---
title: "speech to text API کی قیمت، فی منٹ موازنہ (2026) | BroadRouter"
description: "OpenAI، Google، AWS، Deepgram، AssemblyAI، Speechmatics، Groq اور BroadNet Transcribe کی فی منٹ اور فی 1,000 گھنٹے قیمتیں، آفیشل صفحات سے، ایڈ آنز سمیت۔"
url: https://broadrouter.com/ur/blog/speech-to-text-api-pricing-compared/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (اپ ڈیٹ: 2026-11-15).

# اسپیچ ٹو ٹیکسٹ API کی قیمتوں کا موازنہ: 2026 میں فی منٹ قیمت

BroadNet Inference ٹیم · 7 منٹ کی پڑھائی · شائع شدہ 2026-11-14 · اپ ڈیٹ 2026-11-15

نومبر 2026 میں بیچ اسپیچ ٹو ٹیکسٹ API کی لسٹ قیمت تقریباً USD 0.0007 سے 0.016 فی آڈیو منٹ ہے۔ Deepgram Nova-3 کی قیمت USD 0.0043 ہے، OpenAI کے موجودہ gpt-transcribe کی USD 0.0045، AWS Transcribe کی USD 0.006 اور Google V2 standard کی USD 0.016۔ BroadNet Transcribe کی قیمت 14 زبانوں میں $0.002 فی منٹ ہے، اور BroadNet Transcribe Arabic کی $0.0042۔

## اہم نکات

-   بیچ ٹرانسکرپشن کی لسٹ قیمتوں میں 20 گنا سے زیادہ کا فرق ہے، تقریباً USD 0.04 سے USD 0.96 فی آڈیو گھنٹہ تک۔
-   ایڈ آنز بل بدل دیتے ہیں: ڈائرائزیشن، PII ریڈیکشن اور اسٹریمنگ، ہر ایک کی الگ قیمت ہو سکتی ہے۔
-   فی 1,000 گھنٹے کے حساب سے موازنہ کریں، کیونکہ زیادہ تر حجم اسی اکائی میں ناپا جاتا ہے، اور بلنگ کی کم از کم حد بھی شامل کریں۔
-   BroadNet Transcribe کی قیمت $0.12 فی آڈیو گھنٹہ ہے؛ BroadNet Transcribe Arabic کی $0.25، یا فی 1,000 گھنٹے $252.00۔
-   قیمت فیصلے کا صرف آدھا حصہ ہے۔ تبدیلی سے پہلے اپنی آڈیو پر ورڈ ایرر ریٹ ناپیں۔

**اس صفحے پر**

1.  اسپیچ ٹو ٹیکسٹ API کی قیمت فی منٹ اور فی 1,000 گھنٹے کتنی ہے؟
2.  بنیادی قیمت میں کیا شامل نہیں ہوتا؟
3.  ہر مہینے 10,000 وائس نوٹس ٹرانسکرائب کرنے پر کتنا خرچ آتا ہے؟
4.  قیمت کے علاوہ اور کیا اہم ہے؟
5.  BroadNet Transcribe کہاں فٹ بیٹھتا ہے

اسپیچ ٹو ٹیکسٹ کی قیمت سیدھی لگتی ہے: آڈیو کے فی منٹ ایک قیمت۔ عملی طور پر فراہم کنندگان فی منٹ، فی گھنٹہ یا فی سیکنڈ قیمت بتاتے ہیں، بیچ اور اسٹریمنگ کو الگ رکھتے ہیں، اور ڈائرائزیشن اور ریڈیکشن کو ایڈ آنز کے طور پر بیچتے ہیں۔ یہ صفحہ اہم API کو ایک ہی پیمانے پر رکھتا ہے، ان قیمتوں کے ساتھ جو ہم نے **14 اور 15 نومبر 2026** کو ہر آفیشل صفحے سے لیں (نیچے ہر ماخذ اپنی تاریخ بتاتا ہے)۔

جب تک الگ سے نہ بتایا جائے، تمام قیمتیں لسٹ قیمتیں ہیں، استعمال کے مطابق ادائیگی والی، امریکی ڈالر میں، بیچ (پری ریکارڈڈ) آڈیو کے لیے۔ حجم کی رعایتیں اور معاہدے شامل نہیں ہیں۔

