (atualizado em 2026-11-15).

# Alternativa à API do Whisper: quando trocar e como testar

Pela equipe da BroadNet Inference · 6 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-15

A OpenAI lista o whisper-1 como descontinuado, com desligamento em 26 de fevereiro de 2027, então todo usuário da API do Whisper vai migrar para outro modelo. Escolha o substituto pela taxa de erro de palavras (WER) em 30 a 50 clipes seus por idioma e, depois, pelo preço. O BroadNet Transcribe aceita a mesma chamada do SDK da OpenAI e custa $0.002 por minuto em 14 idiomas.

## Pontos principais

-   A OpenAI lista o whisper-1 a USD 0,006 por minuto, diz que ele suporta 98 idiomas com precisão variável e o lista como descontinuado, com desligamento em 26 de fevereiro de 2027. O substituto recomendado, gpt-transcribe, custa USD 0,0045 por minuto (conferido em 2026-11-15).
-   Muitas alternativas mantêm a mesma chamada /v1/audio/transcriptions, então trocar é mudar a base URL e o modelo.
-   Um benchmark é um filtro, não um veredito: o mesmo modelo pode ter WER de 3,8 em árabe lido e de 23,4 em fala dialetal.
-   Opções específicas do Whisper, como os timestamps do verbose\_json, podem não existir na alternativa. A OpenAI documenta timestamps por palavra só para o whisper-1, então confira antes de migrar, mesmo para o gpt-transcribe.
-   O BroadNet Transcribe custa $0.12 por hora de áudio; o BroadNet Transcribe Arabic custa $0.25.

**Nesta página**

1.  A API do Whisper da OpenAI vai ser aposentada?
2.  Por que as equipes procuram uma alternativa à API do Whisper?
3.  Quais alternativas à API do Whisper existem, e quanto custam?
4.  O que os números de precisão significam de verdade?
5.  Como testar uma alternativa ao Whisper em uma tarde
6.  Quando vale hospedar o Whisper por conta própria?
7.  Checklist de migração
8.  Onde o BroadNet Transcribe se encaixa

A API do Whisper da OpenAI é o ponto de partida de muitas equipes: um endpoint, um preço, dezenas de idiomas. Você procura uma **alternativa à API do Whisper** quando acontece uma destas quatro coisas: a precisão no seu áudio não é boa o bastante, a conta cresce com o volume, a equipe de segurança quer que menos dados sejam guardados ou o modelo que você chama está sendo aposentado. Este post mostra como decidir e como testar uma alternativa sem reescrever o seu código.

## A API do Whisper da OpenAI vai ser aposentada?

Sim, pelo cronograma atual da OpenAI. A [página de descontinuações](https://developers.openai.com/api/docs/deprecations) dela, conferida em 2026-11-15, lista `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` e `gpt-4o-transcribe-diarize` como descontinuados, com aviso dado em 26 de agosto de 2026 e desligamento em 26 de fevereiro de 2027. O substituto recomendado é o `gpt-transcribe` (USD 0,0045 por minuto, ou USD 0,27 por hora) para arquivos, ou o `gpt-live-transcribe` para áudio ao vivo. A [página de preços](https://developers.openai.com/api/docs/pricing) marca os mesmos quatro modelos como descontinuados, e o [guia de fala para texto](https://developers.openai.com/api/docs/guides/speech-to-text) diz “Start with gpt-transcribe” (tradução: comece pelo gpt-transcribe). O endpoint `/v1/audio/translations` também foi descontinuado. Ou seja, você vai testar o seu áudio num modelo novo de qualquer jeito. Por isso agora é uma boa hora para comparar o substituto da OpenAI com outros provedores nos mesmos clipes.

Para o quadro completo, o nosso [índice aberto de preços de APIs de fala para texto](https://broadrouter.com/data/speech-to-text-api-prices/) lista preços em lote e em streaming, incrementos de cobrança e suporte a árabe de mais de 20 produtos, cada um conferido na página de preços do próprio provedor (CSV e JSON).

