Ogni API di trascrizione classificata in base al tuo volume
Stessi orari audio, prima il più economico.
| Fornitore/livello | $/minuto | I tuoi $/mese |
|---|
I componenti aggiuntivi costano di più: i numeri sopra indicati sono solo la trascrizione di base
La diarizzazione del relatore, l'ottimizzazione dei termini/parole chiave e le modalità speciali vengono fatturate come supplementi separati oltre alla tariffa base sulla maggior parte dei fornitori. Verificato per provider, agosto 2026:
| Fornitore | Aggiungi su | Supplemento |
|---|---|---|
| AssembleaAI | Speaker diarization (async) | +$ 0,02/ora (≈+$ 0,00033/min) |
| AssembleaAI | Suggerimento di termini chiave | +$ 0,05/ora (≈+$ 0,00083/min) |
| AssembleaAI | Modalità medica | +$ 0,15/ora (≈+$ 0,0025/min) |
| AssembleaAI | Diarizzazione in streaming | +$ 0,12/ora (≈+$ 0,002/min) |
| Deepgram | Diarizzazione del relatore | +$0,0020/min fisso |
Su un lavoro batch di 500 ore al mese, la sola diarizzazione di AssemblyAI aggiunge circa $ 10 al mese: una cifra piccola rispetto alla fattura base, ma il potenziamento dei termini chiave più la diarizzazione e una modalità speciale possono raggiungere una percentuale significativa in aggiunta. Valuta sempre l'esatto set di funzionalità che utilizzerai effettivamente, non solo la tariffa al minuto principale.
Prezzo al minuto, spread quintuplo
Fatturazione delle API di sintesi vocale da parte di minuto di audio, non in base alla dimensione del file o al conteggio delle parole, il che semplifica la pianificazione del volume: stima le tue ore, moltiplica per sessanta, moltiplica per la tariffa al minuto. Il problema è quanto è ampio lo spread. I livelli batch di Deepgram e AssemblyAI trascrivono un minuto per ben meno di mezzo centesimo, l'API Whisper di OpenAI costa circa sei decimi di centesimo e i servizi hyperscaler - Google, AWS Transcribe, Azure - in genere fanno pagare da due a quattro volte di più al minuto. Nel corso di migliaia di ore al mese, questo divario si trasforma in migliaia di dollari all’anno per un rendimento identico.
Batch vs tempo reale è l’altro grande quadrante
La seconda leva dei costi è latenza. La trascrizione in streaming in tempo reale (sottotitoli in tempo reale, agenti vocali, monitoraggio delle chiamate) mantiene una connessione aperta e restituisce le parole mentre vengono pronunciate e i fornitori addebitano un sovrapprezzo per questo. La trascrizione batch dei file registrati viene eseguita in background ed è decisamente più economica. Se il tuo prodotto può attendere qualche minuto (riepilogo delle riunioni, trascrizioni dei podcast, analisi delle chiamate archiviate), utilizza batch e intasca la differenza. Paga solo per il tempo reale in cui l'utente sta davvero aspettando le parole.
Quando ospitare autonomamente Whisper
Whisper open source rimuove la tariffa al minuto ma aggiunge GPU, operazioni e costi di inattività. Al di sotto di poche centinaia di ore al mese l'API ospitata vince sia in termini di prezzo che di semplicità; oltre a ciò, una GPU ben utilizzata che funziona vicino all'orologio può batterlo. Trova il tuo crossover su calcolatore self-hosted e API. Se la trascrizione alimenta un LLM (riepiloghi, domande e risposte sulle chiamate), aggiungi il costo del token sul file Calcolatore del costo del token LLMe sommare l'intera pipeline su Stima dei costi delle app AI.
Strumenti e guide correlati
Stima dei costi delle app AI · Calcolatore self-hosted e API · Calcolatore dei costi dell'agente vocale AI · API LLM più economica · Tutte le API AI