---
title: "So sánh giá API speech-to-text theo phút (2026) | BroadRouter"
description: "Giá mỗi phút và mỗi 1.000 giờ của OpenAI, Google, AWS, Deepgram, AssemblyAI, Speechmatics, Groq và BroadNet Transcribe từ trang chính thức, kèm các khoản phụ phí."
url: https://broadrouter.com/vi/blog/speech-to-text-api-pricing-compared/
lang: vi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (cập nhật ngày 2026-11-15).

# So sánh giá API chuyển giọng nói thành văn bản: giá mỗi phút năm 2026

Đội ngũ BroadNet Inference · 7 phút đọc · Đăng ngày 2026-11-14 · Cập nhật 2026-11-15

Vào tháng 11 năm 2026, API chuyển giọng nói thành văn bản dạng batch có giá niêm yết khoảng USD 0.0007 đến 0.016 mỗi phút âm thanh. Deepgram Nova-3 thu USD 0.0043, gpt-transcribe hiện tại của OpenAI USD 0.0045, AWS Transcribe USD 0.006 và Google V2 standard USD 0.016. BroadNet Transcribe có giá $0.002 mỗi phút cho 14 ngôn ngữ, còn BroadNet Transcribe Arabic là $0.0042.

## Ý chính

-   Giá niêm yết cho chép lời batch chênh nhau hơn 20 lần, từ khoảng USD 0.04 đến USD 0.96 mỗi giờ âm thanh.
-   Phụ phí làm thay đổi hóa đơn: phân tách người nói, ẩn thông tin cá nhân (PII) và streaming đều có thể tính thêm tiền.
-   Hãy so sánh trên mỗi 1.000 giờ, đơn vị mà phần lớn khối lượng được đo, và tính cả mức tính phí tối thiểu.
-   BroadNet Transcribe có giá $0.12 mỗi giờ âm thanh; BroadNet Transcribe Arabic có giá $0.25, tức $252.00 cho mỗi 1.000 giờ.
-   Giá chỉ là một nửa của quyết định. Hãy đo tỷ lệ lỗi từ trên âm thanh của chính bạn trước khi chuyển.

**Trong trang này**

1.  API chuyển giọng nói thành văn bản giá bao nhiêu mỗi phút và mỗi 1.000 giờ?
2.  Giá cơ bản bỏ sót những gì?
3.  Chép lời 10.000 tin nhắn thoại mỗi tháng tốn bao nhiêu?
4.  Ngoài giá còn điều gì quan trọng?
5.  BroadNet Transcribe phù hợp với ai?

Giá chuyển giọng nói thành văn bản trông có vẻ đơn giản: một mức giá cho mỗi phút âm thanh. Trên thực tế, các nhà cung cấp báo giá theo phút, theo giờ hoặc theo giây, tách batch khỏi streaming, và bán phân tách người nói cùng ẩn thông tin dưới dạng phụ phí. Trang này đặt các API chính lên cùng một thang đo, dùng giá chúng tôi lấy từ trang chính thức của từng bên vào **ngày 14 và 15 tháng 11 năm 2026** (ngày của từng nguồn ghi ở phần nguồn bên dưới).

Mọi mức giá là giá niêm yết, trả theo mức dùng, tính bằng đô la Mỹ, cho âm thanh batch (ghi sẵn) trừ khi có ghi chú. Không bao gồm chiết khấu khối lượng và hợp đồng.

## API chuyển giọng nói thành văn bản giá bao nhiêu mỗi phút và mỗi 1.000 giờ?

| Nhà cung cấp và model | Mỗi phút | Mỗi giờ | Mỗi 1.000 giờ |
| --- | --- | --- | --- |
| Groq, Whisper Large v3 Turbo | khoảng USD 0.00067 | USD 0.04 | USD 40 |
| DeepSeek ASR, giá có thời hạn (giảm 50% so với giá niêm yết) | khoảng USD 0.00097 | USD 0.058 | USD 58 |
| Soniox, async (tính theo token; mỗi giờ là “khoảng”) | khoảng USD 0.00167 | khoảng USD 0.10 | khoảng USD 100 |
| Groq, Whisper Large v3 | khoảng USD 0.00185 | USD 0.111 | USD 111 |
| DeepSeek ASR, giá niêm yết | khoảng USD 0.00193 | USD 0.116 | USD 116 |
| [BroadNet Transcribe](https://broadrouter.com/vi/models/cohere-transcribe/) (14 ngôn ngữ) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | USD 0.0025 | USD 0.15 | USD 150 |
| OpenAI, gpt-4o-mini-transcribe (ngừng hỗ trợ, tắt ngày 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 ngôn ngữ) | USD 0.004 | USD 0.24 | USD 240 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/vi/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 (ngừng hỗ trợ, tắt ngày 2027-02-26) | USD 0.006 | USD 0.36 | USD 360 |
| AWS Transcribe, batch (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 (500.000 phút đầu) | USD 0.016 | USD 0.96 | USD 960 |

