BroadRouter

Цены API распознавания речи: сравнение стоимости минуты в 2026 году

Команда BroadNet Inference · 7 мин чтения · Опубликовано · Обновлено

В ноябре 2026 года пакетное распознавание речи через API стоит по прайс-листам примерно от USD 0,0007 до 0,016 за минуту аудио. Deepgram Nova-3 берёт USD 0,0043, актуальная модель OpenAI gpt-transcribe — USD 0,0045, AWS Transcribe — USD 0,006, Google V2 standard — USD 0,016. BroadNet Transcribe стоит $0.002 за минуту на 14 языках, BroadNet Transcribe Arabic — $0.0042.

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.

Вопросы и ответы

Какой API распознавания речи самый дешёвый?

В ноябре 2026 года самой низкой в нашей таблице была цена Groq на Whisper Large v3 Turbo — USD 0,04 за час. Следом шёл DeepSeek ASR — USD 0,058 за час, но только пока действует его временная скидка 50% (дата окончания не указана). Дальше — Soniox, около USD 0,10 за час (асинхронно), Groq Whisper Large v3 — USD 0,111, DeepSeek ASR по прайсовой цене USD 0,116 и BroadNet Transcribe — $0.12 за час. Достаточно ли дешёвого варианта, решает точность на вашем аудио.

Сколько стоит минута OpenAI Whisper API?

OpenAI указывает для whisper-1 цену USD 0,006 за минуту — столько же, сколько у gpt-4o-transcribe; gpt-4o-mini-transcribe стоит USD 0,003. На странице цен все три помечены как устаревшие, а на странице об устаревших моделях сказано, что их отключат 26 февраля 2027 года. Рекомендуемая замена, gpt-transcribe, стоит USD 0,0045 за минуту (USD 0,27 за час). Проверено 2026-11-15.

Сколько стоит расшифровать 1000 часов аудио?

Умножьте цену за минуту на 60 000. При USD 0,006 за минуту это USD 360. С BroadNet Transcribe Arabic — $252.00.

Входит ли диаризация (разделение по спикерам) в цену?

По-разному. У Deepgram она включена для записанного аудио, у AWS — в стандартную цену, AssemblyAI берёт за неё доплату за час, а единственная модель OpenAI с диаризацией, gpt-4o-transcribe-diarize, устарела и будет отключена 26 февраля 2027 года. Проверьте это, прежде чем сравнивать базовые цены.

Потоковое распознавание дороже пакетного?

Обычно да. AWS указывает USD 0,006 за минуту для пакетного режима и USD 0,01 для потокового, а Deepgram берёт за потоковый Nova-3 больше, чем за записанное аудио.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity