26 июля 2026 г. · AI и LLM · Чтение 5 минут
На прошлой неделе я рассчитал стоимость транскрипции для побочного проекта, и меня удивило то, насколько малы эти цифры. Целый час аудио, превращенный в текст, стоит где-то между четверть сорок центов на основных API. Не за минуту. В час. Дорогостоящая часть речевого конвейера почти никогда не связана с транскрипцией — это все, что вы к ней привязываете. Но почасовая ставка по-прежнему имеет значение, если вы работаете сотни часов в месяц, так что вот настоящая математика.
Это тарифы с оплатой по мере использования, которые я отслеживаю для трех API, к которым на самом деле обращается большинство людей. Я перевел все в почасовую оплату, чтобы вы могли сравнить яблоки с яблоками — некоторые продавцы указывают за минуту, некоторые за час, и одно это скрывает разницу.
| API | Указанная ставка | За час аудио | Бесплатный кредит |
|---|---|---|---|
| Дипграмма (Новая звезда) | 0,0043 долл. США / мин. | ~$0,26 | Регистрационный кредит в размере 200 долларов США |
| OpenAI Шепот | 0,006 долл. США / мин. | $0.36 | — |
| СборкаAI (Универсальный) | 0,37 доллара США в час | $0.37 | Бесплатные часы для начала |
Таким образом, пакетная модель Deepgram является самой дешевой из трех примерно за 0,26 доллара в час, Шепот сидит посередине $0.36, а универсальная модель AssemblyAI — 0,37 доллара. Потоковая (живая) транскрипция стоит немного дороже, чем пакетная транскрипция у каждого поставщика, поэтому, если вам нужны субтитры в реальном времени, выделите бюджет выше этих цифр.
Ставки за час кажутся абстрактными, поэтому вот сколько стоят три реальных тома в месяц. Предположим, вы расшифровываете звонки в службу поддержки или бэк-каталог подкаста:
| Аудио / месяц | Дипграмма | Шепот | СборкаAI |
|---|---|---|---|
| 100 часов | $25.80 | $36.00 | $37.00 |
| 500 часов | $129.00 | $180.00 | $185.00 |
| 2000 часов | $516.00 | $720.00 | $740.00 |
При 500 часах в месяц разрыв между самым дешевым и самым дорогим составляет около $56. Реально, но не то, что опустошит ваш бюджет. При 2000 часах она вырастает примерно до 224 долларов в месяц. Именно в этот момент предпочтение Deepgram перед другими начинает окупаться за усилия по миграции — и не раньше.
Вот чему я научился дорогим способом. Позиция транскрипции небольшая; окружающие особенности - вот где счет раздувается. Метки говорящих (диаризация), настроения, обобщение, редактирование личных данных и определение языка обычно цена указана как дополнение, и каждый из них суммируется с базовой ставкой. Включите три из них, и ваши 0,37 доллара в час незаметно превратятся в 0,70+ доллара в час. В частности, AssemblyAI объединяет множество интеллектуальных моделей, которые оплачиваются отдельно после их включения.
Другая ловушка заключается в том, что с вас будут платить за продолжительность звука, а не количество слов. Тишина, удержание музыки и перекрестные помехи — все счета на полной скорости. Часовая запись с 20 минутами мертвого эфира по-прежнему будет стоить вам целый час. Обрезать тишину перед загрузкой — самая дешевая оптимизация, которую никто не делает.
Для пакетных заданий, где я управляю звуком, Deepgram Nova выигрывает по цене и скорости. Когда я уже работаю в стеке OpenAI и объем скромный, от Whisper с ценой 0,006 доллара в минуту отказываться не стоит — годовая разница в 200 долларов меньше, чем день инженерного времени. AssemblyAI получает немного более высокую ставку только в том случае, если вы действительно хотите использовать встроенное обобщение и анализ динамиков вместо подключения собственных. Прежде чем совершить какое-либо действие, проанализируйте цифры самостоятельно:
Вы впервые узнали о ценах на API в зависимости от использования? Начните с бесплатные руководства по стоимости API. А если вы создаете полноценного голосового бота, транскрипция составит лишь треть стоимости — см. сколько на самом деле стоят 100 тысяч чатов поддержки для стороны LLM.
Цены представляют собой справочные цены поставщиков, указанные в нашем каталоге (июль 2026 г.), и являются справочными — перед составлением бюджета проверьте текущие цены на странице цен каждого поставщика. Почасовые ставки рассчитываются на основе указанных ставок; Дополнительные функции (диаризация, обобщение, редактирование личных данных) оплачиваются отдельно.