---
title: "Whisper API 替代方案：准确率、语言与价格 | BroadRouter"
description: "什么时候值得换掉 OpenAI Whisper API？从你自己音频上的词错误率、语言、每小时价格、限制和隐私几方面判断，并附测试代码。"
url: https://broadrouter.com/zh/blog/whisper-api-alternative/
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/whisper-api-alternative/)（2026-11-15 更新）。

# Whisper API 替代方案：什么时候该换，怎么测试

BroadNet Inference 团队 · 阅读约 6 分钟 · 发布于 2026-11-14 · 更新于 2026-11-15

OpenAI 已将 whisper-1 列为弃用，将于 2027 年 2 月 26 日停用，所以每个 Whisper API 用户都得换模型。选替代品时，先按语言各用 30 到 50 段你自己的音频比较词错误率，再看价格。BroadNet Transcribe 沿用同样的 OpenAI SDK 调用方式，支持 14 种语言，每分钟 $0.002。

## 要点

-   OpenAI 标示 whisper-1 每分钟 USD 0.006，称其支持 98 种语言但准确率因语言而异，并将其列为弃用，于 2027 年 2 月 26 日停用。官方推荐的替代品 gpt-transcribe 每分钟 USD 0.0045（2026-11-15 查阅）。
-   许多替代方案保留了同样的 /v1/audio/transcriptions 调用，所以切换只需改 base URL 和模型。
-   基准测试只是筛选工具，不是结论：同一个模型在朗读的阿拉伯语上 WER 为 3.8，在方言语音上却是 23.4。
-   verbose\_json 时间戳等 Whisper 特有的选项，替代方案上可能没有。OpenAI 只为 whisper-1 记载了词级时间戳，所以迁移前请先确认，即使是迁到 gpt-transcribe。
-   BroadNet Transcribe 每小时音频 $0.12；BroadNet Transcribe Arabic 每小时 $0.25。

**本页内容**

1.  OpenAI Whisper API 要停用了吗？
2.  团队为什么要找 Whisper API 替代方案？
3.  有哪些 Whisper API 替代方案，价格多少？
4.  准确率数字到底意味着什么？
5.  一个下午测完一个 Whisper 替代方案
6.  什么时候应该自己部署 Whisper？
7.  迁移检查清单
8.  BroadNet Transcribe 适合什么场景

OpenAI Whisper API 是很多团队的起点：一个端点、一个价格、几十种语言。当以下四种情况之一出现时，你就会去找 **Whisper API 替代方案**：在你的音频上准确率不够、账单随用量增长、安全团队希望少保留数据，或者你调用的模型即将退役。本文讲怎么做判断，以及如何在不重写代码的情况下测试替代方案。

## OpenAI Whisper API 要停用了吗？

是的，按 OpenAI 当前的时间表。它的[弃用页面](https://developers.openai.com/api/docs/deprecations)（2026-11-15 查阅）将 `whisper-1`、`gpt-4o-transcribe`、`gpt-4o-mini-transcribe` 和 `gpt-4o-transcribe-diarize` 列为弃用，于 2026 年 8 月 26 日发出通知，2027 年 2 月 26 日停用。推荐的替代品是用于文件的 `gpt-transcribe`（每分钟 USD 0.0045，即每小时 USD 0.27），或用于实时音频的 `gpt-live-transcribe`。它的[价格页面](https://developers.openai.com/api/docs/pricing)把同样这四个模型标为弃用，[语音转文字指南](https://developers.openai.com/api/docs/guides/speech-to-text)则写着 “Start with gpt-transcribe”（译文：从 gpt-transcribe 开始）。`/v1/audio/translations` 端点也已弃用。所以无论如何，你都要在新模型上重新测试你的音频。这正是用同一批音频把 OpenAI 的替代品和其他服务商做比较的好时机。

想看全貌，我们开放的[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、计费粒度以及阿拉伯语支持情况，每一项都对照服务商自己的价格页面核实过（提供 CSV 和 JSON）。

## 团队为什么要找 Whisper API 替代方案？

| 原因 | 在替代方案中要检查什么 |
| --- | --- |
| 某种语言或方言的准确率 | 在相关测试集上公布的[词错误率](https://broadrouter.com/zh/glossary/word-error-rate/)，再做你自己的测试 |
| 大用量下的价格 | 每小时音频的价格和最低计费单位 |
| 数据保留 | 是否存储音频和转写文本，存多久 |
| 限制 | 文件大小、格式、速率限制 |
| 功能 | 时间戳、说话人分离、提示词、流式输出 |

