---
title: "Speech-to-Text API Preise im Vergleich pro Minute (2026)"
description: "Preise pro Minute und pro 1.000 Stunden für OpenAI, Google, AWS, Deepgram, AssemblyAI, Speechmatics, Groq und BroadNet Transcribe, plus Zusatzfunktionen."
url: https://broadrouter.com/de/blog/speech-to-text-api-pricing-compared/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (aktualisiert am 2026-11-15).

# Speech-to-Text-API-Preise im Vergleich: Preis pro Minute 2026

Vom Team von BroadNet Inference · 7 Min. Lesezeit · Veröffentlicht 2026-11-14 · Aktualisiert 2026-11-15

Speech-to-Text-APIs für Batch-Audio kosten im November 2026 zum Listenpreis etwa 0,0007 bis 0,016 USD pro Audiominute. Deepgram Nova-3 berechnet 0,0043 USD, das aktuelle gpt-transcribe von OpenAI 0,0045 USD, AWS Transcribe 0,006 USD und Google V2 Standard 0,016 USD. BroadNet Transcribe kostet $0.002 pro Minute in 14 Sprachen, BroadNet Transcribe Arabic $0.0042.

## Das Wichtigste in Kürze

-   Die Listenpreise für Batch-Transkription liegen mehr als 20-fach auseinander, von etwa 0,04 USD bis 0,96 USD pro Audiostunde.
-   Zusatzfunktionen verändern die Rechnung: Sprechererkennung (Diarization), Schwärzung personenbezogener Daten und Streaming können jeweils extra kosten.
-   Vergleichen Sie pro 1.000 Stunden, der Einheit, in der das meiste Volumen gemessen wird, und berücksichtigen Sie Mindestabrechnungen.
-   BroadNet Transcribe kostet $0.12 pro Audiostunde; BroadNet Transcribe Arabic kostet $0.25, also $252.00 pro 1.000 Stunden.
-   Der Preis ist nur die halbe Entscheidung. Messen Sie die Wortfehlerrate an Ihrem eigenen Audio, bevor Sie wechseln.

**Auf dieser Seite**

1.  Was kosten Speech-to-Text-APIs pro Minute und pro 1.000 Stunden?
2.  Was lässt der Grundpreis weg?
3.  Was kostet die Transkription von 10.000 Sprachnachrichten im Monat?
4.  Was zählt neben dem Preis?
5.  Wo BroadNet Transcribe hineinpasst

Die Preise für Speech-to-Text wirken einfach: ein Preis pro Audiominute. In der Praxis nennen Anbieter Preise pro Minute, pro Stunde oder pro Sekunde, trennen Batch von Streaming und verkaufen Sprechererkennung und Schwärzung als Zusatzfunktionen. Diese Seite bringt die wichtigsten APIs auf eine Skala, mit Preisen, die wir am **14\. und 15. November 2026** von der jeweiligen offiziellen Seite abgerufen haben (jede Quelle unten nennt ihr Datum).

Alle Preise sind Listenpreise für Pay-as-you-go in US-Dollar, für Batch-Audio (aufgezeichnet), sofern nicht anders angegeben. Mengenrabatte und Verträge sind nicht berücksichtigt.