## Por que as equipes procuram uma alternativa à API do Whisper?

| Motivo | O que verificar na alternativa |
| --- | --- |
| Precisão num idioma ou dialeto específico | [Taxa de erro de palavras](https://broadrouter.com/pt/glossary/word-error-rate/) publicada num conjunto de teste relevante e, depois, um teste seu |
| Preço em volume | Preço por hora de áudio e cobranças mínimas |
| Retenção de dados | Se áudio e transcrições são armazenados, e por quanto tempo |
| Limites | Tamanho de arquivo, formatos, rate limits |
| Recursos | Timestamps, diarização, prompts, streaming |

O [guia de fala para texto](https://developers.openai.com/api/docs/guides/speech-to-text) da OpenAI diz “Whisper supports 98 languages, but accuracy varies by language” (tradução: o Whisper suporta 98 idiomas, mas a precisão varia de acordo com o idioma). Esse é o ponto de partida honesto: a lista de idiomas mostra o que é possível, não o que é bom.

## Quais alternativas à API do Whisper existem, e quanto custam?

| Opção | Preço (tabela, nov. 2026) | Idiomas | Observações |
| --- | --- | --- | --- |
| API do Whisper da OpenAI (`whisper-1`) | USD 0,006/min | 98 (precisão variável) | Arquivos de 25 MB; prompts de até 224 tokens; desligamento em 2027-02-26 |
| OpenAI `gpt-transcribe` | USD 0,0045/min (USD 0,27/hora) | Veja o guia da OpenAI | Substituto recomendado pela OpenAI; o guia da OpenAI mostra timestamps por palavra só para o `whisper-1` e rótulos de locutor só para o modelo diarize descontinuado |
| Groq, Whisper Large v3 | USD 0,111/hora | Multilíngue | A Groq informa 10,3% de WER; cobrança mínima de 10 segundos |
| Groq, Whisper Large v3 Turbo | USD 0,04/hora | Multilíngue | A Groq informa 12% de WER; não treinado para tradução |
| Soniox (assíncrono) | cerca de USD 0,10/hora, cobrado por token | Mais de 60, árabe incluído | API própria baseada em jobs, não compatível com a OpenAI; tempo real por cerca de USD 0,12/hora |
| Whisper hospedado por conta própria | O custo das suas GPUs | Os mesmos do Whisper | Licença MIT; você opera e escala |
| [BroadNet Transcribe](https://broadrouter.com/pt/models/cohere-transcribe/) | $0.002/min | 14 | Não é o Whisper; baseado no Cohere Transcribe |
| [BroadNet Transcribe Arabic](https://broadrouter.com/pt/models/cohere-transcribe-arabic/) | $0.0042/min | Árabe | A BroadNet informa #2 de 37 (dado de setembro de 2026; o ranking ao vivo o listava em #4 de 39 em 15 de novembro de 2026) no Open Universal Arabic ASR Leaderboard |

Os preços e os números da Groq foram conferidos nas páginas oficiais em 2026-11-14; os da OpenAI foram conferidos de novo em 2026-11-15. O `gpt-transcribe` da OpenAI custa mais por hora que os dois modelos da BroadNet. O endpoint Turbo da Groq e a Soniox custam menos por hora que o BroadNet Transcribe ($0.12 por hora); a Soniox exige código cliente novo, porque não usa o formato de requisição da OpenAI. Os números de WER da Groq são publicados pela própria Groq, não vêm de um teste num conjunto comum aos demais, então não os compare diretamente com os da BroadNet. Esta página trata da troca; para a lista completa de preços, incluindo DeepSeek, AssemblyAI, Deepgram, Google, AWS e Speechmatics com os preços dos adicionais, veja a [comparação de preços de APIs de fala para texto](https://broadrouter.com/pt/blog/speech-to-text-api-pricing-compared/), e a [calculadora de custo de fala para texto](https://broadrouter.com/tools/speech-to-text-cost-calculator/) calcula o preço das suas horas mensais.