OpenAI 的[语音转文字指南](https://developers.openai.com/api/docs/guides/speech-to-text)写道：“Whisper supports 98 languages, but accuracy varies by language”（译文：Whisper 支持 98 种语言，但准确率因语言而异）。这是一个诚实的起点：语言列表告诉你的是“能做什么”，而不是“做得好不好”。

## 有哪些 Whisper API 替代方案，价格多少？

| 选项 | 价格（标价，2026 年 11 月） | 语言 | 备注 |
| --- | --- | --- | --- |
| OpenAI Whisper API（`whisper-1`） | USD 0.006/分钟 | 98 种（准确率因语言而异） | 文件 25 MB；提示词最多 224 token；2027-02-26 停用 |
| OpenAI `gpt-transcribe` | USD 0.0045/分钟（USD 0.27/小时） | 见 OpenAI 指南 | OpenAI 推荐的替代品；OpenAI 指南只为 `whisper-1` 展示了词级时间戳，说话人标签只在已弃用的 diarize 模型中提供 |
| Groq，Whisper Large v3 | USD 0.111/小时 | 多语言 | Groq 公布 WER 为 10.3%；最低按 10 秒计费 |
| Groq，Whisper Large v3 Turbo | USD 0.04/小时 | 多语言 | Groq 公布 WER 为 12%；未针对翻译训练 |
| Soniox（异步） | 约 USD 0.10/小时，按 token 计费 | 60 多种，含阿拉伯语 | 自有的基于任务的 API，不兼容 OpenAI；实时约 USD 0.12/小时 |
| 自建 Whisper | 你的 GPU 成本 | 与 Whisper 相同 | MIT 许可证；由你自己运行和扩容 |
| [BroadNet Transcribe](https://broadrouter.com/zh/models/cohere-transcribe/) | $0.002/分钟 | 14 种 | 不是 Whisper；基于 Cohere Transcribe |
| [BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) | $0.0042/分钟 | 阿拉伯语 | BroadNet 称其在 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） |

价格和 Groq 的数据于 2026-11-14 在官方页面核实；OpenAI 的数据于 2026-11-15 重新核实。OpenAI 的 `gpt-transcribe` 每小时比两个 BroadNet 模型都贵。Groq 的 Turbo 端点和 Soniox 每小时都比 BroadNet Transcribe（每小时 $0.12）便宜；Soniox 不使用 OpenAI 的请求格式，所以需要写新的客户端代码。Groq 的 WER 是它自己公布的数字，而不是与其他模型在同一测试集上的测试结果，所以不要直接拿来和 BroadNet 的比较。本文讨论的是切换；完整价格表（包括 DeepSeek、AssemblyAI、Deepgram、Google、AWS 和 Speechmatics 及其附加功能价格）请看[语音转文字 API 价格对比](https://broadrouter.com/zh/blog/speech-to-text-api-pricing-compared/)，[语音转文字费用计算器](https://broadrouter.com/tools/speech-to-text-cost-calculator/)可以按你每月的小时数计算费用。

## 准确率数字到底意味着什么？

BroadNet 在其[模型目录](https://www.broadnet.ai/inference/models)中为 BroadNet Transcribe Arabic 公布了三个 WER 数字：

| 测试集 | 音频类型 | WER |
| --- | --- | --- |
| FLEURS-ar | 干净的朗读句子 | 3.8 |
| MASC-ar | 混合的真实场景阿拉伯语 | 21.1 |
| BroadNet 方言集 | 方言语音 | 23.4 |

在同样的 MASC 和方言测试集上，BroadNet 报告 Whisper large-v3 为 31.5 和 31.8，而它的阿拉伯语模型为 21.1 和 23.4：在 MASC 上错误大约少三分之一，在方言测试集上大约少四分之一。这是 BroadNet 对竞争对手所做的自家测试，所以请用你的音频验证。在公开的 [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) 上（所有条目使用相同测试集），2026 年 11 月 15 日 Whisper large-v3 在 39 个模型中排名第 19（平均 WER 36.86），BroadNet 提供的 Cohere Transcribe Arabic 07-2026 排名第 4（24.19）。

关键在于差距。同一个模型在朗读语音上近乎完美，在对话上却弱得多。任何服务商宣传的 WER，告诉你的都只是它在别人的音频上表现如何。方言问题在[阿拉伯语方言语音识别](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)中有详细讨论。

## 一个下午测完一个 Whisper 替代方案

1.  **每种语言收集 30 到 50 段音频**，来自真实流量：通话、语音消息、会议。去掉任何不能外传的内容。
2.  **每种语言手工写 10 段参考转写。**
3.  \*\*用两个 API 跑同样的音频。\*\*对于兼容 OpenAI 的服务商，只需更换客户端和模型：

```python
import os
from openai import OpenAI

whisper = OpenAI()  # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def run(client, model, path, lang):
    with open(path, "rb") as f:
        return client.audio.transcriptions.create(model=model, file=f, language=lang).text

hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar")   # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
```

