يبدو تسعير تحويل الصوت إلى نص بسيطًا: سعر لكل دقيقة صوت. لكن في الواقع يعلن المزوّدون أسعارهم بالدقيقة أو بالساعة أو بالثانية، ويفصلون التفريغ بالدُّفعات عن البث المباشر، ويبيعون تمييز المتحدثين وحجب البيانات كإضافات. تضع هذه الصفحة أبرز واجهات API على مقياس واحد، بالأسعار التي جلبناها من الصفحة الرسمية لكل مزوّد في 14 و15 نوفمبر 2026 (ويذكر كل مصدر أدناه تاريخه).
كل الأسعار هي الأسعار المعلنة للدفع حسب الاستخدام، بالدولار الأمريكي، للصوت المسجّل مسبقًا (بالدُّفعات) ما لم يُذكر غير ذلك. ولا تشمل خصومات الحجم أو العقود.
كم تكلّف واجهات API لتحويل الصوت إلى نص لكل دقيقة ولكل 1,000 ساعة؟
| المزوّد والنموذج | للدقيقة | للساعة | لكل 1,000 ساعة |
|---|---|---|---|
| Groq، Whisper Large v3 Turbo | نحو USD 0.00067 | USD 0.04 | USD 40 |
| DeepSeek ASR، سعر لفترة محدودة (خصم 50% من السعر المعلن) | نحو USD 0.00097 | USD 0.058 | USD 58 |
| Soniox، غير متزامن (يُحتسب لكل رمز؛ سعر الساعة «تقريبي») | نحو USD 0.00167 | نحو USD 0.10 | نحو USD 100 |
| Groq، Whisper Large v3 | نحو USD 0.00185 | USD 0.111 | USD 111 |
| DeepSeek ASR، السعر المعلن | نحو USD 0.00193 | USD 0.116 | USD 116 |
| BroadNet Transcribe (14 لغة) | $0.002 | $0.12 | $120.00 |
| AssemblyAI، Universal-2 | USD 0.0025 | USD 0.15 | USD 150 |
| OpenAI، gpt-4o-mini-transcribe (متوقف الدعم، يتوقف في 2027-02-26) | USD 0.003 | USD 0.18 | USD 180 |
| Google، V2 dynamic batch | USD 0.003 | USD 0.18 | USD 180 |
| AssemblyAI، Universal-3.5 Pro | USD 0.0035 | USD 0.21 | USD 210 |
| Speechmatics، Melia 1 متعدد اللغات (56 لغة) | USD 0.004 | USD 0.24 | USD 240 |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | $252.00 |
| Deepgram، Nova-3 أحادي اللغة | USD 0.0043 | USD 0.258 | USD 258 |
| OpenAI، gpt-transcribe | USD 0.0045 | USD 0.27 | USD 270 |
| Deepgram، Nova-3 متعدد اللغات | USD 0.0052 | USD 0.312 | USD 312 |
| OpenAI، whisper-1 / gpt-4o-transcribe (متوقفا الدعم، يتوقفان في 2027-02-26) | USD 0.006 | USD 0.36 | USD 360 |
| AWS Transcribe، بالدُّفعات (US East) | USD 0.006 | USD 0.36 | USD 360 |
| Speechmatics، Standard | USD 0.0075 | USD 0.45 | USD 450 |
| Speechmatics، Enhanced | USD 0.0125 | USD 0.75 | USD 750 |
| Google، V2 القياسي (أول 500,000 دقيقة) | USD 0.016 | USD 0.96 | USD 960 |
أرقام الساعة ولكل 1,000 ساعة من حسابنا انطلاقًا من سعر الوحدة المنشور (سعر الدقيقة × 60، ثم × 1,000). تنشر Groq وDeepSeek وAssemblyAI وSpeechmatics أسعارها بالساعة، فقسمناها على 60 لعمود الدقيقة. تُدرج صفحة أسعار DeepSeek واجهة API لتحويل الكلام إلى نص بسعر 0.116 دولار للساعة مع خصم 50% لفترة محدودة دون تاريخ انتهاء، لذا احسب ميزانيتك على السعر المعلن. أسعار Speechmatics هي أسعارها المعلنة للصوت المسجّل مسبقًا؛ وقد تعرضها صفحة أسعارها أيضًا بعد تطبيق خصم 33% مقابل السماح بتدريب النموذج وخصم حجم يصل إلى 25%، ما ينزل بسعر Melia 1 إلى نحو 0.12 دولار للساعة. والاشتراك في خصم 33% اختياري، وعند الاشتراك تسمح لـ Speechmatics باستخدام تسجيلاتك الصوتية ونصوصها لتحسين نماذجها (بحسب الأسئلة الشائعة في صفحة أسعارها، رُوجعت في 2026-11-15).
