BroadRouter

语音转文字 API 价格对比:2026 年每分钟多少钱

BroadNet Inference 团队 · 阅读约 7 分钟 · 发布于 · 更新于

2026 年 11 月,批量语音转文字 API 的标价大约在每音频分钟 USD 0.0007 到 0.016 之间。Deepgram Nova-3 为 USD 0.0043,OpenAI 当前的 gpt-transcribe 为 USD 0.0045,AWS Transcribe 为 USD 0.006,Google V2 standard 为 USD 0.016。BroadNet Transcribe 支持 14 种语言,每分钟 $0.002;BroadNet Transcribe Arabic 每分钟 $0.0042。

语音转文字的定价看起来很简单:每分钟音频一个价。实际上,各家有按分钟、按小时或按秒报价的,有把批量和流式分开定价的,还有把说话人分离和脱敏作为附加功能单卖的。本页把主要的 API 放到同一把尺子上比较,价格均为我们在 2026 年 11 月 14 日和 15 日从各家官方页面获取的(日期见下方各来源)。

除非另有说明,所有价格均为标价、按量付费、以美元计,针对批量(预录)音频。不含批量折扣和合同价。

语音转文字 API 每分钟、每 1,000 小时要多少钱?

服务商与模型 每分钟 每小时 每 1,000 小时
Groq,Whisper Large v3 Turbo 约 USD 0.00067 USD 0.04 USD 40
DeepSeek ASR,限时价(标价五折) 约 USD 0.00097 USD 0.058 USD 58
Soniox,异步(按 token 计费;每小时为“约”) 约 USD 0.00167 约 USD 0.10 约 USD 100
Groq,Whisper Large v3 约 USD 0.00185 USD 0.111 USD 111
DeepSeek ASR,标价 约 USD 0.00193 USD 0.116 USD 116
BroadNet Transcribe(14 种语言) $0.002 $0.12 $120.00
AssemblyAI,Universal-2 USD 0.0025 USD 0.15 USD 150
OpenAI,gpt-4o-mini-transcribe(已弃用,2027-02-26 停止服务) 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 种语言) USD 0.004 USD 0.24 USD 240
BroadNet Transcribe Arabic $0.0042 $0.25 $252.00
Deepgram,Nova-3 单语种 USD 0.0043 USD 0.258 USD 258
OpenAI,gpt-transcribe USD 0.0045 USD 0.27 USD 270
Deepgram,Nova-3 多语种 USD 0.0052 USD 0.312 USD 312
OpenAI,whisper-1 / gpt-4o-transcribe(已弃用,2027-02-26 停止服务) USD 0.006 USD 0.36 USD 360
AWS Transcribe,批量(美国东部) 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(前 500,000 分钟) USD 0.016 USD 0.96 USD 960

每小时和每 1,000 小时的数字是我们根据公布的单价算出来的(每分钟价格 × 60,再 × 1,000)。Groq、DeepSeek、AssemblyAI 和 Speechmatics 公布的是每小时价格,每分钟一栏是我们除以 60 得出的。DeepSeek 的价格页面列出其语音转文字 API 为每小时 USD 0.116,有限时五折优惠,但没有给出截止日期,所以请按标价做预算。Speechmatics 的价格是其预录音频的标价;它的价格页面也可以显示叠加了 33% 模型训练折扣和最高 25% 用量折扣后的价格,这样 Melia 1 会降到每小时约 USD 0.12。这 33% 的折扣需要主动选择加入,加入即允许 Speechmatics 使用你的音频和转写文本来改进其模型(据其价格页常见问题,2026-11-15 核对)。

Soniox、DeepSeek ASR 和 Groq 的 Whisper 端点,每小时价格都低于两个 BroadNet 模型。Soniox 的价格页面(2026-11-14 核对)按 token 计费(异步为每百万输入音频 token USD 1.50、每百万输出文本 token USD 3.50),并称文件上传 “about”(译文:约)每小时 USD 0.10,实时流式约每小时 USD 0.12。它的语言列表在 60 多种语言中包括阿拉伯语。它使用自己基于任务的 API,而不是 OpenAI 的 /v1/audio/transcriptions 格式,所以切换过去意味着要写新的客户端代码。