## اسپیچ ٹو ٹیکسٹ API کی قیمت فی منٹ اور فی 1,000 گھنٹے کتنی ہے؟

| فراہم کنندہ اور ماڈل | فی منٹ | فی گھنٹہ | فی 1,000 گھنٹے |
| --- | --- | --- | --- |
| Groq، Whisper Large v3 Turbo | تقریباً USD 0.00067 | USD 0.04 | USD 40 |
| DeepSeek ASR، محدود مدت کی قیمت (لسٹ سے 50% کم) | تقریباً USD 0.00097 | USD 0.058 | USD 58 |
| Soniox، async (فی ٹوکن بل؛ فی گھنٹہ ”تقریباً“) | تقریباً USD 0.00167 | تقریباً USD 0.10 | تقریباً USD 100 |
| Groq، Whisper Large v3 | تقریباً USD 0.00185 | USD 0.111 | USD 111 |
| DeepSeek ASR، لسٹ قیمت | تقریباً USD 0.00193 | USD 0.116 | USD 116 |
| [BroadNet Transcribe](https://broadrouter.com/ur/models/cohere-transcribe/) (14 زبانیں) | $0.002 | $0.12 | $120.00 |
| AssemblyAI، Universal-2 | USD 0.0025 | USD 0.15 | USD 150 |
| OpenAI، gpt-4o-mini-transcribe (ڈیپریکیٹڈ، 2027-02-26 کو بند) | 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 زبانیں) | USD 0.004 | USD 0.24 | USD 240 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/ur/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 (ڈیپریکیٹڈ، 2027-02-26 کو بند) | USD 0.006 | USD 0.36 | USD 360 |
| AWS Transcribe، بیچ (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 (پہلے 500,000 منٹ) | USD 0.016 | USD 0.96 | USD 960 |

فی گھنٹہ اور فی 1,000 گھنٹے کے اعداد شائع شدہ یونٹ قیمت سے ہمارا حساب ہیں (فی منٹ x 60، پھر x 1,000)۔ Groq، DeepSeek، AssemblyAI اور Speechmatics فی گھنٹہ قیمتیں شائع کرتے ہیں؛ فی منٹ کالم کے لیے ہم نے 60 سے تقسیم کیا۔ DeepSeek کا [قیمتوں کا صفحہ](https://api-docs.deepseek.com/quick_start/pricing) اس کے اسپیچ ٹو ٹیکسٹ API کو USD 0.116 فی گھنٹہ پر محدود مدت کی 50% رعایت کے ساتھ درج کرتا ہے اور کوئی اختتامی تاریخ نہیں دیتا، اس لیے بجٹ لسٹ قیمت پر بنائیں۔ Speechmatics کے ریٹس اس کی پری ریکارڈڈ لسٹ قیمتیں ہیں؛ اس کا قیمتوں کا صفحہ انہیں 33% ماڈل ٹریننگ رعایت اور 25% تک حجم کی رعایت لگا کر بھی دکھا سکتا ہے، جس سے Melia 1 تقریباً USD 0.12 فی گھنٹہ پر آ جاتا ہے۔ 33% رعایت آپٹ اِن ہے، اور آپٹ اِن کر کے آپ Speechmatics کو اپنی آڈیو اور ٹرانسکرپٹس سے اس کے ماڈلز بہتر بنانے کی اجازت دیتے ہیں (اس کا قیمتوں کا FAQ، 2026-11-15 کو جانچا گیا)۔

Soniox، DeepSeek ASR اور Groq کے Whisper اینڈپوائنٹس، تینوں فی گھنٹہ BroadNet کے دونوں ماڈلز سے سستے ہیں۔ Soniox کا [قیمتوں کا صفحہ](https://soniox.com/pricing)، 2026-11-14 کو جانچا گیا، فی ٹوکن بل کرتا ہے (async کے لیے فی 1M ان پٹ آڈیو ٹوکن USD 1.50 اور فی 1M آؤٹ پٹ ٹیکسٹ ٹوکن USD 3.50) اور کہتا ہے کہ یہ فائل اپ لوڈ کے لیے “about” (ترجمہ: ”تقریباً“) USD 0.10 فی گھنٹہ اور ریئل ٹائم اسٹریمنگ کے لیے USD 0.12 فی گھنٹہ بنتا ہے۔ اس کی [زبانوں کی فہرست](https://docs.soniox.com/stt/concepts/supported-languages) میں 60 سے زیادہ زبانوں میں عربی شامل ہے۔ یہ OpenAI کے `/v1/audio/transcriptions` ڈھانچے کی بجائے اپنا جاب پر مبنی API استعمال کرتا ہے، اس لیے اس پر منتقل ہونے کا مطلب ہے نیا کلائنٹ کوڈ۔

