How much does speech-to-text cost per minute?

In 2026, transcription APIs bill roughly $0.0037 to $0.024 per minute of audio. Deepgram and AssemblyAI's batch tiers sit at the cheap end (well under half a cent a minute), OpenAI Whisper is around $0.006, and the big-cloud services — Google, AWS, Azure — are typically more expensive per minute but bundle into existing cloud accounts. Real-time streaming usually costs more than batch transcription of recorded files.

Why is real-time transcription more expensive than batch?

Streaming speech-to-text holds a live connection and returns partial results with low latency, which is more compute-intensive than transcribing a finished file in the background. Most providers charge a premium for real-time over batch. If your use case can tolerate a few minutes of delay — meeting notes, podcast transcripts, call analytics — batch mode is noticeably cheaper for the same audio.

Is open-source Whisper cheaper than the API?

Running open-source Whisper on your own GPU removes the per-minute fee, but you pay for the GPU, ops and idle time. Below a few hundred hours a month the hosted API is almost always cheaper and far simpler; above that, self-hosting can win. The crossover depends on utilisation — a GPU transcribing 24/7 amortises well, one used a few hours a day does not.

Kostenrechner für Audiotranskription – Preis pro Stunde

Kostenrechner für Audiotranskription

✓ Zuletzt überprüft: 15.07.2026· Quelle: offizielle Preisseite des Anbieters· Automatisch überwacht – Änderung melden →

Die Transkription wird pro Audiominute abgerechnet, und der günstigste Anbieter kann fünfmal günstiger sein als der teuerste. Geben Sie Ihre monatlichen Audiodaten ein, um jede Speech-to-Text-API nach dem zu bewerten, was Sie tatsächlich bezahlen würden.

Minutenpreis, 5-fache Spanne

Gesetzentwurf zu Speech-to-Text-APIs des Minute Audio, nicht nach Dateigröße oder Wortanzahl, was die Volumenplanung vereinfacht: Schätzen Sie Ihre Stunden, multiplizieren Sie sie mit sechzig, multiplizieren Sie sie mit dem Minutensatz. Der Haken ist, wie groß die Spanne ist. Die Batch-Tiers von Deepgram und AssemblyAI transkribieren eine Minute für deutlich weniger als einen halben Cent, die Whisper API von OpenAI kostet etwa sechs Zehntel Cent und die Hyperscaler-Dienste – Google, AWS Transcribe, Azure – verlangen normalerweise zwei- bis viermal mehr pro Minute. Bei Tausenden von Stunden pro Monat verwandelt sich diese Lücke bei identischer Leistung in Tausende von Dollar pro Jahr.

Batch vs. Echtzeit ist die andere große Wahl

Der zweite Kostenhebel ist Latenz. Echtzeit-Streaming-Transkription – Live-Untertitel, Sprachagenten, Anrufüberwachung – hält eine offene Verbindung aufrecht und gibt die gesprochenen Wörter zurück, und die Anbieter verlangen dafür einen Aufpreis. Die Batch-Transkription aufgezeichneter Dateien läuft im Hintergrund und ist deutlich kostengünstiger. Wenn Ihr Produkt ein paar Minuten warten kann – Besprechungszusammenfassungen, Podcast-Transkripte, archivierte Anrufanalysen – nutzen Sie Batch und stecken Sie den Unterschied ein. Zahlen Sie nur für Echtzeit, bei der der Benutzer wirklich auf die Worte wartet.

Wann sollte man Whisper selbst hosten?

Open-Source-Whisper macht die Minutengebühr überflüssig, erhöht aber die GPU-, Betriebs- und Leerlaufkosten. Bei weniger als ein paar hundert Stunden im Monat ist die gehostete API sowohl preislich als auch einfachheitsvorteilhafter. Darüber hinaus kann eine gut ausgelastete GPU, die nahezu im Takt läuft, es schlagen. Finden Sie Ihren Crossover auf der Selbstgehosteter vs. API-Rechner. Wenn die Transkription ein LLM speist – Zusammenfassungen, Fragen und Antworten über Anrufe – fügen Sie diese Token-Kosten hinzu LLM-Token-Kostenrechner, und summieren Sie die gesamte Pipeline auf dem Kostenschätzer für KI-Apps.

Kostenrechner für Audiotranskription

Jede Transkriptions-API wurde für Ihr Volumen bewertet

Minutenpreis, 5-fache Spanne

Batch vs. Echtzeit ist die andere große Wahl

Wann sollte man Whisper selbst hosten?

Verwandte Tools und Anleitungen

So funktioniert dieser Rechner

Häufig gestellte Fragen

Wie viel kostet Speech-to-Text pro Minute?

Warum ist Echtzeit-Transkription teurer als Batch-Transkription?

Ist Open-Source-Whisper günstiger als die API?