Цены на распознавание речи выглядят просто: цена за минуту аудио. На деле провайдеры указывают цену за минуту, за час или за секунду, разделяют пакетный и потоковый режимы и продают диаризацию и удаление персональных данных как дополнительные опции. На этой странице основные API сведены к одной шкале по ценам, которые мы взяли с официальной страницы каждого провайдера 14 и 15 ноября 2026 года (дата каждой проверки указана в источниках ниже).
Все цены — прайсовые, с оплатой по факту, в долларах США, для пакетного (записанного) аудио, если не указано иное. Скидки за объём и условия договоров не учтены.
Сколько стоят API распознавания речи за минуту и за 1000 часов?
| Провайдер и модель | За минуту | За час | За 1000 часов |
|---|---|---|---|
| Groq, Whisper Large v3 Turbo | около USD 0,00067 | USD 0,04 | USD 40 |
| DeepSeek ASR, временная цена (скидка 50% от прайса) | около USD 0,00097 | USD 0,058 | USD 58 |
| Soniox, асинхронно (оплата за токены; за час — «около») | около USD 0,00167 | около USD 0,10 | около USD 100 |
| Groq, Whisper Large v3 | около USD 0,00185 | USD 0,111 | USD 111 |
| DeepSeek ASR, прайсовая цена | около USD 0,00193 | USD 0,116 | USD 116 |
| BroadNet Transcribe (14 языков) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | USD 0,0025 | USD 0,15 | USD 150 |
| OpenAI, gpt-4o-mini-transcribe (устарела, отключение 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 языков) | 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 (устарели, отключение 2027-02-26) | USD 0,006 | USD 0,36 | USD 360 |
| AWS Transcribe, пакетный режим (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 (первые 500 000 мин) | USD 0,016 | USD 0,96 | USD 960 |
Цифры за час и за 1000 часов — наш пересчёт из опубликованной цены за единицу (цена за минуту × 60, затем × 1000). Groq, DeepSeek, AssemblyAI и Speechmatics публикуют цены за час; для столбца «за минуту» мы разделили их на 60. Страница цен DeepSeek указывает для API распознавания речи USD 0,116 за час с временной скидкой 50% и не называет дату её окончания, так что закладывайте в бюджет прайсовую цену. Для Speechmatics приведены прайсовые цены на записанное аудио; страница цен может показывать их и с учётом скидки 33% за разрешение обучать модели на ваших данных и скидки за объём до 25%, и тогда Melia 1 обходится примерно в USD 0,12 за час. Скидка 33% подключается только по вашему согласию (opt-in): подключив её, вы разрешаете Speechmatics использовать ваше аудио и расшифровки для улучшения своих моделей (FAQ на странице цен, проверено 2026-11-15).
Soniox, DeepSeek ASR и эндпоинты Whisper у Groq стоят в час дешевле обеих моделей BroadNet. Страница цен Soniox (проверено 2026-11-14) тарифицирует за токены (USD 1,50 за 1 млн входных аудиотокенов и USD 3,50 за 1 млн выходных текстовых токенов в асинхронном режиме) и указывает, что это “about” (перевод: «около») USD 0,10 за час для загружаемых файлов и USD 0,12 за час для потокового распознавания в реальном времени. В её списке языков среди более чем 60 языков есть арабский. Soniox использует собственный API на основе заданий, а не формат OpenAI /v1/audio/transcriptions, поэтому переход на неё потребует нового клиентского кода.
Одно изменение, к которому стоит подготовиться: страница об устаревших моделях OpenAI (проверено 2026-11-15) помечает whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe и gpt-4o-transcribe-diarize как устаревшие (уведомление от 26 августа 2026 года) с отключением 26 февраля 2027 года и называет заменой gpt-transcribe или gpt-live-transcribe. Страница цен помечает те же четыре модели как устаревшие. Если вы считаете стоимость конвейера на OpenAI сегодня, считайте по gpt-transcribe — USD 0,0045 за минуту. Это дороже в час, чем обе модели BroadNet, но OpenAI продаёт и распознавание в реальном времени (gpt-live-transcribe, USD 0,017 за минуту), а BroadNet — нет. Эта страница сравнивает только цены; если вы уходите с whisper-1, в руководстве по альтернативам Whisper API описано, как проверить замену на своём аудио и что ломается при переходе. Чтобы прогнать свои объёмы по этим ценам, воспользуйтесь калькулятором стоимости распознавания речи.
Полная картина — в нашем открытом индексе цен API распознавания речи: цены на пакетный и потоковый режимы, шаг тарификации и поддержка арабского для более чем 20 продуктов, каждый сверен с официальной страницей цен провайдера (CSV и JSON).
Что не входит в базовую цену?