4.  **对两者使用相同的规范化方式评分**，工具是 [jiwer](https://github.com/jitsi/jiwer)：

```python
import re, jiwer

def norm(t):
    t = re.sub(r"[ً-ْ]", "", t)              # strip Arabic diacritics
    t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي")      # unify alef and yaa
    return re.sub(r"[^\w\s]", "", t).lower().strip()

print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
```

5.  \*\*亲自读 20 份转写。\*\*检查数字、人名和产品术语。一个模型可能在 WER 上胜出，却仍然把账号写错。

## 什么时候应该自己部署 Whisper？

Whisper 的代码和权重采用 MIT 许可证，所以自己运行它始终是一个选项。以下情况适合自建：

-   **音频不能离开你的网络**，出于法律或合同原因。
-   **你的用量能让一块 GPU 一天中大部分时间都在忙**，这样你就不用为闲置时间付费。
-   **你需要针对自己的词汇或口音做微调。**

当流量起伏很大、需要跨多台机器保证高可用，或者团队里没人愿意维护 GPU 驱动和升级时，它的成本会比看上去高（[GPU 盈亏平衡计算](https://broadrouter.com/zh/blog/self-hosting-llm-vs-api-cost/)）。openai/whisper 的 README 还指出，turbo 模型未针对翻译训练。托管 API 把这些问题变成了按分钟计的价格，这就是为什么大多数团队从托管 API 起步，只在用量和需求明确后才自建。

## 迁移检查清单

改 [base URL](https://broadrouter.com/zh/glossary/base-url/) 是最简单的部分。在切换流量之前：

-   \*\*格式。\*\*OpenAI 接受 flac、mp3、mp4、m4a、ogg、wav 和 webm。BroadNet 接受 WAV 和 MP3，所以请先用 ffmpeg 转换 `.ogg` 和 `.m4a`。浏览器录音请看[在浏览器中录音并发送到语音转文字 API](https://broadrouter.com/zh/blog/record-browser-audio-transcription-api/)。
-   \*\*文件大小。\*\*OpenAI 上传上限为 25 MB；BroadNet 为 26,214,400 字节（25 MiB）。
-   \*\*语言字段。\*\*一定要发送。在 BroadNet 上，阿拉伯语如果不带 `language=ar`，可能会以拉丁字母返回。
-   \*\*可选参数。\*\*如果你依赖 `prompt`、`verbose_json` 或词级时间戳，请确认替代方案支持它们。BroadNet 的文档描述的是带 `text` 的 JSON 响应。
-   \*\*速率限制。\*\*BroadNet 按量付费密钥每分钟允许 30 个请求，同时 4 个。

这份清单的通用版本见 [OpenAI 兼容 API 迁移检查清单](https://broadrouter.com/zh/blog/openai-compatible-api-migration-checklist/)。

## BroadNet Transcribe 适合什么场景

如果阿拉伯语准确率很重要，如果你希望音频和转写文本不被保留（[零数据保留](https://broadrouter.com/zh/privacy/)），或者 14 种语言每分钟 $0.002 比你现在的账单更划算，就选 BroadNet。$5 初始额度大约可以转写 1,190 分钟阿拉伯语音频，足够跑完上面的测试；[在 BroadNet Inference 获取密钥](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-whisper-api-alternative&utm_content=body)。[阿拉伯语语音转文字指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)提供了 curl 和 Python 示例。

如果你需要 BroadNet 没有列出的众多语言之一、语音翻译、实时转写，或者提示词和关键词提示（OpenAI 的指南为 `gpt-transcribe` 记载了这些功能），那就继续用 OpenAI 的替代模型或其他服务商。要把阿拉伯语录音文件翻译成英语，两步式流水线也可行：参见[将阿拉伯语音频翻译成英语](https://broadrouter.com/zh/blog/translate-arabic-audio-to-english/)。如果要英语的绝对最低价，托管的 Whisper Turbo 端点每小时更便宜。

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。

[词错误率（WER，word error rate）](https://broadrouter.com/zh/glossary/word-error-rate/)

词错误率（WER）是语音识别的标准准确率指标：把转写结果改成正确参考文本所需的替换、删除和插入词数，除以参考文本的词数。数值越低越好。

[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。

[速率限制（rate limit）](https://broadrouter.com/zh/glossary/rate-limit/)

