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.

Calculateur du coût de transcription audio — Prix par heure

Calculateur de coût de transcription audio

✓ Dernière vérification : 2026-07-15· Source : page officielle des tarifs du fournisseur· Auto-surveillé - signaler un changement →

La transcription est facturée à la minute d'audio, et le fournisseur le moins cher peut être cinq fois moins cher que le plus cher. Saisissez votre audio mensuel pour classer chaque API de synthèse vocale en fonction de ce que vous paieriez réellement.

Tarification à la minute, répartition quintuplée

Facture des API de synthèse vocale par le minute d'audio, et non par la taille du fichier ou le nombre de mots, ce qui simplifie la planification du volume : estimez vos heures, multipliez par soixante, multipliez par le tarif à la minute. Le hic, c’est l’ampleur de la propagation. Les niveaux de lots de Deepgram et AssemblyAI transcrivent une minute pour bien moins d'un demi-cent, l'API Whisper d'OpenAI se situe autour de six dixièmes de cent et les services hyperscaler - Google, AWS Transcribe, Azure - facturent généralement deux à quatre fois plus par minute. Sur des milliers d’heures par mois, cet écart se transforme en milliers de dollars par an pour une production identique.

Le traitement par lots ou en temps réel est l'autre grand problème

Le deuxième levier de coûts est latence. La transcription en streaming en temps réel (sous-titres en direct, agents vocaux, surveillance des appels) maintient une connexion ouverte et renvoie les mots au fur et à mesure qu'ils sont prononcés, et les fournisseurs facturent un supplément pour cela. La transcription par lots des fichiers enregistrés s'exécute en arrière-plan et est nettement moins chère. Si votre produit peut attendre quelques minutes (résumés de réunions, transcriptions de podcasts, analyses d'appels archivées), utilisez le traitement par lots et empochez la différence. Ne payez qu'en temps réel lorsque l'utilisateur attend réellement les mots.

Quand auto-héberger Whisper

Whisper open source supprime les frais par minute mais ajoute le GPU, les opérations et les coûts d'inactivité. En dessous de quelques centaines d'heures par mois, l'API hébergée gagne à la fois en termes de prix et de simplicité ; au-dessus de cela, un GPU bien utilisé fonctionnant à proximité de l’horloge peut le battre. Trouvez votre crossover sur le calculateur auto-hébergé vs API. Si la transcription alimente un LLM (résumés, questions-réponses lors d'appels), ajoutez ce coût de jeton au Calculateur du coût des jetons LLM, et totalisez tout le pipeline sur le Estimateur du coût des applications d'IA.

Outils et guides associés

Estimateur du coût des applications d'IA · Calculateur auto-hébergé vs API · Calculateur de coût d'agent vocal IA · API LLM la moins chère · Toutes les API d'IA

Questions fréquemment posées

Combien coûte la synthèse vocale par minute ?

En 2026, les API de transcription facturent entre 0,0037 et 0,024 USD par minute d'audio. Les niveaux de lots de Deepgram et AssemblyAI sont les moins chers (bien moins d'un demi-cent la minute), OpenAI Whisper coûte environ 0,006 $ et les services du grand cloud – Google, AWS, Azure – sont généralement plus chers par minute mais sont regroupés dans les comptes cloud existants. Le streaming en temps réel coûte généralement plus cher que la transcription par lots de fichiers enregistrés.

Pourquoi la transcription en temps réel est-elle plus coûteuse que la transcription par lots ?

Le streaming parole-texte maintient une connexion en direct et renvoie des résultats partiels avec une faible latence, ce qui nécessite plus de calcul que la transcription d'un fichier terminé en arrière-plan. La plupart des fournisseurs facturent un supplément pour les services en temps réel plutôt que par lots. Si votre cas d'utilisation peut tolérer quelques minutes de retard (notes de réunion, transcriptions de podcast, analyses d'appels), le mode batch est nettement moins cher pour le même audio.

L'open source Whisper est-il moins cher que l'API ?

L'exécution de Whisper open source sur votre propre GPU supprime les frais par minute, mais vous payez pour le GPU, les opérations et le temps d'inactivité. En dessous de quelques centaines d’heures par mois, l’API hébergée est presque toujours moins chère et beaucoup plus simple ; au-dessus de cela, l’auto-hébergement peut gagner. Le crossover dépend de l'utilisation : un GPU transcrivant 24h/24 et 7j/7 s'amortit bien, celui utilisé quelques heures par jour ne le fait pas.