ایک تبدیلی جس کی منصوبہ بندی کرنی ہوگی: OpenAI کا [ڈیپریکیشنز کا صفحہ](https://developers.openai.com/api/docs/deprecations)، 2026-11-15 کو جانچا گیا، `whisper-1`، `gpt-4o-transcribe`، `gpt-4o-mini-transcribe` اور `gpt-4o-transcribe-diarize` کو ڈیپریکیٹڈ بتاتا ہے (نوٹس 26 اگست 2026 کو دیا گیا)، جو 26 فروری 2027 کو بند ہوں گے، اور ان کی جگہ `gpt-transcribe` یا `gpt-live-transcribe` تجویز کرتا ہے۔ اس کا قیمتوں کا صفحہ انہی چار ماڈلز کو ڈیپریکیٹڈ نشان زد کرتا ہے۔ اگر آپ آج OpenAI پائپ لائن کی قیمت نکال رہے ہیں، تو اسے USD 0.0045 فی منٹ والے `gpt-transcribe` پر نکالیں۔ یہ فی گھنٹہ BroadNet کے دونوں ماڈلز سے مہنگا ہے، لیکن OpenAI لائیو ٹرانسکرپشن بھی بیچتا ہے (`gpt-live-transcribe`، USD 0.017 فی منٹ)، جو BroadNet نہیں دیتا۔ یہ صفحہ صرف قیمتوں کا موازنہ کرتا ہے؛ اگر آپ `whisper-1` سے ہٹ رہے ہیں، تو [Whisper API متبادل گائیڈ](https://broadrouter.com/ur/blog/whisper-api-alternative/) بتاتی ہے کہ اپنی آڈیو پر نئے ماڈل کو کیسے ٹیسٹ کریں اور تبدیلی میں کیا ٹوٹتا ہے۔ اپنے حجم کو ان ریٹس پر چلانے کے لیے [اسپیچ ٹو ٹیکسٹ کاسٹ کیلکولیٹر](https://broadrouter.com/tools/speech-to-text-cost-calculator/) استعمال کریں۔

پوری تصویر کے لیے، ہمارا کھلا [اسپیچ ٹو ٹیکسٹ API پرائس انڈیکس](https://broadrouter.com/data/speech-to-text-api-prices/) 20 سے زیادہ پروڈکٹس کی بیچ اور اسٹریمنگ قیمتیں، بلنگ انکریمنٹس اور عربی سپورٹ دکھاتا ہے، ہر ایک فراہم کنندہ کے اپنے قیمتوں کے صفحے سے جانچا گیا (CSV اور JSON)۔

## بنیادی قیمت میں کیا شامل نہیں ہوتا؟

فی منٹ کا عدد شاذ و نادر ہی پورا بل ہوتا ہے۔ موازنے سے پہلے یہ جانچیں:

| مد | صفحات کیا کہتے ہیں |
| --- | --- |
| اسپیکر ڈائرائزیشن | Deepgram: پری ریکارڈڈ کے لیے شامل، اسٹریمنگ کے لیے USD 0.0020/منٹ اضافی۔ AWS: اسٹینڈرڈ قیمت میں شامل۔ AssemblyAI: +USD 0.02/گھنٹہ۔ OpenAI: الگ `gpt-4o-transcribe-diarize` ماڈل، USD 0.006/منٹ، ڈیپریکیٹڈ اور 2027-02-26 کو بند۔ |
| PII ریڈیکشن | Deepgram: USD 0.0020/منٹ۔ AWS: USD 0.0024/منٹ (ٹائر 1)۔ AssemblyAI: ٹیکسٹ ریڈیکشن Universal-2 پر +USD 0.08/گھنٹہ اور Universal-3.5 Pro پر +USD 0.12/گھنٹہ؛ آڈیو ریڈیکشن +USD 0.05/گھنٹہ۔ |
| اسٹریمنگ | AWS: USD 0.01/منٹ، جبکہ بیچ USD 0.006۔ Deepgram Nova-3 monolingual: اسٹریمنگ USD 0.0048 (2027-02-13 تک کارآمد پروموشنل قیمت)، جبکہ پری ریکارڈڈ USD 0.0043۔ Speechmatics Melia 1: ریئل ٹائم USD 0.40/گھنٹہ، جبکہ پری ریکارڈڈ USD 0.24/گھنٹہ۔ |
| بلنگ کی کم از کم حد | Groq ہر درخواست پر کم از کم 10 سیکنڈ بل کرتا ہے۔ AWS فی سیکنڈ بل کرتا ہے، بغیر کم از کم حد کے۔ Google ہر درخواست کو اگلے سیکنڈ تک راؤنڈ اپ کرتا ہے۔ |
| حجم کے ٹائرز | Google V2 standard ہر مہینے 500,000 منٹ کے بعد USD 0.01/منٹ پر آ جاتا ہے، اور 10 لاکھ سے اوپر مزید کم۔ AWS کی اسٹینڈرڈ بیچ اور اسٹریمنگ اب مقررہ ریٹ پر ہیں؛ اس کے حجم کے ٹائرز ریڈیکشن جیسے ایڈ آنز پر لاگو ہوتے ہیں۔ |