Số liệu mỗi giờ và mỗi 1.000 giờ là phép tính của chúng tôi từ đơn giá đã công bố (mỗi phút x 60, rồi x 1.000). Groq, DeepSeek, AssemblyAI và Speechmatics công bố giá theo giờ; chúng tôi chia cho 60 để có cột mỗi phút. [Trang giá](https://api-docs.deepseek.com/quick_start/pricing) của DeepSeek niêm yết API chuyển giọng nói thành văn bản ở mức USD 0.116 mỗi giờ kèm giảm giá 50% có thời hạn và không nêu ngày kết thúc, nên hãy lập ngân sách theo giá niêm yết. Giá Speechmatics là giá niêm yết cho âm thanh ghi sẵn; trang giá của họ cũng có thể hiển thị giá đã áp dụng chiết khấu 33% khi đồng ý cho huấn luyện model và chiết khấu khối lượng đến 25%, đưa Melia 1 xuống khoảng USD 0.12 mỗi giờ. Chiết khấu 33% là tùy chọn tham gia, và khi tham gia, bạn cho phép Speechmatics dùng âm thanh và bản chép lời của bạn để cải thiện model (FAQ trên trang giá của họ, kiểm tra ngày 2026-11-15).

Soniox, DeepSeek ASR và các endpoint Whisper của Groq đều rẻ hơn tính theo giờ so với cả hai model của BroadNet. [Trang giá](https://soniox.com/pricing) của Soniox, kiểm tra ngày 2026-11-14, tính phí theo token (với async là USD 1.50 cho 1 triệu token âm thanh đầu vào và USD 3.50 cho 1 triệu token văn bản đầu ra) và cho biết mức này là “khoảng” USD 0.10 mỗi giờ khi tải tệp lên và USD 0.12 mỗi giờ khi streaming thời gian thực. [Danh sách ngôn ngữ](https://docs.soniox.com/stt/concepts/supported-languages) của Soniox có tiếng Ả Rập trong số hơn 60 ngôn ngữ. Soniox dùng API riêng dựa trên job thay vì cấu trúc `/v1/audio/transcriptions` của OpenAI, nên chuyển sang đó nghĩa là phải viết code client mới.

Một thay đổi cần lên kế hoạch: [trang thông báo ngừng hỗ trợ](https://developers.openai.com/api/docs/deprecations) của OpenAI, kiểm tra ngày 2026-11-15, liệt kê `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` và `gpt-4o-transcribe-diarize` là đã ngừng hỗ trợ (thông báo ngày 26 tháng 8 năm 2026), sẽ tắt vào ngày 26 tháng 2 năm 2027, với `gpt-transcribe` hoặc `gpt-live-transcribe` là model thay thế. Trang giá của họ cũng đánh dấu bốn model này là ngừng hỗ trợ. Nếu hôm nay bạn tính giá cho một pipeline OpenAI, hãy tính theo `gpt-transcribe` với USD 0.0045 mỗi phút. Mức đó cao hơn tính theo giờ so với cả hai model của BroadNet, nhưng OpenAI còn bán chép lời trực tiếp (`gpt-live-transcribe`, USD 0.017 mỗi phút), thứ mà BroadNet không có. Trang này chỉ so sánh giá; nếu bạn đang rời khỏi `whisper-1`, [hướng dẫn thay thế Whisper API](https://broadrouter.com/vi/blog/whisper-api-alternative/) trình bày cách thử model thay thế trên âm thanh của chính bạn và những gì bị hỏng khi chuyển. Để áp khối lượng của bạn vào các mức giá này, hãy dùng [công cụ tính chi phí chuyển giọng nói thành văn bản](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

Để có bức tranh đầy đủ, [chỉ số giá API chuyển giọng nói thành văn bản](https://broadrouter.com/data/speech-to-text-api-prices/) mở của chúng tôi liệt kê giá batch và streaming, bước tính phí và hỗ trợ tiếng Ả Rập của hơn 20 sản phẩm, mỗi mục được đối chiếu với trang giá của chính nhà cung cấp (CSV và JSON).