## O que os números de precisão significam de verdade?

A BroadNet publica três valores de WER para o BroadNet Transcribe Arabic no [catálogo de modelos](https://www.broadnet.ai/inference/models):

| Conjunto de teste | Tipo de áudio | WER |
| --- | --- | --- |
| FLEURS-ar | Frases lidas, áudio limpo | 3,8 |
| MASC-ar | Árabe real, misto | 21,1 |
| Conjunto de dialetos da BroadNet | Fala dialetal | 23,4 |

Nos mesmos conjuntos MASC e de dialetos, a BroadNet informa 31,5 e 31,8 para o Whisper large-v3, contra 21,1 e 23,4 do seu modelo de árabe: cerca de um terço a menos de erros no MASC e cerca de um quarto a menos no conjunto de dialetos. É um teste da própria BroadNet sobre um concorrente, então confira no seu áudio. No [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard), público, que usa os mesmos conjuntos de teste para todos os modelos, o Whisper large-v3 estava em 19º de 39 em 15 de novembro de 2026 (WER médio de 36,86), e o Cohere Transcribe Arabic 07-2026, o modelo que a BroadNet serve, estava em 4º (24,19).

A lição está na diferença. O mesmo modelo é quase perfeito em fala lida e bem mais fraco em conversa. O WER de destaque de qualquer provedor mostra como ele se saiu no áudio de outra pessoa. Os dialetos são tratados em detalhe em [reconhecimento de fala em dialetos árabes](https://broadrouter.com/pt/blog/arabic-dialect-speech-recognition/).

## Como testar uma alternativa ao Whisper em uma tarde

1.  **Junte de 30 a 50 clipes por idioma**, de tráfego real: ligações, mensagens de voz, reuniões. Remova tudo o que você não pode compartilhar.
2.  **Escreva à mão transcrições de referência para 10 clipes por idioma.**
3.  **Rode as duas APIs nos mesmos clipes.** Com provedores compatíveis com a OpenAI, só o cliente e o modelo mudam:

```python
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")
```

4.  **Calcule a pontuação com a mesma normalização** para as duas, usando o [jiwer](https://github.com/jitsi/jiwer):

```python
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)))
```

5.  **Leia você mesmo 20 transcrições.** Confira números, nomes e termos de produto. Um modelo pode ganhar no WER e ainda assim errar o número da conta.

## Quando vale hospedar o Whisper por conta própria?

O código e os pesos do Whisper têm licença MIT, então rodá-lo por conta própria é sempre uma opção. Faz sentido quando:

-   **O áudio não pode sair da sua rede**, por motivos legais ou contratuais.
-   **O seu volume mantém uma GPU ocupada** durante boa parte do dia, para você não pagar por horas ociosas.
-   **Você precisa fazer fine-tune** com o seu vocabulário ou sotaque.

Sai mais caro do que parece quando o tráfego tem picos, quando você precisa de alta disponibilidade em várias máquinas ou quando ninguém na equipe quer cuidar de drivers de GPU e atualizações ([a conta do ponto de equilíbrio com GPU](https://broadrouter.com/pt/blog/self-hosting-llm-vs-api-cost/)). O README do openai/whisper também observa que o modelo turbo não foi treinado para tradução. Uma API hospedada transforma esses problemas num preço por minuto, e é por isso que a maioria das equipes começa por ela e só hospeda por conta própria quando o volume e os requisitos estão claros.

## Checklist de migração

Trocar a [base URL](https://broadrouter.com/pt/glossary/base-url/) é a parte fácil. Antes de mover o tráfego:

-   **Formatos.** A OpenAI aceita flac, mp3, mp4, m4a, ogg, wav e webm. A BroadNet aceita WAV e MP3, então converta antes os arquivos `.ogg` e `.m4a` com ffmpeg. Para gravações do navegador, veja [gravar áudio no navegador e enviar para uma API de fala para texto](https://broadrouter.com/pt/blog/record-browser-audio-transcription-api/).
-   **Tamanho do arquivo.** A OpenAI limita uploads a 25 MB; a BroadNet, a 26.214.400 bytes (25 MiB).
-   **Campo de idioma.** Envie sempre. Na BroadNet, árabe sem `language=ar` pode voltar em letras latinas.
-   **Parâmetros opcionais.** Se você depende de `prompt`, `verbose_json` ou timestamps por palavra, confirme que a alternativa os suporta. A documentação da BroadNet descreve uma resposta JSON com `text`.
-   **Rate limits.** As chaves de pagamento por uso da BroadNet permitem 30 requisições por minuto e 4 simultâneas.