有一项变化需要提前规划:OpenAI 的弃用公告页面(2026-11-15 核对)把 whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe 和 gpt-4o-transcribe-diarize 列为已弃用(2026 年 8 月 26 日发出通知),将于 2027 年 2 月 26 日停止服务,替代模型为 gpt-transcribe 或 gpt-live-transcribe。其价格页面也把这四个模型标为已弃用。如果你今天为 OpenAI 的流程做价格估算,请按 gpt-transcribe 每分钟 USD 0.0045 计算。按小时算,它比两个 BroadNet 模型都贵,但 OpenAI 还提供实时转写(gpt-live-transcribe,每分钟 USD 0.017),这是 BroadNet 没有的。本页只比较价格;如果你要从 whisper-1 迁走,Whisper API 替代方案指南介绍了如何在你自己的音频上测试替代模型,以及切换时会遇到哪些问题。想用你自己的用量套用这些价格,可以用 语音转文字费用计算器。

想看完整情况,我们的开放数据 语音转文字 API 价格指数 列出了 20 多款产品的批量和流式价格、计费粒度以及是否支持阿拉伯语,每一项都对照服务商自己的价格页面核对过(提供 CSV 和 JSON)。

基础价格没包括什么?

每分钟的单价很少就是全部账单。比较之前先确认这些:

项目 各家页面的说法
说话人分离 Deepgram:预录音频免费包含,流式另加每分钟 USD 0.0020。AWS:包含在标准价格中。AssemblyAI:每小时另加 USD 0.02。OpenAI:单独的 gpt-4o-transcribe-diarize 模型,每分钟 USD 0.006,已弃用,2027-02-26 停止服务。
PII 脱敏 Deepgram:每分钟 USD 0.0020。AWS:每分钟 USD 0.0024(第一档)。AssemblyAI:文本脱敏在 Universal-2 上每小时另加 USD 0.08,在 Universal-3.5 Pro 上每小时另加 USD 0.12;音频脱敏每小时另加 USD 0.05。
流式 AWS:每分钟 USD 0.01,批量为 USD 0.006。Deepgram Nova-3 单语种:流式 USD 0.0048(促销价,有效期至 2027-02-13),预录 USD 0.0043。Speechmatics Melia 1:实时每小时 USD 0.40,预录每小时 USD 0.24。
最低计费 Groq 每个请求至少按 10 秒计费。AWS 按秒计费,没有最低时长。Google 把每个请求向上取整到下一秒。
用量阶梯 Google V2 standard 每月超过 500,000 分钟后降至每分钟 USD 0.01,超过 100 万分钟后更低。AWS 的标准批量和流式价格现在是统一价;它的用量阶梯适用于脱敏等附加功能。

对于需要说话人分离和脱敏的呼叫中心,Deepgram Nova-3 预录加上脱敏后为每分钟 USD 0.0063,AWS 则为 USD 0.0084。基础价便宜但附加功能贵的方案,可能输给基础价较高但包含这些功能的方案。

每月转写 10,000 条语音消息要多少钱?

假设一个客服收件箱每月收到 10,000 条 WhatsApp 语音消息,每条 30 秒,合计 5,000 分钟。

  • 按每分钟 USD 0.006(AWS 批量,或 OpenAI 已弃用的 whisper-1):USD 30。
  • 按 USD 0.0045(OpenAI gpt-transcribe):USD 22.50。
  • 按 USD 0.0043(Deepgram Nova-3):USD 21.50。
  • 用 BroadNet Transcribe Arabic:$21.00。

这里最低计费时长很关键。Groq 的最低 10 秒不会影响本例中 30 秒语音的费用,但一条两秒的“好的”语音会按 10 秒计费。如果最低是 15 秒,这条两秒的语音和一条 15 秒的语音费用一样。完整的语音消息处理流程,请看 企业语音消息转文字。

除了价格,还有什么重要?

