How is speech-to-text priced?

Per minute of audio processed, regardless of how many words it contains. Cost = minutes × per-minute rate. Add-ons like speaker diarisation, word timestamps and enhanced models can raise the rate.

API or self-hosted transcription?

For low volume, a hosted API is simplest and reliable. Above tens of thousands of minutes a month, running an open model such as Whisper on a rented GPU usually undercuts the per-minute price — the familiar build-vs-buy line.

Speech-to-Text-API-Kostenrechner

Tipps für das Selbst-Hosting mit hohem Volumen

STT-APIs pro Minute sind praktisch; Offene Modelle auf einer GPU gewinnen im großen Maßstab. Schätzen Sie die GPU-Seite auf der GPU-Mietrechner vor dem Wechsel. Für die Rückseite siehe die Text-zu-Sprache-Rechner.

So funktioniert dieser Rechner

Der Speech-to-Text-API-Kostenrechner schätzt Ihre monatliche Transkriptionsrechnung anhand von zwei Eingaben: der Anzahl der pro Monat transkribierte Audiominuten und die Preis pro Minute wird von Ihrem Anbieter berechnet. Diese werden miteinander multipliziert, um wiederkehrende Kosten zu ermitteln. So wird aus einem Minutenpreis, der isoliert betrachtet trivial klein erscheint, eine konkrete monatliche Zahl. Die beiden Haupttreiber sind Volumen und Stückpreis: Denn die Summe skaliert linear Bei beiden Fällen verdoppelt sich die Rechnung, wenn entweder die von Ihnen verarbeiteten Audiominuten verdoppelt werden oder der Preis, den Sie bezahlen. Dies macht das Tool nützlich, um die Ausgaben vorherzusagen, bevor Sie sich verpflichten, die Preise der Anbieter zu vergleichen oder die Auswirkungen einer wachsenden Benutzerbasis einzuschätzen.

Der wichtigste Kompromiss, den es zu beachten gilt, ist, dass pro Minute variiert oft je nach Modellstufe, Sprache und Funktionen, sodass der günstigste Gesamtpreis möglicherweise nicht das widerspiegelt, was Sie tatsächlich in der Produktion bezahlen. Ein Premium-Genauigkeitsmodell oder Add-ons wie Lautsprecher Tagebuch oder Echtzeit-Streaming kann eine höhere effektive Rate bieten, während die Stapelverarbeitung häufig kostengünstiger ist. Ein praktischer Tipp ist die Grundlage Ihrer Audiominuten pro Monat auf die tatsächliche Nutzung und nicht auf die reine Dateidauer, da Pausen, Wiederholungsversuche und erneute Verarbeitung als abrechenbare Zeit gelten. Berechnen Sie die Zahlen anhand Ihres erwarteten Spitzenvolumens und nicht nur Ihres Durchschnitts, damit ein Wachstumsschub nicht zu einer überraschenden Rechnung führt.

Häufig gestellte Fragen

Wie ist der Preis für Speech-to-Text?

Pro Minute verarbeiteter Audiodaten, unabhängig davon, wie viele Wörter darin enthalten sind. Kosten = Minuten × Minutenpreis. Add-ons wie Sprechertagebücher, Wortzeitstempel und erweiterte Modelle können die Rate erhöhen.

API oder selbst gehostete Transkription?

Bei geringem Volumen ist eine gehostete API am einfachsten und zuverlässigsten. Bei mehr als zehntausend Minuten pro Monat liegt der Betrieb eines offenen Modells wie Whisper auf einer gemieteten GPU in der Regel unter dem Preis pro Minute – dem bekannten Build-vs-Buy-Prinzip.