A versão geral desta lista está no [checklist de migração para API compatível com a OpenAI](https://broadrouter.com/pt/blog/openai-compatible-api-migration-checklist/).

## Onde o BroadNet Transcribe se encaixa

Escolha a BroadNet quando a precisão em árabe importa, quando você quer que áudio e transcrições não sejam retidos ([retenção zero de dados](https://broadrouter.com/pt/privacy/)) ou quando $0.002 por minuto em 14 idiomas sai mais barato que a sua conta atual. O crédito inicial de $5 cobre cerca de 1,190 minutos de áudio em árabe, o bastante para rodar o teste acima; [pegue uma chave na BroadNet Inference](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-whisper-api-alternative&utm_content=body). O [guia de fala para texto em árabe](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/) tem exemplos em curl e Python.

Fique com os modelos substitutos da OpenAI, ou com outro provedor, se você precisa de um dos muitos idiomas que a BroadNet não lista, tradução de fala, transcrição ao vivo ou prompts e dicas de palavras-chave (o guia da OpenAI documenta esses recursos para o `gpt-transcribe`). Para traduzir gravações em árabe para o inglês a partir de arquivos, um pipeline de dois passos também funciona: veja [traduzir áudio em árabe para o inglês](https://broadrouter.com/pt/blog/translate-arabic-audio-to-english/). Para o menor preço possível em inglês, os endpoints hospedados do Whisper Turbo custam menos por hora.

Ferramentas gratuitas sobre o tema (em inglês)

-   [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.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

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

Word error rate (WER, taxa de erro de palavras) é a medida padrão de precisão do reconhecimento de fala: o número de substituições, deleções e inserções de palavras necessárias para transformar uma transcrição na referência correta, dividido pelo número de palavras da referência. Quanto menor, melhor.

[Rate limit (limite de taxa)](https://broadrouter.com/pt/glossary/rate-limit/)

Um rate limit é um teto que uma API impõe a quanto um cliente pode usá-la em um intervalo de tempo, como requisições por minuto ou tokens por minuto. As requisições acima do limite são recusadas, normalmente com HTTP 429 Too Many Requests, até que o uso volte a ficar abaixo dele.

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

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

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

Streaming é uma forma de devolver a resposta de um modelo de linguagem em pequenos pedaços enquanto ela ainda está sendo gerada, em vez de uma resposta única no final. APIs compatíveis com a OpenAI fazem streaming via server-sent events quando a requisição define stream como true.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[Base URL (URL base)](https://broadrouter.com/pt/glossary/base-url/)

A base URL é o endereço raiz fixo de uma API, como https://api.example.com/v1, que um cliente coloca antes de cada caminho de endpoint, como /chat/completions. Nos SDKs compatíveis com a OpenAI, trocar a base URL, junto com a chave de API e o ID do modelo, aponta o mesmo código para outro provedor.

[Concorrência (concurrency)](https://broadrouter.com/pt/glossary/concurrency/)

Concorrência é o número de requisições que um cliente tem em andamento ao mesmo tempo. APIs de LLM muitas vezes a limitam por chave ou por plano, separadamente das requisições por minuto, porque cada requisição aberta ocupa capacidade de GPU até a resposta terminar.

## Perguntas frequentes

### Qual é a melhor alternativa à API do Whisper da OpenAI?

A que tiver a menor taxa de erro de palavras no seu próprio áudio, a um preço que você aceite. Para árabe, teste modelos feitos para dialetos árabes. Para inglês ao menor preço, endpoints hospedados do Whisper Large v3 Turbo são difíceis de bater.