## Was kosten Speech-to-Text-APIs pro Minute und pro 1.000 Stunden?

| Anbieter und Modell | Pro Minute | Pro Stunde | Pro 1.000 Stunden |
| --- | --- | --- | --- |
| Groq, Whisper Large v3 Turbo | etwa 0,00067 USD | 0,04 USD | 40 USD |
| DeepSeek ASR, befristeter Preis (50 % unter Listenpreis) | etwa 0,00097 USD | 0,058 USD | 58 USD |
| Soniox, asynchron (Abrechnung pro Token; „etwa“ pro Stunde) | etwa 0,00167 USD | etwa 0,10 USD | etwa 100 USD |
| Groq, Whisper Large v3 | etwa 0,00185 USD | 0,111 USD | 111 USD |
| DeepSeek ASR, Listenpreis | etwa 0,00193 USD | 0,116 USD | 116 USD |
| [BroadNet Transcribe](https://broadrouter.com/de/models/cohere-transcribe/) (14 Sprachen) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | 0,0025 USD | 0,15 USD | 150 USD |
| OpenAI, gpt-4o-mini-transcribe (abgekündigt, Abschaltung am 2027-02-26) | 0,003 USD | 0,18 USD | 180 USD |
| Google, V2 Dynamic Batch | 0,003 USD | 0,18 USD | 180 USD |
| AssemblyAI, Universal-3.5 Pro | 0,0035 USD | 0,21 USD | 210 USD |
| Speechmatics, Melia 1 mehrsprachig (56 Sprachen) | 0,004 USD | 0,24 USD | 240 USD |
| [BroadNet Transcribe Arabic](https://broadrouter.com/de/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | $252.00 |
| Deepgram, Nova-3 einsprachig | 0,0043 USD | 0,258 USD | 258 USD |
| OpenAI, gpt-transcribe | 0,0045 USD | 0,27 USD | 270 USD |
| Deepgram, Nova-3 mehrsprachig | 0,0052 USD | 0,312 USD | 312 USD |
| OpenAI, whisper-1 / gpt-4o-transcribe (abgekündigt, Abschaltung am 2027-02-26) | 0,006 USD | 0,36 USD | 360 USD |
| AWS Transcribe, Batch (US East) | 0,006 USD | 0,36 USD | 360 USD |
| Speechmatics, Standard | 0,0075 USD | 0,45 USD | 450 USD |
| Speechmatics, Enhanced | 0,0125 USD | 0,75 USD | 750 USD |
| Google, V2 Standard (erste 500.000 Min.) | 0,016 USD | 0,96 USD | 960 USD |

Die Werte pro Stunde und pro 1.000 Stunden haben wir aus dem veröffentlichten Einheitspreis berechnet (pro Minute × 60, dann × 1.000). Groq, DeepSeek, AssemblyAI und Speechmatics veröffentlichen Preise pro Stunde; für die Spalte pro Minute haben wir durch 60 geteilt. Die [Preisseite](https://api-docs.deepseek.com/quick_start/pricing) von DeepSeek listet die Speech-to-Text-API mit 0,116 USD pro Stunde und einem befristeten Rabatt von 50 %, ohne Enddatum; kalkulieren Sie daher mit dem Listenpreis. Die Tarife von Speechmatics sind die Listenpreise für aufgezeichnetes Audio; die Preisseite kann sie auch mit einem Rabatt von 33 % für die Freigabe zum Modelltraining und bis zu 25 % Mengenrabatt zeigen, womit Melia 1 auf etwa 0,12 USD pro Stunde sinkt. Der Rabatt von 33 % ist Opt-in: Wer teilnimmt, erlaubt Speechmatics, Audio und Transkripte zur Verbesserung seiner Modelle zu nutzen (laut FAQ der Preisseite, geprüft am 2026-11-15).

Soniox, DeepSeek ASR und die Whisper-Endpoints von Groq kosten pro Stunde alle weniger als beide BroadNet-Modelle. Die [Preisseite](https://soniox.com/pricing) von Soniox, geprüft am 2026-11-14, rechnet pro Token ab (1,50 USD pro 1 Mio. Input-Audio-Tokens und 3,50 USD pro 1 Mio. Output-Text-Tokens für asynchrone Verarbeitung) und gibt das mit „about“ (Übersetzung: „etwa“) 0,10 USD pro Stunde für Datei-Uploads und 0,12 USD pro Stunde für Echtzeit-Streaming an. Die [Sprachenliste](https://docs.soniox.com/stt/concepts/supported-languages) enthält Arabisch unter mehr als 60 Sprachen. Soniox nutzt eine eigene, jobbasierte API statt des OpenAI-Formats `/v1/audio/transcriptions`, ein Wechsel bedeutet also neuen Client-Code.