速率限制是 API 对客户端在一个时间窗口内的使用量设定的上限，例如每分钟请求数或每分钟 token 数。超出限制的请求会被拒绝，通常返回 HTTP 429 Too Many Requests，直到用量回落到限制以下。

[模型许可证（model license）](https://broadrouter.com/zh/glossary/model-license/)

模型许可证是规定模型权重、代码和输出可以如何使用、修改和分发的法律条款。开放权重模型采用 Apache 2.0、MIT 等标准软件许可证，或采用自定义模型许可证，后者可能附加条件，例如限制大型商业服务。

[时间戳（语音转文字，timestamps）](https://broadrouter.com/zh/glossary/timestamps-asr/)

语音转文字中的时间戳，是附在转写片段上的开始和结束时间，单位为秒。片段级时间戳覆盖一个短语或句子，词级时间戳覆盖每个词。制作字幕、在录音中搜索以及把文字与说话人对齐都需要它。

[Base URL（base\_url）](https://broadrouter.com/zh/glossary/base-url/)

base URL 是 API 固定的根地址，例如 https://api.example.com/v1，客户端会把它加在每个端点路径（例如 /chat/completions）前面。在 OpenAI 兼容 SDK 中，修改 base URL，再配合 API 密钥和模型 ID，就能让同一份代码改用另一家服务商。

[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。

## 常见问题

### OpenAI Whisper API 最好的替代方案是什么？

在你自己的音频上词错误率最低、价格又能接受的那一个。阿拉伯语请测试专为阿拉伯语方言构建的模型。如果是英语并追求最低价格，托管的 Whisper Large v3 Turbo 端点很难被超越。

### 有更便宜的 Whisper API 吗？

有。OpenAI 标示 whisper-1 每分钟 USD 0.006（已弃用），其替代品 gpt-transcribe 每分钟 USD 0.0045。Groq 标示 Whisper Large v3 每小时 USD 0.111、Large v3 Turbo 每小时 USD 0.04，BroadNet Transcribe 每分钟 $0.002。

### 换成 Whisper 替代方案后，还能继续用 OpenAI SDK 吗？

如果服务商兼容 OpenAI，可以。改掉 base\_url、API key 和模型 ID 即可。请确认服务商支持哪些可选参数，比如 prompt、response\_format 和时间戳。

### Whisper 识别阿拉伯语效果好吗？

Whisper 处理现代标准阿拉伯语远好于口语方言。OpenAI 也指出准确率因语言而异。做决定前，请在你自己的录音上按方言分别测量词错误率。

### 是不是应该自己部署 Whisper？

当音频不能离开你的网络，或者你的用量能让 GPU 一直忙碌时，自建部署是合理的。Whisper 的代码和权重采用 MIT 许可证。否则，托管 API 通常比闲置的 GPU 便宜。

## 继续阅读

-   [转写超过 25 MB 的长音频：切分、发送、拼接](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)
-   [语音转文字 API 价格对比：2026 年每分钟多少钱](https://broadrouter.com/zh/blog/speech-to-text-api-pricing-compared/)
-   [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/)
-   [阿拉伯语方言语音识别：海湾、埃及、黎凡特、马格里布](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)
-   [迁移到 OpenAI 兼容 API：切换服务商检查清单](https://broadrouter.com/zh/blog/openai-compatible-api-migration-checklist/)
-   [浏览器录音并发送到语音转文字 API](https://broadrouter.com/zh/blog/record-browser-audio-transcription-api/)
-   [用 API 把阿拉伯语音频翻译成英文文本：一条经过测试的流水线](https://broadrouter.com/zh/blog/translate-arabic-audio-to-english/)
-   [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 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)

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-whisper-api-alternative&utm_content=page-cta) ·

**来源**

-   [BroadNet Transcribe Arabic 模型页面：与 Whisper large-v3 和 ElevenLabs Scribe v2 的 WER 对比（2026-11-15 获取）（英文）](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
-   [Open Universal Arabic ASR Leaderboard 实时榜单（2026-11-15 获取）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [OpenAI 语音转文字指南（语言、文件限制、推荐模型；2026-11-15 获取）](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [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)
-   [GitHub 上的 openai/whisper（MIT 许可证、模型规格）](https://github.com/openai/whisper)
-   [Soniox 价格与支持的语言（2026-11-14 获取）](https://soniox.com/pricing)
-   [Groq 语音转文字文档：Whisper 价格及其公布的 WER（2026-11-14 获取）](https://console.groq.com/docs/speech-to-text)
-   [BroadNet 模型目录：语音转文字（实验室测量）（英文）](https://www.broadnet.ai/inference/models)
-   [jiwer：计算 WER 的 Python 包](https://github.com/jitsi/jiwer)
