---
title: "API распознавания речи: сравнение цен за минуту (2026)"
description: "Цены за минуту и за 1000 часов у OpenAI, Google, AWS, Deepgram, AssemblyAI, Speechmatics, Groq и BroadNet Transcribe по официальным страницам, плюс доп. опции."
url: https://broadrouter.com/ru/blog/speech-to-text-api-pricing-compared/
lang: ru
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (обновлён 2026-11-15).

# Цены API распознавания речи: сравнение стоимости минуты в 2026 году

Команда BroadNet Inference · 7 мин чтения · Опубликовано 2026-11-14 · Обновлено 2026-11-15

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.

## Главное

-   Прайсовые цены на пакетную транскрибацию различаются более чем в 20 раз: примерно от USD 0,04 до USD 0,96 за час аудио.
-   Дополнительные опции меняют счёт: диаризация, удаление персональных данных и стриминг могут стоить отдельно.
-   Сравнивайте в пересчёте на 1000 часов — в этой единице обычно измеряют объём — и учитывайте минимальную тарифицируемую длительность.
-   BroadNet Transcribe стоит $0.12 за час аудио; BroadNet Transcribe Arabic — $0.25, или $252.00 за 1000 часов.
-   Цена — лишь половина решения. Прежде чем переходить, измерьте долю ошибок в словах (WER) на своём аудио.

**На этой странице**

1.  Сколько стоят API распознавания речи за минуту и за 1000 часов?
2.  Что не входит в базовую цену?
3.  Сколько стоит расшифровать 10 000 голосовых сообщений в месяц?
4.  Что важно помимо цены?
5.  Какое место здесь занимает BroadNet Transcribe

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](https://broadrouter.com/ru/models/cohere-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](https://broadrouter.com/ru/models/cohere-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](https://api-docs.deepseek.com/quick_start/pricing) 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](https://soniox.com/pricing) 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](https://docs.soniox.com/stt/concepts/supported-languages) 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](https://developers.openai.com/api/docs/deprecations) 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](https://broadrouter.com/ru/blog/whisper-api-alternative/) описано, как проверить замену на своём аудио и что ломается при переходе. Чтобы прогнать свои объёмы по этим ценам, воспользуйтесь [калькулятором стоимости распознавания речи](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

Полная картина — в нашем открытом [индексе цен API распознавания речи](https://broadrouter.com/data/speech-to-text-api-prices/): 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](https://broadrouter.com/ru/blog/voice-notes-to-text-for-business/).

## 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)](https://broadrouter.com/ru/glossary/word-error-rate/) на 30–50 своих записях для каждого языка. В нашем [руководстве по альтернативам Whisper](https://broadrouter.com/ru/blog/whisper-api-alternative/) показано, как провести такой тест за полдня, а [руководство по выбору API распознавания арабской речи](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/) описывает оценку по каждому диалекту.

Другие вопросы, не связанные с ценой:

-   **Языки.** BroadNet Transcribe поддерживает 14 языков ([полный список](https://broadrouter.com/ru/blog/multilingual-speech-to-text-api/)); 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](https://broadrouter.com/ru/blog/llm-api-data-retention-compared/).

## 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](https://broadrouter.com/ru/privacy/)). Стартового гранта $5 хватает примерно на 1,190 минут арабского аудио; [создайте ключ](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-speech-to-text-api-pricing-compared&utm_content=body), 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](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/) или посмотрите все цены на странице [цен](https://broadrouter.com/ru/pricing/).

Бесплатные инструменты по теме (на английском)

-   [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.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

[Распознавание речи (speech-to-text)](https://broadrouter.com/ru/glossary/speech-to-text/)

Распознавание речи (speech-to-text, автоматическое распознавание речи, ASR) — это технология, которая превращает устную речь в письменный текст. API распознавания речи принимает аудиофайл или поток и возвращает расшифровку, обычно с оплатой за минуту аудио. Точность измеряют долей ошибок в словах (WER), и она зависит от акцента, диалекта и качества записи.

[Диаризация дикторов (speaker diarization)](https://broadrouter.com/ru/glossary/diarization/)

Диаризация дикторов — это задача разбиения аудиозаписи на сегменты по говорящим, то есть ответ на вопрос «кто и когда говорил». Каждый отрезок речи получает анонимную метку диктора, например SPEAKER\_00, и обычно её совмещают с расшифровкой, чтобы показать, кто произнёс каждую реплику.