Eine Änderung, die Sie einplanen sollten: Die [Abkündigungsseite](https://developers.openai.com/api/docs/deprecations) von OpenAI, geprüft am 2026-11-15, listet `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` und `gpt-4o-transcribe-diarize` als abgekündigt (angekündigt am 26. August 2026), mit Abschaltung am 26. Februar 2027 und `gpt-transcribe` oder `gpt-live-transcribe` als Nachfolger. Die Preisseite markiert dieselben vier Modelle als abgekündigt. Wenn Sie heute eine OpenAI-Pipeline kalkulieren, rechnen Sie mit `gpt-transcribe` zu 0,0045 USD pro Minute. Das ist pro Stunde mehr als beide BroadNet-Modelle, aber OpenAI verkauft auch Live-Transkription (`gpt-live-transcribe`, 0,017 USD pro Minute), die BroadNet nicht anbietet. Diese Seite vergleicht nur Preise; wenn Sie von `whisper-1` weg migrieren, erklärt der [Leitfaden zu Whisper-API-Alternativen](https://broadrouter.com/de/blog/whisper-api-alternative/), wie Sie einen Ersatz mit Ihrem eigenen Audio testen und was beim Wechsel bricht. Um Ihre eigenen Mengen mit diesen Tarifen durchzurechnen, nutzen Sie den [Speech-to-Text-Kostenrechner](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

Das vollständige Bild liefert unser offener [Preisindex für Speech-to-Text-APIs](https://broadrouter.com/data/speech-to-text-api-prices/): Er listet Batch- und Streaming-Preise, Abrechnungsschritte und Arabisch-Unterstützung für mehr als 20 Produkte, jeweils mit der Preisseite des Anbieters abgeglichen (CSV und JSON).

## Was lässt der Grundpreis weg?

Der Preis pro Minute ist selten die ganze Rechnung. Prüfen Sie Folgendes, bevor Sie vergleichen:

| Posten | Was die Seiten sagen |
| --- | --- |
| Sprechererkennung (Diarization) | Deepgram: für aufgezeichnetes Audio inklusive, 0,0020 USD/Min. Aufpreis beim Streaming. AWS: im Standardpreis enthalten. AssemblyAI: +0,02 USD/Std. OpenAI: eigenes Modell `gpt-4o-transcribe-diarize` zu 0,006 USD/Min., abgekündigt, Abschaltung am 2027-02-26. |
| Schwärzung personenbezogener Daten (PII) | Deepgram: 0,0020 USD/Min. AWS: 0,0024 USD/Min. (Stufe 1). AssemblyAI: Textschwärzung +0,08 USD/Std. bei Universal-2 und +0,12 USD/Std. bei Universal-3.5 Pro; Audioschwärzung +0,05 USD/Std. |
| Streaming | AWS: 0,01 USD/Min. gegenüber 0,006 USD bei Batch. Deepgram Nova-3 einsprachig: 0,0048 USD beim Streaming (Aktionspreis, gültig bis 2027-02-13) gegenüber 0,0043 USD für aufgezeichnetes Audio. Speechmatics Melia 1: 0,40 USD/Std. in Echtzeit gegenüber 0,24 USD/Std. für aufgezeichnetes Audio. |
| Mindestabrechnung | Groq berechnet mindestens 10 Sekunden pro Anfrage. AWS rechnet sekundengenau ohne Minimum ab. Google rundet jede Anfrage auf die nächste volle Sekunde auf. |
| Mengenstaffeln | Google V2 Standard sinkt nach 500.000 Minuten pro Monat auf 0,01 USD/Min. und oberhalb von 1 Million weiter. Bei AWS sind Standard-Batch und Streaming inzwischen Festtarife; die Mengenstaffeln gelten für Zusatzfunktionen wie Schwärzung. |

Für ein Callcenter, das Sprechererkennung und Schwärzung braucht, kostet Deepgram Nova-3 für aufgezeichnetes Audio mit Schwärzung 0,0063 USD pro Minute und AWS 0,0084 USD. Ein günstiger Grundpreis mit teuren Zusatzfunktionen kann gegen einen höheren Grundpreis verlieren, in dem sie enthalten sind.