## Giá cơ bản bỏ sót những gì?

Con số mỗi phút hiếm khi là toàn bộ hóa đơn. Hãy kiểm tra những mục sau trước khi so sánh:

| Mục | Các trang giá ghi gì |
| --- | --- |
| Phân tách người nói | Deepgram: đã bao gồm cho âm thanh ghi sẵn, thêm USD 0.0020/phút cho streaming. AWS: đã bao gồm trong giá chuẩn. AssemblyAI: +USD 0.02/giờ. OpenAI: model riêng `gpt-4o-transcribe-diarize` giá USD 0.006/phút, đã ngừng hỗ trợ và sẽ tắt ngày 2027-02-26. |
| Ẩn thông tin cá nhân (PII) | Deepgram: USD 0.0020/phút. AWS: USD 0.0024/phút (bậc 1). AssemblyAI: ẩn trong văn bản +USD 0.08/giờ với Universal-2 và +USD 0.12/giờ với Universal-3.5 Pro; ẩn trong âm thanh +USD 0.05/giờ. |
| Streaming | AWS: USD 0.01/phút so với USD 0.006 cho batch. Deepgram Nova-3 monolingual: USD 0.0048 cho streaming (giá khuyến mãi có hiệu lực đến 2027-02-13) so với USD 0.0043 cho âm thanh ghi sẵn. Speechmatics Melia 1: USD 0.40/giờ thời gian thực so với USD 0.24/giờ ghi sẵn. |
| Mức tính phí tối thiểu | Groq tính tối thiểu 10 giây mỗi request. AWS tính theo giây, không có mức tối thiểu. Google làm tròn mỗi request lên giây kế tiếp. |
| Bậc khối lượng | Google V2 standard giảm xuống USD 0.01/phút sau 500.000 phút mỗi tháng, và thấp hơn nữa trên 1 triệu phút. Batch và streaming chuẩn của AWS nay là giá cố định; các bậc khối lượng của họ áp dụng cho phụ phí như ẩn thông tin. |

Với một tổng đài cần phân tách người nói và ẩn thông tin, Deepgram Nova-3 cho âm thanh ghi sẵn thành USD 0.0063 mỗi phút khi có ẩn thông tin, còn AWS thành USD 0.0084. Giá cơ bản rẻ đi kèm phụ phí đắt có thể thua giá cơ bản cao hơn nhưng đã bao gồm các tính năng đó.

## Chép lời 10.000 tin nhắn thoại mỗi tháng tốn bao nhiêu?

Giả sử hộp thư hỗ trợ nhận 10.000 tin nhắn thoại WhatsApp mỗi tháng, mỗi tin 30 giây. Tổng cộng là 5.000 phút.

-   Với USD 0.006 mỗi phút (AWS batch, hoặc whisper-1 đã ngừng hỗ trợ của OpenAI): USD 30.
-   Với USD 0.0045 (OpenAI gpt-transcribe): USD 22.50.
-   Với USD 0.0043 (Deepgram Nova-3): USD 21.50.
-   Trên BroadNet Transcribe Arabic: $21.00.

Mức tính phí tối thiểu quan trọng ở đây. Mức tối thiểu 10 giây của Groq không làm thay đổi chi phí của các tin 30 giây trong ví dụ này, nhưng một tin “ok” dài hai giây sẽ bị tính như 10 giây. Với mức tối thiểu 15 giây, tin hai giây đó tốn bằng một tin dài 15 giây. Để xem toàn bộ quy trình xử lý tin nhắn thoại, hãy đọc [chuyển tin nhắn thoại thành văn bản cho doanh nghiệp](https://broadrouter.com/vi/blog/voice-notes-to-text-for-business/).