جس کال سینٹر کو ڈائرائزیشن اور ریڈیکشن چاہیے، اس کے لیے ریڈیکشن کے ساتھ Deepgram Nova-3 پری ریکارڈڈ USD 0.0063 فی منٹ ہو جاتا ہے، اور AWS USD 0.0084۔ مہنگے ایڈ آنز والی سستی بنیادی قیمت، ایڈ آنز شامل والی اونچی بنیادی قیمت سے ہار سکتی ہے۔

## ہر مہینے 10,000 وائس نوٹس ٹرانسکرائب کرنے پر کتنا خرچ آتا ہے؟

فرض کریں کسی سپورٹ ان باکس میں ہر مہینے 30، 30 سیکنڈ کے 10,000 WhatsApp وائس نوٹس آتے ہیں۔ یعنی 5,000 منٹ۔

-   USD 0.006 فی منٹ پر (AWS بیچ، یا OpenAI کا ڈیپریکیٹڈ whisper-1): USD 30۔
-   USD 0.0045 پر (OpenAI gpt-transcribe): USD 22.50۔
-   USD 0.0043 پر (Deepgram Nova-3): USD 21.50۔
-   BroadNet Transcribe Arabic پر: $21.00۔

یہاں بلنگ کی کم از کم حد اہم ہے۔ Groq کی 10 سیکنڈ کی کم از کم حد ان 30 سیکنڈ کے نوٹس کا بل نہیں بدلتی، لیکن دو سیکنڈ کے ”ok“ نوٹ کو وہ 10 سیکنڈ کے طور پر بل کرتی ہے۔ 15 سیکنڈ کی کم از کم حد ہو تو وہی دو سیکنڈ کا نوٹ 15 سیکنڈ والے نوٹ جتنا پڑتا ہے۔ وائس نوٹس کے مکمل ورک فلو کے لیے [کاروبار کے لیے وائس نوٹس سے متن](https://broadrouter.com/ur/blog/voice-notes-to-text-for-business/) دیکھیں۔

## قیمت کے علاوہ اور کیا اہم ہے؟

جو سستا ماڈل ہر 5 میں سے 1 لفظ غلط کرتا ہے، وہ انسانی تصحیح میں جتنا بچاتا ہے اس سے زیادہ خرچ کرواتا ہے۔ تبدیلی سے پہلے ہر زبان کی اپنی 30 سے 50 ریکارڈنگز پر [ورڈ ایرر ریٹ](https://broadrouter.com/ur/glossary/word-error-rate/) ناپیں۔ ہماری [Whisper متبادل گائیڈ](https://broadrouter.com/ur/blog/whisper-api-alternative/) دکھاتی ہے کہ یہ ٹیسٹ ایک سہ پہر میں کیسے کریں، اور [عربی اسپیچ ٹو ٹیکسٹ خریدار گائیڈ](https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/) لہجہ بہ لہجہ اسکورنگ سمجھاتی ہے۔

قیمت کے علاوہ دوسرے سوال:

-   **زبانیں۔** BroadNet Transcribe 14 زبانوں کا احاطہ کرتا ہے ([مکمل فہرست](https://broadrouter.com/ur/blog/multilingual-speech-to-text-api/))؛ OpenAI کہتا ہے کہ Whisper (ڈیپریکیٹڈ `whisper-1`) مختلف درستگی کے ساتھ 98 زبانیں سپورٹ کرتا ہے۔
-   **فائل کی حدیں۔** OpenAI اپ لوڈ کو 25 MB پر اور BroadNet 25 MiB پر محدود کرتا ہے، اس لیے لمبی کالز کو حصوں میں تقسیم کریں۔
-   **ریٹینشن۔** آڈیو اکثر متن سے زیادہ حساس ہوتی ہے۔ پوچھیں کہ آڈیو اور ٹرانسکرپٹس محفوظ کیے جاتے ہیں یا نہیں؛ دیکھیں [LLM API ڈیٹا ریٹینشن کا موازنہ](https://broadrouter.com/ur/blog/llm-api-data-retention-compared/)۔

## BroadNet Transcribe کہاں فٹ بیٹھتا ہے

BroadNet Transcribe کی قیمت $0.002 فی منٹ ($0.12 فی گھنٹہ) ہے، 14 زبانوں میں: انگریزی، ہسپانوی، فرانسیسی، جرمن، اطالوی، پرتگالی، یونانی، ڈچ، پولش، چینی، جاپانی، کوریائی، ویتنامی اور عربی۔ BroadNet Transcribe Arabic کی قیمت $0.0042 فی منٹ ہے اور یہ عربی لہجوں کے لیے بنایا گیا ہے؛ BroadNet کے مطابق یہ Open Universal Arabic ASR Leaderboard پر 37 میں سے #2 (یہ ستمبر 2026 کی پوزیشن ہے؛ 15 نومبر، 2026 کو لائیو لیڈر بورڈ پر یہ 39 میں سے #4 تھا) ہے۔ دونوں OpenAI-compatible `/v1/audio/transcriptions` اینڈپوائنٹ استعمال کرتے ہیں، 25 MiB تک WAV یا MP3 قبول کرتے ہیں، اور نہ آڈیو محفوظ رکھتے ہیں نہ ٹرانسکرپٹس ([زیرو ڈیٹا ریٹینشن](https://broadrouter.com/ur/privacy/))۔ $5 کا ابتدائی کریڈٹ تقریباً 1,190 منٹ کی عربی آڈیو کا احاطہ کرتا ہے؛ اپنی فائلیں ٹیسٹ کرنے کے لیے [کلید بنائیں](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-speech-to-text-api-pricing-compared&utm_content=body)۔

یہ کہاں موزوں نہیں: BroadNet اسٹریمنگ ٹرانسکرپشن، بلٹ ان ڈائرائزیشن یا ریڈیکشن ایڈ آنز درج نہیں کرتا۔ اگر آپ کو API سے ہی لائیو کیپشنز یا اسپیکر لیبلز چاہئیں، تو Deepgram، AssemblyAI اور AWS دونوں دیتے ہیں۔ OpenAI لائیو ٹرانسکرپشن دیتا ہے، لیکن اس کا واحد اسپیکر لیبلنگ ماڈل ڈیپریکیٹڈ ہے۔ BroadNet کے دونوں ماڈلز کا آمنے سامنے موازنہ [موازنے کے صفحے](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/) پر کریں، یا تمام قیمتیں [قیمتوں](https://broadrouter.com/ur/pricing/) کے صفحے پر دیکھیں۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[اسپیچ ٹو ٹیکسٹ (speech-to-text)](https://broadrouter.com/ur/glossary/speech-to-text/)

اسپیچ ٹو ٹیکسٹ، جسے automatic speech recognition (ASR) بھی کہتے ہیں، بولے گئے آڈیو کو تحریری متن میں بدلنے کی ٹیکنالوجی ہے۔ speech-to-text API آڈیو فائل یا اسٹریم لے کر ٹرانسکرپٹ لوٹاتا ہے، عموماً فی آڈیو منٹ قیمت پر۔ درستگی ورڈ ایرر ریٹ سے ناپی جاتی ہے اور لہجے، بولی اور ریکارڈنگ کے معیار کے ساتھ بدلتی ہے۔

[اسٹریمنگ (streaming)](https://broadrouter.com/ur/glossary/streaming/)

اسٹریمنگ، لینگویج ماڈل کے جواب کو آخر میں ایک ساتھ لوٹانے کے بجائے، بنتے وقت ہی چھوٹے چھوٹے ٹکڑوں (chunks) میں لوٹانے کا طریقہ ہے۔ OpenAI-compatible APIs، درخواست میں stream کو true سیٹ کرنے پر server-sent events کے ذریعے اسٹریم کرتے ہیں۔