## Was kostet die Transkription von 10.000 Sprachnachrichten im Monat?

Angenommen, ein Support-Postfach erhält 10.000 WhatsApp-Sprachnachrichten im Monat, jede 30 Sekunden lang. Das sind 5.000 Minuten.

-   Bei 0,006 USD pro Minute (AWS Batch oder das abgekündigte whisper-1 von OpenAI): 30 USD.
-   Bei 0,0045 USD (OpenAI gpt-transcribe): 22,50 USD.
-   Bei 0,0043 USD (Deepgram Nova-3): 21,50 USD.
-   Mit BroadNet Transcribe Arabic: $21.00.

Mindestabrechnungen spielen hier eine Rolle. Das 10-Sekunden-Minimum von Groq ändert an der Rechnung für diese 30-Sekunden-Nachrichten nichts, rechnet eine zweisekündige „ok“-Nachricht aber als 10 Sekunden ab. Bei einem Minimum von 15 Sekunden kostet diese zweisekündige Nachricht genauso viel wie eine von 15 Sekunden. Den vollständigen Ablauf für Sprachnachrichten beschreibt [Sprachnachrichten in Text umwandeln für Unternehmen](https://broadrouter.com/de/blog/voice-notes-to-text-for-business/).

## Was zählt neben dem Preis?

Ein günstigeres Modell, das jedes fünfte Wort falsch erkennt, kostet mehr an menschlicher Korrektur, als es einspart. Messen Sie vor einem Wechsel die [Wortfehlerrate](https://broadrouter.com/de/glossary/word-error-rate/) an 30 bis 50 Ihrer eigenen Aufnahmen pro Sprache. Unser [Leitfaden zu Whisper-Alternativen](https://broadrouter.com/de/blog/whisper-api-alternative/) zeigt, wie Sie diesen Test an einem Nachmittag durchführen, und der [Kaufratgeber für Speech-to-Text-APIs für Arabisch](https://broadrouter.com/de/blog/arabic-speech-to-text-api-buyers-guide/) behandelt die Bewertung Dialekt für Dialekt.

Weitere Fragen jenseits des Preises:

-   **Sprachen.** BroadNet Transcribe deckt 14 Sprachen ab ([vollständige Liste](https://broadrouter.com/de/blog/multilingual-speech-to-text-api/)); laut OpenAI unterstützt Whisper (das abgekündigte `whisper-1`) 98 Sprachen mit unterschiedlicher Genauigkeit.
-   **Dateilimits.** OpenAI begrenzt Uploads auf 25 MB und BroadNet auf 25 MiB; teilen Sie lange Gespräche also auf.
-   **Aufbewahrung.** Audio ist oft sensibler als Text. Fragen Sie, ob Audio und Transkripte gespeichert werden; siehe [Datenaufbewahrung bei LLM-APIs im Vergleich](https://broadrouter.com/de/blog/llm-api-data-retention-compared/).

## Wo BroadNet Transcribe hineinpasst

BroadNet Transcribe kostet $0.002 pro Minute ($0.12 pro Stunde) in 14 Sprachen: Englisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch, Griechisch, Niederländisch, Polnisch, Chinesisch, Japanisch, Koreanisch, Vietnamesisch und Arabisch. BroadNet Transcribe Arabic kostet $0.0042 pro Minute und ist für arabische Dialekte gebaut; seine Platzierung im Open Universal Arabic ASR Leaderboard laut BroadNet: #2 von 37 (Angabe für September 2026; die Live-Rangliste führte das Modell am 15. November 2026 auf #4 von 39). Beide nutzen den OpenAI-kompatiblen Endpoint `/v1/audio/transcriptions`, akzeptieren WAV oder MP3 bis 25 MiB und speichern weder Audio noch Transkripte ([Zero Data Retention](https://broadrouter.com/de/privacy/)). Das Startguthaben von $5 reicht für etwa 1,190 Minuten arabisches Audio; [erstellen Sie einen Schlüssel](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-speech-to-text-api-pricing-compared&utm_content=body), um Ihre eigenen Dateien zu testen.