## Ngoài giá còn điều gì quan trọng?

Một model rẻ hơn nhưng sai 1 trên 5 từ sẽ tốn chi phí sửa thủ công nhiều hơn số tiền nó tiết kiệm. Trước khi chuyển, hãy đo [tỷ lệ lỗi từ](https://broadrouter.com/vi/glossary/word-error-rate/) trên 30 đến 50 bản ghi âm của chính bạn cho mỗi ngôn ngữ. [Hướng dẫn thay thế Whisper](https://broadrouter.com/vi/blog/whisper-api-alternative/) của chúng tôi chỉ cách chạy phép thử đó trong một buổi chiều, và [hướng dẫn chọn mua API chuyển giọng nói tiếng Ả Rập thành văn bản](https://broadrouter.com/vi/blog/arabic-speech-to-text-api-buyers-guide/) trình bày cách chấm điểm theo từng phương ngữ.

Các câu hỏi khác ngoài giá:

-   **Ngôn ngữ.** BroadNet Transcribe hỗ trợ 14 ngôn ngữ ([danh sách đầy đủ](https://broadrouter.com/vi/blog/multilingual-speech-to-text-api/)); OpenAI cho biết Whisper (bản `whisper-1` đã ngừng hỗ trợ) hỗ trợ 98 ngôn ngữ với độ chính xác khác nhau.
-   **Giới hạn tệp.** OpenAI giới hạn tệp tải lên ở 25 MB và BroadNet ở 25 MiB, nên hãy chia nhỏ các cuộc gọi dài.
-   **Lưu giữ.** Âm thanh thường nhạy cảm hơn văn bản. Hãy hỏi xem âm thanh và bản chép lời có được lưu lại không; xem [so sánh chính sách lưu giữ dữ liệu của các API LLM](https://broadrouter.com/vi/blog/llm-api-data-retention-compared/).

## BroadNet Transcribe phù hợp với ai?

BroadNet Transcribe có giá $0.002 mỗi phút ($0.12 mỗi giờ) cho 14 ngôn ngữ: tiếng Anh, Tây Ban Nha, Pháp, Đức, Ý, Bồ Đào Nha, Hy Lạp, Hà Lan, Ba Lan, Trung, Nhật, Hàn, Việt và Ả Rập. BroadNet Transcribe Arabic có giá $0.0042 mỗi phút và được xây dựng cho các phương ngữ tiếng Ả Rập; BroadNet báo cáo model này đứng thứ 2/37 (số liệu tháng 9 năm 2026; bảng xếp hạng trực tiếp ngày 15 tháng 11, 2026 ghi nhận thứ 4/39) trên Open Universal Arabic ASR Leaderboard. Cả hai đều dùng endpoint `/v1/audio/transcriptions` tương thích OpenAI, nhận WAV hoặc MP3 tối đa 25 MiB, và không lưu giữ âm thanh hay bản chép lời ([không lưu giữ dữ liệu](https://broadrouter.com/vi/privacy/)). Tín dụng ban đầu $5 đủ cho khoảng 1,190 phút âm thanh tiếng Ả Rập; hãy [tạo key](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-speech-to-text-api-pricing-compared&utm_content=body) để thử với tệp của chính bạn.

Trường hợp không phù hợp: BroadNet không liệt kê chép lời streaming, phân tách người nói tích hợp hay phụ phí ẩn thông tin. Nếu bạn cần phụ đề trực tiếp hoặc nhãn người nói ngay từ API, Deepgram, AssemblyAI và AWS có cả hai. OpenAI có chép lời trực tiếp, nhưng model gắn nhãn người nói duy nhất của họ đã ngừng hỗ trợ. So sánh hai model của BroadNet cạnh nhau trên [trang so sánh](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/), hoặc xem mọi mức giá trên trang [bảng giá](https://broadrouter.com/vi/pricing/).

Công cụ miễn phí cho chủ đề này (tiếng Anh)

-   [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.

[Công cụ miễn phí (tiếng Anh)](https://broadrouter.com/tools/)

## Thuật ngữ trong bài này

[Chuyển giọng nói thành văn bản (speech-to-text)](https://broadrouter.com/vi/glossary/speech-to-text/)

Chuyển giọng nói thành văn bản, hay nhận dạng giọng nói tự động (ASR), là công nghệ biến lời nói thành chữ viết. API nhận tệp hoặc luồng âm thanh, trả về bản chép lời, thường tính theo phút. Độ chính xác đo bằng tỷ lệ lỗi từ, thay đổi theo giọng, phương ngữ và chất lượng ghi âm.