Цена за минуту редко составляет весь счёт. Прежде чем сравнивать, проверьте:
| Пункт | Что указано на страницах |
|---|---|
| Диаризация (разделение по спикерам) | Deepgram: включена для записанного аудио, USD 0,0020/мин сверху для потокового. AWS: входит в стандартную цену. AssemblyAI: +USD 0,02/ч. OpenAI: отдельная модель gpt-4o-transcribe-diarize за USD 0,006/мин, устарела, отключение 2027-02-26. |
| Удаление персональных данных | Deepgram: USD 0,0020/мин. AWS: USD 0,0024/мин (уровень 1). AssemblyAI: удаление из текста +USD 0,08/ч на Universal-2 и +USD 0,12/ч на Universal-3.5 Pro; удаление из аудио +USD 0,05/ч. |
| Стриминг | AWS: USD 0,01/мин против USD 0,006 в пакетном режиме. Deepgram Nova-3 monolingual: USD 0,0048 в потоковом режиме (промоцена до 2027-02-13) против USD 0,0043 для записанного аудио. Speechmatics Melia 1: USD 0,40/ч в реальном времени против USD 0,24/ч для записанного аудио. |
| Минимальная тарифицируемая длительность | Groq тарифицирует не менее 10 секунд на запрос. AWS тарифицирует посекундно без минимума. Google округляет каждый запрос вверх до целой секунды. |
| Ступени объёма | У Google V2 standard цена падает до USD 0,01/мин после 500 000 минут в месяц и ещё ниже после 1 млн. У AWS стандартные пакетный и потоковый режимы теперь по единой цене; ступени объёма применяются к дополнительным опциям вроде удаления персональных данных. |
Для колл-центра, которому нужны диаризация и удаление персональных данных, Deepgram Nova-3 для записанного аудио с удалением ПД обходится в USD 0,0063 за минуту, а AWS — в USD 0,0084. Дешёвая базовая цена с дорогими опциями может проиграть более высокой базовой цене, в которую они уже включены.
Сколько стоит расшифровать 10 000 голосовых сообщений в месяц?
Допустим, ящик поддержки получает 10 000 голосовых сообщений WhatsApp в месяц по 30 секунд. Это 5000 минут.
- По USD 0,006 за минуту (пакетный AWS или устаревшая whisper-1 от OpenAI): USD 30.
- По USD 0,0045 (OpenAI gpt-transcribe): USD 22,50.
- По USD 0,0043 (Deepgram Nova-3): USD 21,50.
- С BroadNet Transcribe Arabic: $21.00.
Здесь важна минимальная тарифицируемая длительность. Минимум Groq в 10 секунд не меняет счёт за эти 30-секундные сообщения, но двухсекундное «ок» он тарифицирует как 10 секунд. При минимуме в 15 секунд то же двухсекундное сообщение стоит столько же, сколько 15-секундное. Весь процесс работы с голосовыми сообщениями описан в статье голосовые сообщения в текст для бизнеса.
Что важно помимо цены?
Более дешёвая модель, которая ошибается в каждом пятом слове, обойдётся на ручной правке дороже, чем сэкономит. Прежде чем переходить, измерьте долю ошибок в словах (WER) на 30–50 своих записях для каждого языка. В нашем руководстве по альтернативам Whisper показано, как провести такой тест за полдня, а руководство по выбору API распознавания арабской речи описывает оценку по каждому диалекту.
Другие вопросы, не связанные с ценой:
- Языки. BroadNet Transcribe поддерживает 14 языков (полный список); OpenAI пишет, что Whisper (устаревшая
whisper-1) поддерживает 98 языков с разной точностью. - Ограничения на файлы. OpenAI ограничивает загрузку 25 MB, BroadNet — 25 MiB, так что длинные звонки нужно разбивать.
- Хранение. Аудио часто чувствительнее текста. Спросите, хранятся ли аудио и расшифровки; см. сравнение хранения данных в LLM API.
Какое место здесь занимает BroadNet Transcribe
BroadNet Transcribe стоит $0.002 за минуту ($0.12 за час) и поддерживает 14 языков: английский, испанский, французский, немецкий, итальянский, португальский, греческий, нидерландский, польский, китайский, японский, корейский, вьетнамский и арабский. BroadNet Transcribe Arabic стоит $0.0042 за минуту и создана для арабских диалектов; по данным BroadNet, она занимает № 2 из 37 (данные за сентябрь 2026 г.; в живом рейтинге на 15 ноября 2026 г. — № 4 из 39) в Open Universal Arabic ASR Leaderboard. Обе модели используют OpenAI-совместимый эндпоинт /v1/audio/transcriptions, принимают WAV или MP3 до 25 MiB и не хранят ни аудио, ни расшифровки (нулевое хранение данных). Стартового гранта $5 хватает примерно на 1,190 минут арабского аудио; создайте ключ, чтобы проверить свои файлы.
Где BroadNet не подойдёт: у неё не заявлены потоковое распознавание, встроенная диаризация и опции удаления персональных данных. Если вам нужны субтитры в реальном времени или метки спикеров прямо от API, Deepgram, AssemblyAI и AWS предлагают и то и другое. OpenAI предлагает распознавание в реальном времени, но её единственная модель с разметкой спикеров устарела. Сравните две модели BroadNet на странице сравнения или посмотрите все цены на странице цен.