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[اسپیکر ڈائرائزیشن (speaker diarization)](https://broadrouter.com/ur/glossary/diarization/)

اسپیکر ڈائرائزیشن آڈیو ریکارڈنگ کو بولنے والوں کے لحاظ سے حصوں میں بانٹنے کا کام ہے، جو بتاتا ہے کہ "کون کب بولا"۔ یہ گفتگو کے ہر حصے پر SPEAKER\_00 جیسی گمنام اسپیکر ID لگاتی ہے، اور عموماً ٹرانسکرپٹ کے ساتھ ملا کر دکھاتی ہے کہ ہر سطر کس نے کہی۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

[زیرو ڈیٹا ریٹینشن (zero data retention، ZDR)](https://broadrouter.com/ur/glossary/zero-data-retention/)

زیرو ڈیٹا ریٹینشن (ZDR) ڈیٹا سنبھالنے کی ایک پالیسی ہے، جس میں AI فراہم کنندہ پرامپٹس اور آؤٹ پٹ صرف درخواست پوری کرنے کے لیے پروسیس کرتا ہے اور بعد میں وہ مواد لاگز، کیش یا تربیتی ڈیٹا میں محفوظ نہیں کرتا۔ ٹوکن گنتی اور اوقات جیسے بغیر مواد کے ریکارڈ عموماً پھر بھی رکھے جاتے ہیں۔

[ورڈ ایرر ریٹ (WER)](https://broadrouter.com/ur/glossary/word-error-rate/)

ورڈ ایرر ریٹ (WER) اسپیچ ریکگنیشن کی درستی کا معیاری پیمانہ ہے: ٹرانسکرپٹ کو درست ریفرنس میں بدلنے کے لیے درکار الفاظ کے substitutions، deletions اور insertions کی تعداد، جسے ریفرنس کے کل الفاظ سے تقسیم کیا جاتا ہے۔ جتنا کم، اتنا بہتر۔

## عام سوالات

### سب سے سستا اسپیچ ٹو ٹیکسٹ API کون سا ہے؟

نومبر 2026 میں ہمارے جدول میں سب سے کم Groq کا Whisper Large v3 Turbo تھا، USD 0.04 فی گھنٹہ۔ اس کے بعد DeepSeek ASR USD 0.058 فی گھنٹہ پر تھا، مگر صرف اس وقت تک جب تک اس کی محدود مدت کی 50% رعایت جاری ہے (کوئی اختتامی تاریخ نہیں دی گئی)۔ پھر Soniox تقریباً USD 0.10 فی گھنٹہ (async)، Groq Whisper Large v3 USD 0.111، اپنی USD 0.116 لسٹ قیمت پر DeepSeek ASR اور BroadNet Transcribe $0.12 فی گھنٹہ تھے۔ سستا کافی اچھا ہے یا نہیں، یہ آپ کی آڈیو پر درستگی طے کرتی ہے۔

### OpenAI Whisper API کی قیمت فی منٹ کتنی ہے؟

OpenAI، whisper-1 کو USD 0.006 فی منٹ پر درج کرتا ہے، gpt-4o-transcribe کے برابر؛ gpt-4o-mini-transcribe کی قیمت USD 0.003 ہے۔ اس کے قیمتوں کے صفحے پر تینوں ڈیپریکیٹڈ نشان زد ہیں، اور ڈیپریکیشنز کا صفحہ کہتا ہے کہ یہ 26 فروری 2027 کو بند ہوں گے۔ اس کا تجویز کردہ متبادل gpt-transcribe، USD 0.0045 فی منٹ (USD 0.27 فی گھنٹہ) کا ہے۔ 2026-11-15 کو جانچا گیا۔

### 1,000 گھنٹے کی آڈیو ٹرانسکرائب کرنے پر کتنا خرچ آتا ہے؟

فی منٹ قیمت کو 60,000 سے ضرب دیں۔ USD 0.006 فی منٹ پر یہ USD 360 ہے۔ BroadNet Transcribe Arabic کے ساتھ یہ $252.00 ہے۔