Wo es nicht passt: BroadNet listet weder Streaming-Transkription noch integrierte Sprechererkennung oder Schwärzung als Zusatzfunktion. Brauchen Sie Live-Untertitel oder Sprecherkennzeichnung direkt von der API, bieten Deepgram, AssemblyAI und AWS beides. OpenAI bietet Live-Transkription, aber sein einziges Modell zur Sprecherkennzeichnung ist abgekündigt. Vergleichen Sie die beiden BroadNet-Modelle direkt auf der [Vergleichsseite](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/) oder sehen Sie alle Preise unter [Preise](https://broadrouter.com/de/pricing/).

Kostenlose Tools zum Thema (auf Englisch)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Speech-to-Text (Spracherkennung)](https://broadrouter.com/de/glossary/speech-to-text/)

Speech-to-Text, auch automatische Spracherkennung (ASR), ist eine Technik, die gesprochenes Audio in geschriebenen Text umwandelt. Eine Speech-to-Text API nimmt eine Audiodatei oder einen Stream entgegen und liefert ein Transkript, meist abgerechnet pro Audiominute. Die Genauigkeit wird mit der Wortfehlerrate gemessen und hängt von Akzent, Dialekt und Aufnahmequalität ab.

[Streaming](https://broadrouter.com/de/glossary/streaming/)

Streaming ist eine Art, die Antwort eines Sprachmodells in kleinen Chunks zurückzugeben, während sie noch erzeugt wird, statt als eine Antwort am Ende. OpenAI-kompatible APIs streamen über Server-Sent Events, wenn die Anfrage stream auf true setzt.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[Wortfehlerrate (Word Error Rate, WER)](https://broadrouter.com/de/glossary/word-error-rate/)

Die Wortfehlerrate (WER) ist das Standardmaß für die Genauigkeit der Spracherkennung: die Zahl der Wortersetzungen, -löschungen und -einfügungen, die nötig sind, um ein Transkript in die korrekte Referenz zu verwandeln, geteilt durch die Zahl der Wörter in der Referenz. Niedriger ist besser.

[Zero Data Retention (ZDR)](https://broadrouter.com/de/glossary/zero-data-retention/)

Zero Data Retention (ZDR) ist eine Datenrichtlinie, bei der ein KI-Anbieter Prompts und Outputs nur zur Bearbeitung einer Anfrage verarbeitet und diese Inhalte danach nicht speichert, weder in Logs noch in Caches oder Trainingsdaten. Inhaltsfreie Daten wie Token-Zahlen und Zeiten werden meist weiterhin aufbewahrt.

[Arabische Dialekte (Dialectal Arabic)](https://broadrouter.com/de/glossary/dialectal-arabic/)

Dialektales Arabisch ist das gesprochene Alltagsarabisch einer Region oder Stadt, etwa Ägyptisch, Golf-Arabisch, Levantinisch oder Maghrebinisch. Dialekte unterscheiden sich vom modernen Hocharabisch in Lauten, Wörtern und Grammatik, haben keine Standardschreibung und werden online zunehmend geschrieben, was sie für Sprachmodelle schwieriger macht.

## Häufige Fragen

### Welche Speech-to-Text-API ist am günstigsten?

Im November 2026 war Whisper Large v3 Turbo bei Groq mit 0,04 USD pro Stunde der niedrigste Wert in unserer Tabelle. Danach kam DeepSeek ASR mit 0,058 USD pro Stunde, aber nur, solange der befristete Rabatt von 50 % gilt (ohne angegebenes Enddatum). Es folgten Soniox mit etwa 0,10 USD pro Stunde (asynchron), Groq Whisper Large v3 mit 0,111 USD, DeepSeek ASR zum Listenpreis von 0,116 USD und BroadNet Transcribe mit $0.12 pro Stunde. Ob günstig gut genug ist, entscheidet die Genauigkeit bei Ihrem Audio.

### Was kostet die Whisper API von OpenAI pro Minute?

OpenAI listet whisper-1 mit 0,006 USD pro Minute, genauso viel wie gpt-4o-transcribe; gpt-4o-mini-transcribe kostet 0,003 USD. Alle drei sind auf der Preisseite als abgekündigt markiert, und laut Abkündigungsseite werden sie am 26. Februar 2027 abgeschaltet. Der empfohlene Nachfolger gpt-transcribe kostet 0,0045 USD pro Minute (0,27 USD pro Stunde). Geprüft am 2026-11-15.