[Streaming (trả phản hồi dạng luồng)](https://broadrouter.com/vi/glossary/streaming/)

Streaming là cách trả phản hồi của model ngôn ngữ thành từng chunk nhỏ ngay trong lúc nó đang được sinh, thay vì một câu trả lời trọn vẹn ở cuối. Các API tương thích OpenAI stream qua server-sent events khi request đặt stream là true.

[Speaker diarization (phân tách người nói)](https://broadrouter.com/vi/glossary/diarization/)

Speaker diarization (phân tách người nói) là tác vụ chia một bản ghi âm thành các đoạn theo người nói, trả lời câu hỏi “ai nói lúc nào”. Mỗi đoạn lời nói được gắn một ID ẩn danh như SPEAKER\_00, và thường được kết hợp với bản chép lời để cho thấy ai nói từng dòng.

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

Token là đơn vị văn bản mà model ngôn ngữ đọc và viết: một từ, một phần của từ, một dấu câu hoặc một chuỗi byte do tokenizer của model tạo ra. API LLM đếm, giới hạn và thường tính phí theo token.

[API tương thích OpenAI (OpenAI-compatible API)](https://broadrouter.com/vi/glossary/openai-compatible-api/)

API tương thích OpenAI là một HTTP API nhận cùng định dạng request và phản hồi như OpenAI API, ví dụ POST /v1/chat/completions, nên SDK và công cụ của OpenAI dùng được nó chỉ bằng cách đổi base URL, API key và tên model.

[Không lưu giữ dữ liệu (zero data retention, ZDR)](https://broadrouter.com/vi/glossary/zero-data-retention/)

Không lưu giữ dữ liệu (ZDR) là chính sách mà nhà cung cấp AI chỉ xử lý prompt và đầu ra để phục vụ request, sau đó không lưu nội dung đó vào log, cache hay dữ liệu huấn luyện. Các bản ghi không chứa nội dung như số token và thời gian xử lý thường vẫn được giữ.

[PII (thông tin nhận dạng cá nhân)](https://broadrouter.com/vi/glossary/pii/)

PII (thông tin nhận dạng cá nhân) là thông tin giúp phân biệt hoặc truy ra danh tính một người, như tên, số định danh, dữ liệu sinh trắc, cùng thông tin gắn được với người đó. GDPR dùng khái niệm rộng hơn là dữ liệu cá nhân. Với LLM, che PII là gỡ nó khỏi prompt trước khi gửi.

[Tool calling (gọi tool, function calling)](https://broadrouter.com/vi/glossary/tool-calling/)

Tool calling, còn gọi là function calling, là tính năng của API LLM trong đó model trả về một yêu cầu có cấu trúc để chạy một hàm do nhà phát triển định nghĩa, kèm đối số JSON. Ứng dụng chạy hàm rồi gửi kết quả lại; model không bao giờ tự chạy code.

## Câu hỏi thường gặp

### API chuyển giọng nói thành văn bản nào rẻ nhất?

Vào tháng 11 năm 2026, Whisper Large v3 Turbo của Groq với USD 0.04 mỗi giờ là thấp nhất trong bảng của chúng tôi. Kế đến là DeepSeek ASR với USD 0.058 mỗi giờ, nhưng chỉ trong thời gian giảm giá 50% có hạn (không nêu ngày kết thúc). Sau đó là Soniox với khoảng USD 0.10 mỗi giờ (async), Groq Whisper Large v3 với USD 0.111, DeepSeek ASR theo giá niêm yết USD 0.116 và BroadNet Transcribe với $0.12 mỗi giờ. Độ chính xác trên âm thanh của bạn mới quyết định giá rẻ có đủ tốt hay không.

### Whisper API của OpenAI giá bao nhiêu mỗi phút?

OpenAI niêm yết whisper-1 ở mức USD 0.006 mỗi phút, bằng với gpt-4o-transcribe; gpt-4o-mini-transcribe là USD 0.003. Cả ba đều được đánh dấu ngừng hỗ trợ trên trang giá, và trang thông báo ngừng hỗ trợ cho biết chúng sẽ tắt vào ngày 26 tháng 2 năm 2027. Model thay thế được khuyến nghị, gpt-transcribe, có giá USD 0.0045 mỗi phút (USD 0.27 mỗi giờ). Kiểm tra ngày 2026-11-15.