### کیا اسپیکر ڈائرائزیشن قیمت میں شامل ہے؟

یہ مختلف ہے۔ Deepgram اسے پری ریکارڈڈ آڈیو کے لیے شامل کرتا ہے اور AWS اپنی اسٹینڈرڈ قیمت میں، AssemblyAI فی گھنٹہ اضافی رقم لیتا ہے، اور OpenAI کا واحد ڈائرائزیشن ماڈل gpt-4o-transcribe-diarize ڈیپریکیٹڈ ہے اور 26 فروری 2027 کو بند ہو جائے گا۔ بنیادی قیمتوں کے موازنے سے پہلے یہ جانچ لیں۔

### کیا اسٹریمنگ ٹرانسکرپشن بیچ سے مہنگی ہے؟

عموماً ہاں۔ AWS بیچ کے لیے USD 0.006 فی منٹ اور اسٹریمنگ کے لیے USD 0.01 درج کرتا ہے، اور Deepgram اسٹریمنگ Nova-3 کے لیے پری ریکارڈڈ سے زیادہ لیتا ہے۔

## مزید پڑھیں

-   [Whisper API کا متبادل: کب بدلیں، اور اسے کیسے ٹیسٹ کریں](https://broadrouter.com/ur/blog/whisper-api-alternative/)
-   [عربی speech-to-text API: 2026 میں درست API کیسے منتخب کریں](https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/)
-   [کال سینٹر ریکارڈنگز کیسے ٹرانسکرائب کریں: عربی کے لیے تیار پائپ لائن](https://broadrouter.com/ur/blog/transcribe-call-center-recordings/)
-   [کاروبار کے لیے وائس نوٹ سے متن: WhatsApp اور Telegram سے ٹکٹس](https://broadrouter.com/ur/blog/voice-notes-to-text-for-business/)
-   [Artificial Analysis کے متبادل: 2026 میں LLMs کا موازنہ کہاں کریں](https://broadrouter.com/ur/blog/artificial-analysis-alternatives/)
-   [LLM API SLA موازنہ: Azure، Bedrock، Google، OpenAI کے وعدے](https://broadrouter.com/ur/blog/llm-api-sla-uptime-compared/)
-   [گائیڈ: عربی speech-to-text API، قدم بہ قدم](https://broadrouter.com/ur/guides/arabic-speech-to-text-api/)
-   [گائیڈ: API کے ذریعے WhatsApp وائس نوٹس کو متن میں بدلیں](https://broadrouter.com/ur/guides/transcribe-whatsapp-voice-notes/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [OpenAI API کی قیمتیں، ٹرانسکرپشن (2026-11-15 کو دیکھا گیا)](https://developers.openai.com/api/docs/pricing)
-   [OpenAI ڈیپریکیشنز، اسپیچ ٹو ٹیکسٹ ماڈلز (2026-11-15 کو دیکھا گیا)](https://developers.openai.com/api/docs/deprecations)
-   [Google Cloud Speech-to-Text کی قیمتیں (2026-11-14 کو دیکھا گیا)](https://cloud.google.com/speech-to-text/pricing)
-   [Amazon Transcribe کی قیمتیں (2026-11-14 کو دیکھا گیا)](https://aws.amazon.com/transcribe/pricing/)
-   [Deepgram کی قیمتیں (2026-11-14 کو دیکھا گیا)](https://deepgram.com/pricing)
-   [AssemblyAI کی قیمتیں (2026-11-14 کو دیکھا گیا)](https://www.assemblyai.com/pricing)
-   [Speechmatics کی قیمتیں، ماڈل ٹریننگ رعایت کے FAQ کے ساتھ (2026-11-14 کو دیکھا گیا؛ FAQ 2026-11-15 کو جانچا گیا)](https://www.speechmatics.com/pricing)
-   [Soniox کی قیمتیں (2026-11-14 کو دیکھا گیا)](https://soniox.com/pricing)
-   [Soniox کی معاون زبانیں (2026-11-14 کو دیکھا گیا)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [DeepSeek API کی قیمتیں، اسپیچ ٹو ٹیکسٹ (2026-11-14 کو دیکھا گیا)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Groq اسپیچ ٹو ٹیکسٹ دستاویزات، Whisper کی قیمتیں (2026-11-14 کو دیکھا گیا)](https://console.groq.com/docs/speech-to-text)
-   [BroadNet Inference کی مشین سے پڑھی جانے والی قیمتیں (pricing.json) (انگریزی میں)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-speech-to-text-api-pricing-compared&utm_content=sources)