### Was kostet es, 1.000 Stunden Audio zu transkribieren?

Multiplizieren Sie den Preis pro Minute mit 60.000. Bei 0,006 USD pro Minute sind das 360 USD. Mit BroadNet Transcribe Arabic sind es $252.00.

### Ist die Sprechererkennung (Diarization) im Preis enthalten?

Das ist unterschiedlich. Deepgram schließt sie für aufgezeichnetes Audio ein und AWS im Standardpreis, AssemblyAI berechnet einen Aufpreis pro Stunde, und das einzige Diarization-Modell von OpenAI, gpt-4o-transcribe-diarize, ist abgekündigt und wird am 26. Februar 2027 abgeschaltet. Prüfen Sie das, bevor Sie Grundpreise vergleichen.

### Ist Streaming-Transkription teurer als Batch?

Meistens. AWS listet 0,006 USD pro Minute für Batch und 0,01 USD für Streaming, und Deepgram berechnet für Nova-3 im Streaming mehr als für aufgezeichnetes Audio.

## Weiterlesen

-   [Alternative zur Whisper API: wann wechseln und wie testen](https://broadrouter.com/de/blog/whisper-api-alternative/)
-   [Speech-to-Text-API für Arabisch: So wählen Sie 2026 die richtige](https://broadrouter.com/de/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Callcenter-Aufzeichnungen transkribieren: Pipeline, auch für Arabisch](https://broadrouter.com/de/blog/transcribe-call-center-recordings/)
-   [Sprachnachrichten in Text für Firmen: WhatsApp und Telegram zu Tickets](https://broadrouter.com/de/blog/voice-notes-to-text-for-business/)
-   [Alternativen zu Artificial Analysis: LLMs vergleichen im Jahr 2026](https://broadrouter.com/de/blog/artificial-analysis-alternatives/)
-   [LLM-API-SLAs: was Azure, Bedrock, Google und OpenAI zusagen](https://broadrouter.com/de/blog/llm-api-sla-uptime-compared/)
-   [Anleitung: Speech-to-Text API für Arabisch: Schritt für Schritt](https://broadrouter.com/de/guides/arabic-speech-to-text-api/)
-   [Anleitung: WhatsApp-Sprachnachrichten per API in Text umwandeln](https://broadrouter.com/de/guides/transcribe-whatsapp-voice-notes/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-speech-to-text-api-pricing-compared&utm_content=page-cta) ·

**Quellen**

-   [Preise der OpenAI API, Transkription (abgerufen am 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Abkündigungen bei OpenAI, Speech-to-Text-Modelle (abgerufen am 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Preise von Google Cloud Speech-to-Text (abgerufen am 2026-11-14)](https://cloud.google.com/speech-to-text/pricing)
-   [Preise von Amazon Transcribe (abgerufen am 2026-11-14)](https://aws.amazon.com/transcribe/pricing/)
-   [Preise von Deepgram (abgerufen am 2026-11-14)](https://deepgram.com/pricing)
-   [Preise von AssemblyAI (abgerufen am 2026-11-14)](https://www.assemblyai.com/pricing)
-   [Preise von Speechmatics, mit der FAQ zum Modelltraining-Rabatt (abgerufen am 2026-11-14; FAQ geprüft am 2026-11-15)](https://www.speechmatics.com/pricing)
-   [Preise von Soniox (abgerufen am 2026-11-14)](https://soniox.com/pricing)
-   [Unterstützte Sprachen bei Soniox (abgerufen am 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Preise der DeepSeek-API, Speech-to-Text (abgerufen am 2026-11-14)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Speech-to-Text-Doku von Groq, Whisper-Preise (abgerufen am 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Maschinenlesbare Preise von BroadNet Inference (pricing.json) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-speech-to-text-api-pricing-compared&utm_content=sources)