تكلّف كلٌّ من Soniox وDeepSeek ASR ونقاط Whisper لدى Groq أقل للساعة من نموذجَي BroadNet كليهما. تحتسب صفحة أسعار Soniox، التي راجعناها في 2026-11-14، التكلفة لكل رمز (توكن): 1.50 دولار لكل مليون رمز صوتي مُدخل و3.50 دولار لكل مليون رمز نصي مُخرج في الوضع غير المتزامن، وتقول إن ذلك يعادل “about” (ترجمة: «نحو») 0.10 دولار للساعة لرفع الملفات و0.12 دولار للساعة للبث المباشر الفوري. وتضم قائمة لغاته العربية ضمن أكثر من 60 لغة. لكنه يستخدم واجهة API خاصة به قائمة على المهام بدلًا من شكل OpenAI /v1/audio/transcriptions، فالانتقال إليه يعني كتابة شيفرة عميل جديدة.
تغيير واحد عليك أن تستعد له: تُدرج صفحة الإيقاف لدى OpenAI، التي راجعناها في 2026-11-15، النماذج whisper-1 وgpt-4o-transcribe وgpt-4o-mini-transcribe وgpt-4o-transcribe-diarize على أنها متوقفة الدعم (صدر الإشعار في 26 أغسطس 2026)، وستتوقف في 26 فبراير 2027، والبديل هو gpt-transcribe أو gpt-live-transcribe. وتصنّف صفحة الأسعار لديها النماذج الأربعة نفسها متوقفة الدعم. إن كنت تحسب تكلفة مسار عمل على OpenAI اليوم، فاحسبها على gpt-transcribe بسعر 0.0045 دولار للدقيقة. وهو أغلى للساعة من نموذجَي BroadNet كليهما، لكن OpenAI تبيع أيضًا التفريغ الفوري (gpt-live-transcribe بسعر 0.017 دولار للدقيقة)، وهو ما لا تقدّمه BroadNet. هذه الصفحة تقارن الأسعار فقط؛ فإن كنت تنتقل من whisper-1، فإن دليل بدائل Whisper API يشرح كيف تختبر البديل على تسجيلاتك وما الذي يتعطل عند الانتقال. ولحساب أحجامك الفعلية بهذه الأسعار، استخدم حاسبة تكلفة تحويل الصوت إلى نص.
وللصورة الكاملة، يسرد مؤشرنا المفتوح لأسعار API تحويل الصوت إلى نص أسعار الدُّفعات والبث المباشر ووحدات الفوترة ودعم العربية لأكثر من 20 منتجًا، كلٌّ منها مُتحقَّق منه مقابل صفحة الأسعار الرسمية لمزوّده (بصيغتَي CSV وJSON).
ما الذي لا يشمله السعر الأساسي؟
نادرًا ما يكون سعر الدقيقة هو الفاتورة كلها. راجع هذه البنود قبل أن تقارن:
| البند | ما تقوله الصفحات |
|---|---|
| تمييز المتحدثين | Deepgram: مشمول للصوت المسجّل مسبقًا، و0.0020 USD/دقيقة إضافية للبث المباشر. AWS: مشمول في السعر القياسي. AssemblyAI: +0.02 USD/ساعة. OpenAI: نموذج منفصل gpt-4o-transcribe-diarize بسعر 0.006 USD/دقيقة، متوقف الدعم ويتوقف في 2027-02-26. |
| حجب البيانات الشخصية (PII) | Deepgram: 0.0020 USD/دقيقة. AWS: 0.0024 USD/دقيقة (الشريحة 1). AssemblyAI: حجب النص +0.08 USD/ساعة على Universal-2 و+0.12 USD/ساعة على Universal-3.5 Pro؛ وحجب الصوت +0.05 USD/ساعة. |
| البث المباشر | AWS: 0.01 USD/دقيقة مقابل 0.006 للدُّفعات. Deepgram Nova-3 أحادي اللغة: 0.0048 USD للبث المباشر (سعر ترويجي ساري حتى 2027-02-13) مقابل 0.0043 للصوت المسجّل مسبقًا. Speechmatics Melia 1: 0.40 USD/ساعة للفوري مقابل 0.24 USD/ساعة للمسجّل مسبقًا. |
| الحد الأدنى للفوترة | تحتسب Groq ما لا يقل عن 10 ثوانٍ لكل طلب. وتحتسب AWS بالثانية دون حد أدنى. وتقرّب Google كل طلب إلى الثانية التالية. |
| شرائح الحجم | ينخفض سعر Google V2 القياسي إلى 0.01 USD/دقيقة بعد 500,000 دقيقة شهريًا، وأقل من ذلك فوق مليون دقيقة. أما أسعار AWS القياسية للدُّفعات والبث المباشر فأصبحت ثابتة؛ وتنطبق شرائح الحجم لديها على الإضافات مثل الحجب. |
لمركز اتصال يحتاج إلى تمييز المتحدثين والحجب، يصبح سعر Deepgram Nova-3 للصوت المسجّل مسبقًا 0.0063 دولار للدقيقة مع الحجب، ويصبح سعر AWS 0.0084 دولار. فالسعر الأساسي الرخيص مع إضافات مكلفة قد يخسر أمام سعر أساسي أعلى تكون الإضافات مشمولة فيه.