[Токен (token)](https://broadrouter.com/ru/glossary/token/)

Токен — это единица текста, которую языковая модель читает и пишет: слово, часть слова, знак препинания или последовательность байтов, которую выдаёт токенизатор модели. LLM API считают, ограничивают и обычно тарифицируют использование в токенах.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Доля ошибок в словах (word error rate, WER)](https://broadrouter.com/ru/glossary/word-error-rate/)

Доля ошибок в словах (word error rate, WER) — это стандартная метрика точности распознавания речи: число замен, пропусков и вставок слов, нужных, чтобы превратить расшифровку в правильный эталон, делённое на число слов в эталоне. Чем меньше, тем лучше.

[Нулевое хранение данных (ZDR)](https://broadrouter.com/ru/glossary/zero-data-retention/)

Нулевое хранение данных (ZDR) — это политика обработки данных, при которой AI-провайдер обрабатывает промпты и ответы только для выполнения запроса и после этого не сохраняет их содержимое ни в логах, ни в кэшах, ни в обучающих данных. Записи без содержимого, например число токенов и время выполнения, обычно всё же хранятся.

[Оплата по факту (pay-as-you-go)](https://broadrouter.com/ru/glossary/pay-as-you-go/)

Оплата по факту (pay-as-you-go) — это модель ценообразования, при которой вы платите только за то, что использовали, по счётчику в единицах вроде токенов, запросов или минут аудио, без подписки и минимальных обязательств. Так тарифицирует большинство LLM API — с предоплаченного баланса или по периодическому счёту.

[WAV](https://broadrouter.com/ru/glossary/wav/)

WAV (Waveform Audio File Format, или WAVE) — это аудиоконтейнер на основе формата RIFF от Microsoft и IBM. Обычно он содержит несжатые отсчёты линейного PCM, поэтому его размер предсказуем: частота дискретизации × байт на отсчёт × число каналов за каждую секунду.

## 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.

## Читайте также

-   [Альтернатива Whisper API: когда переходить и как её протестировать](https://broadrouter.com/ru/blog/whisper-api-alternative/)
-   [API распознавания арабской речи: как выбрать в 2026 году](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Транскрибация записей колл-центра: конвейер с поддержкой арабского](https://broadrouter.com/ru/blog/transcribe-call-center-recordings/)
-   [Голосовые в текст для бизнеса: из WhatsApp и Telegram в тикеты](https://broadrouter.com/ru/blog/voice-notes-to-text-for-business/)
-   [Альтернативы Artificial Analysis: где сравнивать LLM в 2026 году](https://broadrouter.com/ru/blog/artificial-analysis-alternatives/)
-   [SLA LLM API: что обещают Azure, Bedrock, Google и OpenAI](https://broadrouter.com/ru/blog/llm-api-sla-uptime-compared/)
-   [Руководство: API распознавания арабской речи: пошаговое руководство](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/)
-   [Руководство: Голосовые сообщения WhatsApp в текст через API](https://broadrouter.com/ru/guides/transcribe-whatsapp-voice-notes/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-speech-to-text-api-pricing-compared&utm_content=page-cta) ·

**Источники**

-   [Цены OpenAI API, транскрибация (дата обращения 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [OpenAI, устаревшие модели распознавания речи (дата обращения 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Цены Google Cloud Speech-to-Text (дата обращения 2026-11-14)](https://cloud.google.com/speech-to-text/pricing)
-   [Цены Amazon Transcribe (дата обращения 2026-11-14)](https://aws.amazon.com/transcribe/pricing/)
-   [Цены Deepgram (дата обращения 2026-11-14)](https://deepgram.com/pricing)
-   [Цены AssemblyAI (дата обращения 2026-11-14)](https://www.assemblyai.com/pricing)
-   [Цены Speechmatics и FAQ о скидке за обучение моделей (дата обращения 2026-11-14; FAQ проверен 2026-11-15)](https://www.speechmatics.com/pricing)
-   [Цены Soniox (дата обращения 2026-11-14)](https://soniox.com/pricing)
-   [Soniox, поддерживаемые языки (дата обращения 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Цены DeepSeek API, распознавание речи (дата обращения 2026-11-14)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Документация Groq по распознаванию речи, цены Whisper (дата обращения 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Машиночитаемый прайс-лист BroadNet Inference (pricing.json) (на английском)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-speech-to-text-api-pricing-compared&utm_content=sources)