### Chép lời 1.000 giờ âm thanh tốn bao nhiêu?

Nhân giá mỗi phút với 60.000. Với USD 0.006 mỗi phút, con số là USD 360. Với BroadNet Transcribe Arabic là $252.00.

### Phân tách người nói (diarization) có nằm trong giá không?

Tùy nhà cung cấp. Deepgram bao gồm cho âm thanh ghi sẵn và AWS bao gồm trong giá chuẩn, AssemblyAI tính thêm theo giờ, còn model phân tách người nói duy nhất của OpenAI là gpt-4o-transcribe-diarize đã bị ngừng hỗ trợ và sẽ tắt vào ngày 26 tháng 2 năm 2027. Hãy kiểm tra trước khi so sánh giá cơ bản.

### Chép lời streaming có đắt hơn batch không?

Thường là có. AWS niêm yết USD 0.006 mỗi phút cho batch và USD 0.01 cho streaming, còn Deepgram tính giá Nova-3 streaming cao hơn âm thanh ghi sẵn.

## Đọc tiếp

-   [Thay thế Whisper API: khi nào nên chuyển và cách test](https://broadrouter.com/vi/blog/whisper-api-alternative/)
-   [API chuyển giọng nói tiếng Ả Rập thành văn bản: cách chọn năm 2026](https://broadrouter.com/vi/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Chép lời ghi âm tổng đài: pipeline sẵn sàng cho tiếng Ả Rập](https://broadrouter.com/vi/blog/transcribe-call-center-recordings/)
-   [Tin nhắn thoại thành văn bản cho doanh nghiệp: WhatsApp, Telegram](https://broadrouter.com/vi/blog/voice-notes-to-text-for-business/)
-   [Lựa chọn thay thế Artificial Analysis: nơi so sánh LLM năm 2026](https://broadrouter.com/vi/blog/artificial-analysis-alternatives/)
-   [So sánh SLA API LLM: Azure, Bedrock, Google và OpenAI cam kết gì](https://broadrouter.com/vi/blog/llm-api-sla-uptime-compared/)
-   [Hướng dẫn: API chuyển giọng nói tiếng Ả Rập thành văn bản: từng bước](https://broadrouter.com/vi/guides/arabic-speech-to-text-api/)
-   [Hướng dẫn: Chép lời tin nhắn thoại WhatsApp thành văn bản bằng API](https://broadrouter.com/vi/guides/transcribe-whatsapp-voice-notes/)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

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

**Nguồn**

-   [Bảng giá OpenAI API, chép lời (truy cập ngày 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Thông báo ngừng hỗ trợ của OpenAI, các model chuyển giọng nói thành văn bản (truy cập ngày 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Bảng giá Google Cloud Speech-to-Text (truy cập ngày 2026-11-14)](https://cloud.google.com/speech-to-text/pricing)
-   [Bảng giá Amazon Transcribe (truy cập ngày 2026-11-14)](https://aws.amazon.com/transcribe/pricing/)
-   [Bảng giá Deepgram (truy cập ngày 2026-11-14)](https://deepgram.com/pricing)
-   [Bảng giá AssemblyAI (truy cập ngày 2026-11-14)](https://www.assemblyai.com/pricing)
-   [Bảng giá Speechmatics, kèm FAQ về chiết khấu huấn luyện model (truy cập ngày 2026-11-14; FAQ kiểm tra ngày 2026-11-15)](https://www.speechmatics.com/pricing)
-   [Bảng giá Soniox (truy cập ngày 2026-11-14)](https://soniox.com/pricing)
-   [Các ngôn ngữ Soniox hỗ trợ (truy cập ngày 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Bảng giá API DeepSeek, chuyển giọng nói thành văn bản (truy cập ngày 2026-11-14)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Tài liệu chuyển giọng nói thành văn bản của Groq, giá Whisper (truy cập ngày 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Bảng giá dạng máy đọc được của BroadNet Inference (pricing.json) (tiếng Anh)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-speech-to-text-api-pricing-compared&utm_content=sources)