كم يكلّف تفريغ 10,000 رسالة صوتية شهريًا؟
لنفترض أن صندوق الدعم يستقبل 10,000 رسالة صوتية على WhatsApp شهريًا، مدة كلٍّ منها 30 ثانية. هذا يساوي 5,000 دقيقة.
- بسعر 0.006 دولار للدقيقة (AWS بالدُّفعات، أو whisper-1 المتوقف الدعم من OpenAI): 30 دولارًا.
- بسعر 0.0045 دولار (OpenAI gpt-transcribe): 22.50 دولارًا.
- بسعر 0.0043 دولار (Deepgram Nova-3): 21.50 دولارًا.
- على BroadNet Transcribe Arabic: $21.00.
الحد الأدنى للفوترة مهم هنا. فالحد الأدنى لدى Groq البالغ 10 ثوانٍ لا يغيّر فاتورة هذه الرسائل التي مدتها 30 ثانية، لكنه يحتسب رسالة «تمام» مدتها ثانيتان على أنها 10 ثوانٍ. أما مع حد أدنى قدره 15 ثانية، فإن تلك الرسالة التي مدتها ثانيتان تكلّف مثل رسالة مدتها 15 ثانية. ولسير العمل الكامل للرسائل الصوتية، راجع تحويل الرسائل الصوتية إلى نص للأعمال.
ما الذي يهم إلى جانب السعر؟
النموذج الأرخص الذي يخطئ في كلمة من كل 5 كلمات يكلّفك في التصحيح البشري أكثر مما يوفّره. قبل الانتقال، قِس معدل خطأ الكلمات على 30 إلى 50 من تسجيلاتك لكل لغة. يوضح دليل بدائل Whisper كيف تُجري هذا الاختبار في بضع ساعات، ويغطي دليل شراء API تحويل الصوت العربي إلى نص التقييم لهجةً لهجة.
أسئلة أخرى لا تتعلق بالسعر:
- اللغات. يغطي BroadNet Transcribe 14 لغة (القائمة الكاملة)، وتقول OpenAI إن Whisper (أي
whisper-1المتوقف الدعم) يدعم 98 لغة بدقة متفاوتة. - حدود الملفات. تحدد OpenAI حجم الملف المرفوع بـ 25 MB وBroadNet بـ 25 MiB، لذا قسّم المكالمات الطويلة.
- الاحتفاظ بالبيانات. الصوت غالبًا أكثر حساسية من النص. اسأل هل يُحتفظ بالصوت والنصوص المفرّغة؛ وراجع مقارنة الاحتفاظ بالبيانات في واجهات LLM API.
أين يناسب BroadNet Transcribe
يكلّف BroadNet Transcribe $0.002 للدقيقة ($0.12 للساعة) في 14 لغة: الإنجليزية والإسبانية والفرنسية والألمانية والإيطالية والبرتغالية واليونانية والهولندية والبولندية والصينية واليابانية والكورية والفيتنامية والعربية. ويكلّف BroadNet Transcribe Arabic $0.0042 للدقيقة، وهو مصمَّم للهجات العربية؛ وتذكر BroadNet أنه يحتل #2 من أصل 37 (وهو رقمها لشهر سبتمبر 2026؛ وأدرجته اللوحة المباشرة في المرتبة #4 من أصل 39 في 15 نوفمبر 2026) على لوحة Open Universal Arabic ASR Leaderboard. يستخدم النموذجان نقطة النهاية /v1/audio/transcriptions المتوافقة مع OpenAI، ويقبلان ملفات WAV أو MP3 حتى 25 MiB، ولا يحتفظان بأي صوت أو نصوص مفرّغة (عدم الاحتفاظ بالبيانات). يغطي الرصيد المبدئي البالغ $5 نحو 1,190 دقيقة من الصوت العربي؛ أنشئ مفتاحًا لتختبر ملفاتك.
أين لا يناسب: لا تُدرج BroadNet تفريغًا بالبث المباشر، ولا تمييزًا مدمجًا للمتحدثين، ولا إضافات للحجب. إن كنت تحتاج إلى تسميات توضيحية فورية أو تسميات للمتحدثين من الواجهة نفسها، فإن Deepgram وAssemblyAI وAWS تقدّم الاثنين. وتقدّم OpenAI التفريغ الفوري، لكن نموذجها الوحيد لتسمية المتحدثين متوقف الدعم. قارن نموذجَي BroadNet جنبًا إلى جنب في صفحة المقارنة، أو اطّلع على كل الأسعار في صفحة الأسعار.