一个每 5 个词就错 1 个的便宜模型,人工校对的成本会超过它省下的钱。切换之前,每种语言用你自己的 30 到 50 段录音测量词错误率。我们的 Whisper 替代方案指南介绍了如何用一个下午完成这项测试,阿拉伯语语音转文字选购指南则讲了如何按方言逐一评分。

其他与价格无关的问题:

  • **语言。**BroadNet Transcribe 支持 14 种语言(完整列表);OpenAI 称 Whisper(已弃用的 whisper-1)支持 98 种语言,准确率各有不同。
  • **文件限制。**OpenAI 上传上限为 25 MB,BroadNet 为 25 MiB,所以长通话要切分。
  • **数据保留。**音频往往比文本更敏感。问清音频和转写文本是否会被存储;参见 大模型 API 数据保留对比。

BroadNet Transcribe 适合什么场景

BroadNet Transcribe 每分钟 $0.002(每小时 $0.12),支持 14 种语言:英语、西班牙语、法语、德语、意大利语、葡萄牙语、希腊语、荷兰语、波兰语、中文、日语、韩语、越南语和阿拉伯语。BroadNet Transcribe Arabic 每分钟 $0.0042,专为阿拉伯语方言打造;BroadNet 称它在 Open Universal Arabic ASR Leaderboard 上排名 第 2 名(共 37 个)(这是 2026年9月的数据;2026年11月15日实时榜单上为 39 个中的第 4 名)。两者都使用 OpenAI 兼容的 /v1/audio/transcriptions 端点,接受最大 25 MiB 的 WAV 或 MP3,不保留任何音频或转写文本(零数据保留)。$5 初始额度大约够转写 1,190 分钟阿拉伯语音频;创建密钥,用你自己的文件测试。

不适合的场景:BroadNet 没有列出流式转写、内置说话人分离或脱敏附加功能。如果你需要 API 本身直接提供实时字幕或说话人标签,Deepgram、AssemblyAI 和 AWS 两者都提供。OpenAI 提供实时转写,但它唯一的说话人标注模型已被弃用。可以在对比页面上并排比较两个 BroadNet 模型,或在价格页面查看所有价格。

常见问题

最便宜的语音转文字 API 是哪个?

2026 年 11 月,Groq 的 Whisper Large v3 Turbo 每小时 USD 0.04,是我们表中最低的。其次是 DeepSeek ASR 每小时 USD 0.058,但这只是限时五折期间的价格(未给出截止日期)。再往后是 Soniox(异步)约每小时 USD 0.10、Groq Whisper Large v3 为 USD 0.111、按标价计的 DeepSeek ASR 为 USD 0.116,以及 BroadNet Transcribe 每小时 $0.12。便宜是否够用,取决于它在你的音频上的准确率。

OpenAI Whisper API 每分钟多少钱?

OpenAI 标出的 whisper-1 为每分钟 USD 0.006,与 gpt-4o-transcribe 相同;gpt-4o-mini-transcribe 为 USD 0.003。这三个模型在其价格页面上都标为已弃用,其弃用公告页面称它们将于 2027 年 2 月 26 日停止服务。它推荐的替代模型 gpt-transcribe 每分钟 USD 0.0045(每小时 USD 0.27)。2026-11-15 核对。

转写 1,000 小时音频要多少钱?

把每分钟价格乘以 60,000。按每分钟 USD 0.006 计算是 USD 360。用 BroadNet Transcribe Arabic 则是 $252.00。

说话人分离包含在价格里吗?

各家不同。Deepgram 对预录音频免费包含,AWS 包含在标准价格中,AssemblyAI 按小时另外收费,而 OpenAI 唯一的说话人分离模型 gpt-4o-transcribe-diarize 已被弃用,将于 2027 年 2 月 26 日停止服务。比较基础价格之前先确认这一点。

流式转写比批量转写贵吗?

通常更贵。AWS 批量为每分钟 USD 0.006,流式为 USD 0.01;Deepgram 的 Nova-3 流式也比预录音频贵。

以 Markdown 格式阅读问 ChatGPT问 Claude问 Perplexity