### Existe uma API do Whisper mais barata?

Sim. A OpenAI lista o whisper-1 a USD 0,006 por minuto (descontinuado) e o substituto gpt-transcribe a USD 0,0045. A Groq lista o Whisper Large v3 a USD 0,111 por hora e o Large v3 Turbo a USD 0,04 por hora, e o BroadNet Transcribe custa $0.002 por minuto.

### Posso continuar usando o SDK da OpenAI com uma alternativa ao Whisper?

Com um provedor compatível com a OpenAI, sim. Troque a base\_url, a chave de API e o ID do modelo. Confira quais parâmetros opcionais o provedor suporta, como prompt, response\_format e timestamps.

### O Whisper é bom para árabe?

O Whisper lida muito melhor com o árabe padrão moderno do que com os dialetos falados no dia a dia. A OpenAI observa que a precisão varia por idioma. Meça a taxa de erro de palavras por dialeto nas suas próprias gravações antes de decidir.

### Devo hospedar o Whisper por conta própria?

Hospedar por conta própria faz sentido quando o áudio não pode sair da sua rede ou quando o seu volume mantém as GPUs ocupadas. O código e os pesos do Whisper têm licença MIT. Fora isso, uma API hospedada costuma sair mais barata que uma GPU ociosa.

## Continue lendo

-   [Transcrever áudio longo acima de 25 MB: dividir, enviar e juntar](https://broadrouter.com/pt/blog/transcribe-long-audio-files-api/)
-   [Preço de API speech-to-text comparado: preço por minuto em 2026](https://broadrouter.com/pt/blog/speech-to-text-api-pricing-compared/)
-   [API de fala para texto em árabe: como escolher em 2026](https://broadrouter.com/pt/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Dialetos árabes e speech-to-text: Golfo, Egito, Levante, Magreb](https://broadrouter.com/pt/blog/arabic-dialect-speech-recognition/)
-   [Migrar para uma API compatível com a OpenAI: checklist de migração](https://broadrouter.com/pt/blog/openai-compatible-api-migration-checklist/)
-   [Gravar áudio no navegador e enviar para uma API de speech-to-text](https://broadrouter.com/pt/blog/record-browser-audio-transcription-api/)
-   [Traduzir áudio em árabe para texto em inglês com API: pipeline testado](https://broadrouter.com/pt/blog/translate-arabic-audio-to-english/)
-   [Alternativas ao Artificial Analysis: onde comparar LLMs em 2026](https://broadrouter.com/pt/blog/artificial-analysis-alternatives/)
-   [SLAs de APIs de LLM: o que Azure, Bedrock, Google e OpenAI prometem](https://broadrouter.com/pt/blog/llm-api-sla-uptime-compared/)
-   [Guia: API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/)
-   [Guia: Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-whisper-api-alternative&utm_content=page-cta) ·

**Fontes**

-   [Página do modelo BroadNet Transcribe Arabic: WER comparado ao Whisper large-v3 e ao ElevenLabs Scribe v2 (consultada em 2026-11-15) (em inglês)](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [Open Universal Arabic ASR Leaderboard, tabela ao vivo (consultada em 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [OpenAI, guia de fala para texto (idiomas, limites de arquivo, modelo recomendado; consultado em 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Preços da API da OpenAI, transcrição (consultados em 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Descontinuações da OpenAI, modelos de fala para texto (consultadas em 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [openai/whisper no GitHub (licença MIT, tamanhos dos modelos)](https://github.com/openai/whisper)
-   [Preços e idiomas suportados da Soniox (consultados em 2026-11-14)](https://soniox.com/pricing)
-   [Documentação de fala para texto da Groq, preços do Whisper e WER informado (consultada em 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Catálogo de modelos da BroadNet, fala para texto (medições de laboratório) (em inglês)](https://www.broadnet.ai/inference/models)
-   [jiwer, pacote Python para WER](https://github.com/jitsi/jiwer)
