---
title: "语音转文字 API 价格对比：按分钟计价（2026） | BroadRouter"
description: "OpenAI、Google、AWS、Deepgram、AssemblyAI、Speechmatics、Groq 和 BroadNet Transcribe 的每分钟及每 1,000 小时价格，均来自官方页面，并列出附加功能费用。"
url: https://broadrouter.com/zh/blog/speech-to-text-api-pricing-compared/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/)（2026-11-15 更新）。

# 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 2026-11-14 · 更新于 2026-11-15

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。

## 要点

-   批量转写的标价相差 20 倍以上，从每音频小时约 USD 0.04 到 USD 0.96。
-   附加功能会改变账单：说话人分离、PII 脱敏和流式转写都可能另外收费。
-   按每 1,000 小时比较，这是大多数用量的计量单位，并把最低计费时长算进去。
-   BroadNet Transcribe 每音频小时 $0.12；BroadNet Transcribe Arabic 每小时 $0.25，即每 1,000 小时 $252.00。
-   价格只是决策的一半。切换之前，先在你自己的音频上测量词错误率。

**本页内容**

1.  语音转文字 API 每分钟、每 1,000 小时要多少钱？
2.  基础价格没包括什么？
3.  每月转写 10,000 条语音消息要多少钱？
4.  除了价格，还有什么重要？
5.  BroadNet Transcribe 适合什么场景

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](https://broadrouter.com/zh/models/cohere-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](https://broadrouter.com/zh/models/cohere-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](https://api-docs.deepseek.com/quick_start/pricing)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](https://soniox.com/pricing)（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](https://docs.soniox.com/stt/concepts/supported-languages)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](https://developers.openai.com/api/docs/deprecations)（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](https://broadrouter.com/zh/blog/whisper-api-alternative/)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](https://broadrouter.com/tools/speech-to-text-cost-calculator/)。

想看完整情况，我们的开放数据 [语音转文字 API 价格指数](https://broadrouter.com/data/speech-to-text-api-prices/) 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](https://broadrouter.com/zh/blog/voice-notes-to-text-for-business/)。

## 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](https://broadrouter.com/zh/glossary/word-error-rate/)。我们的 [Whisper 替代方案指南](https://broadrouter.com/zh/blog/whisper-api-alternative/)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](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)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](https://broadrouter.com/zh/blog/multilingual-speech-to-text-api/)）；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](https://broadrouter.com/zh/blog/llm-api-data-retention-compared/)。

## 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](https://broadrouter.com/zh/privacy/)）。$5 初始额度大约够转写 1,190 分钟阿拉伯语音频；[创建密钥](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-speech-to-text-api-pricing-compared&utm_content=body)，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](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/)上并排比较两个 BroadNet 模型，或在[价格页面](https://broadrouter.com/zh/pricing/)查看所有价格。

相关免费工具（英文）

-   [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.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

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

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[个人身份信息（PII）](https://broadrouter.com/zh/glossary/pii/)

个人身份信息（PII）是可用于区分或追溯个人身份的信息，例如姓名、身份证号或生物特征记录，以及与该人关联或可关联的其他信息。GDPR 用的是更宽泛的“个人数据”。在大模型应用中，PII 脱敏会在提示词离开你的系统之前将其移除。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[说话人分离（speaker diarization）](https://broadrouter.com/zh/glossary/diarization/)

说话人分离是把一段录音按说话人切分成片段的任务，回答“谁在何时说话”。它给每段语音打上 SPEAKER\_00 这样的匿名说话人标签，通常与转写文本结合，显示每句话是谁说的。

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

WAV（Waveform Audio File Format，又称 WAVE）是建立在微软与 IBM 的 RIFF 格式之上的音频容器。它通常存放未压缩的线性 PCM 样本，因此大小可以预测：每秒字节数 = 采样率 × 每样本字节数 × 声道数。

## 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。

## 继续阅读

-   [Whisper API 替代方案：什么时候该换，怎么测试](https://broadrouter.com/zh/blog/whisper-api-alternative/)
-   [阿拉伯语语音转文字 API：2026 年怎么选](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)
-   [呼叫中心录音怎么转写：一条支持阿拉伯语的流水线](https://broadrouter.com/zh/blog/transcribe-call-center-recordings/)
-   [企业语音消息转文字：把 WhatsApp 和 Telegram 语音变成工单](https://broadrouter.com/zh/blog/voice-notes-to-text-for-business/)
-   [Artificial Analysis 替代品：2026 年在哪里比较大模型](https://broadrouter.com/zh/blog/artificial-analysis-alternatives/)
-   [大模型 API SLA 对比：Azure、Bedrock、Google 和 OpenAI 承诺了什么](https://broadrouter.com/zh/blog/llm-api-sla-uptime-compared/)
-   [指南：阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)
-   [指南：用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

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

**来源**

-   [OpenAI API 价格：转写（2026-11-15 获取）](https://developers.openai.com/api/docs/pricing)
-   [OpenAI 弃用公告：语音转文字模型（2026-11-15 获取）](https://developers.openai.com/api/docs/deprecations)
-   [Google Cloud Speech-to-Text 价格（2026-11-14 获取）](https://cloud.google.com/speech-to-text/pricing)
-   [Amazon Transcribe 价格（2026-11-14 获取）](https://aws.amazon.com/transcribe/pricing/)
-   [Deepgram 价格（2026-11-14 获取）](https://deepgram.com/pricing)
-   [AssemblyAI 价格（2026-11-14 获取）](https://www.assemblyai.com/pricing)
-   [Speechmatics 价格及其模型训练折扣常见问题（2026-11-14 获取；常见问题于 2026-11-15 核对）](https://www.speechmatics.com/pricing)
-   [Soniox 价格（2026-11-14 获取）](https://soniox.com/pricing)
-   [Soniox 支持的语言（2026-11-14 获取）](https://docs.soniox.com/stt/concepts/supported-languages)
-   [DeepSeek API 价格：语音转文字（2026-11-14 获取）](https://api-docs.deepseek.com/quick_start/pricing)
-   [Groq 语音转文字文档：Whisper 价格（2026-11-14 获取）](https://console.groq.com/docs/speech-to-text)
-   [BroadNet Inference 机器可读价格文件（pricing.json）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-speech-to-text-api-pricing-compared&utm_content=sources)
