Le prix du speech-to-text semble simple : un tarif par minute d’audio. En pratique, les fournisseurs affichent leurs prix à la minute, à l’heure ou à la seconde, séparent le batch du streaming, et vendent la diarisation et le masquage en options. Cette page ramène les principales API à la même échelle, avec des prix relevés sur la page officielle de chacune les 14 et 15 novembre 2026 (chaque source ci-dessous indique sa date).
Tous les prix sont des prix catalogue, en paiement à l’usage, en dollars américains, pour de l’audio batch (préenregistré) sauf mention contraire. Les remises sur volume et les contrats ne sont pas pris en compte.
Combien coûtent les API speech-to-text à la minute et pour 1 000 heures ?
| Fournisseur et modèle | Par minute | Par heure | Pour 1 000 heures |
|---|---|---|---|
| Groq, Whisper Large v3 Turbo | environ 0,00067 USD | 0,04 USD | 40 USD |
| DeepSeek ASR, prix temporaire (50 % sous le prix catalogue) | environ 0,00097 USD | 0,058 USD | 58 USD |
| Soniox, asynchrone (facturé au token ; « environ » à l’heure) | environ 0,00167 USD | environ 0,10 USD | environ 100 USD |
| Groq, Whisper Large v3 | environ 0,00185 USD | 0,111 USD | 111 USD |
| DeepSeek ASR, prix catalogue | environ 0,00193 USD | 0,116 USD | 116 USD |
| BroadNet Transcribe (14 langues) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | 0,0025 USD | 0,15 USD | 150 USD |
| OpenAI, gpt-4o-mini-transcribe (déprécié, arrêt le 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 multilingue (56 langues) | 0,004 USD | 0,24 USD | 240 USD |
| BroadNet Transcribe Arabic | $0.0042 | $0.25 | $252.00 |
| Deepgram, Nova-3 monolingue | 0,0043 USD | 0,258 USD | 258 USD |
| OpenAI, gpt-transcribe | 0,0045 USD | 0,27 USD | 270 USD |
| Deepgram, Nova-3 multilingue | 0,0052 USD | 0,312 USD | 312 USD |
| OpenAI, whisper-1 / gpt-4o-transcribe (dépréciés, arrêt le 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 (500 000 premières minutes) | 0,016 USD | 0,96 USD | 960 USD |
Les chiffres à l’heure et pour 1 000 heures sont nos propres calculs à partir du prix unitaire publié (par minute × 60, puis × 1 000). Groq, DeepSeek, AssemblyAI et Speechmatics publient des prix à l’heure ; nous les avons divisés par 60 pour la colonne à la minute. La page des tarifs de DeepSeek affiche son API speech-to-text à 0,116 USD de l’heure avec une remise temporaire de 50 %, sans date de fin : budgétez donc au prix catalogue. Les tarifs de Speechmatics sont ses prix catalogue pour l’audio préenregistré ; sa page de tarifs peut aussi les afficher avec une remise de 33 % contre l’entraînement des modèles et jusqu’à 25 % de remise sur volume, ce qui ramène Melia 1 à environ 0,12 USD de l’heure. La remise de 33 % est facultative : en y adhérant, vous autorisez Speechmatics à utiliser votre audio et vos transcriptions pour améliorer ses modèles (FAQ de sa page de tarifs, vérifiée le 2026-11-15).
Soniox, DeepSeek ASR et les endpoints Whisper de Groq coûtent tous moins cher à l’heure que les deux modèles BroadNet. La page des tarifs de Soniox, vérifiée le 2026-11-14, facture au token (1,50 USD par million de tokens audio en entrée et 3,50 USD par million de tokens texte en sortie en asynchrone) et indique que cela revient à « about » (traduction : « environ ») 0,10 USD de l’heure pour les fichiers envoyés et 0,12 USD de l’heure pour le streaming en temps réel. Sa liste de langues inclut l’arabe parmi plus de 60 langues. Soniox utilise sa propre API fondée sur des jobs plutôt que le format OpenAI /v1/audio/transcriptions : y passer demande donc du nouveau code client.
Un changement à anticiper : la page des dépréciations d’OpenAI, vérifiée le 2026-11-15, liste whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe et gpt-4o-transcribe-diarize comme dépréciés (annonce du 26 août 2026), avec un arrêt le 26 février 2027 et gpt-transcribe ou gpt-live-transcribe comme remplaçants. Sa page de tarifs marque les mêmes quatre modèles comme dépréciés. Si vous chiffrez aujourd’hui un pipeline OpenAI, chiffrez-le sur gpt-transcribe à 0,0045 USD la minute. C’est plus cher à l’heure que les deux modèles BroadNet, mais OpenAI vend aussi la transcription en direct (gpt-live-transcribe, 0,017 USD la minute), ce que BroadNet ne propose pas. Cette page ne compare que les prix ; si vous quittez whisper-1, le guide des alternatives à l’API Whisper explique comment tester un remplaçant sur votre propre audio et ce qui casse lors du changement. Pour appliquer ces tarifs à vos propres volumes, utilisez le calculateur de coût speech-to-text.
Pour une vue complète, notre indice ouvert des prix des API speech-to-text liste les prix batch et streaming, les paliers de facturation et la prise en charge de l’arabe pour plus de 20 produits, chacun vérifié sur la page de tarifs du fournisseur (CSV et JSON).
Que laisse de côté le prix de base ?
Le prix à la minute est rarement toute la facture. Vérifiez ces points avant de comparer :
| Poste | Ce que disent les pages |
|---|---|
| Diarisation des locuteurs | Deepgram : incluse pour le préenregistré, 0,0020 USD/min en plus en streaming. AWS : incluse dans le prix standard. AssemblyAI : +0,02 USD/h. OpenAI : modèle distinct gpt-4o-transcribe-diarize à 0,006 USD/min, déprécié, arrêt le 2027-02-26. |
| Masquage des données personnelles (PII) | Deepgram : 0,0020 USD/min. AWS : 0,0024 USD/min (palier 1). AssemblyAI : masquage du texte +0,08 USD/h sur Universal-2 et +0,12 USD/h sur Universal-3.5 Pro ; masquage de l’audio +0,05 USD/h. |
| Streaming | AWS : 0,01 USD/min contre 0,006 USD en batch. Deepgram Nova-3 monolingue : 0,0048 USD en streaming (prix promotionnel valable jusqu’au 2027-02-13) contre 0,0043 USD en préenregistré. Speechmatics Melia 1 : 0,40 USD/h en temps réel contre 0,24 USD/h en préenregistré. |
| Minimum de facturation | Groq facture au moins 10 secondes par requête. AWS facture à la seconde sans minimum. Google arrondit chaque requête à la seconde supérieure. |
| Paliers de volume | Google V2 standard descend à 0,01 USD/min au-delà de 500 000 minutes par mois, et plus bas au-delà de 1 million. Chez AWS, le batch et le streaming standard sont désormais à tarif fixe ; ses paliers de volume s’appliquent aux options comme le masquage. |
Pour un centre d’appels qui a besoin de diarisation et de masquage, Deepgram Nova-3 en préenregistré passe à 0,0063 USD la minute avec masquage, et AWS à 0,0084 USD. Un prix de base bas avec des options chères peut perdre face à un prix de base plus élevé qui les inclut.
Combien coûte la transcription de 10 000 messages vocaux par mois ?
Imaginons une boîte de support qui reçoit 10 000 messages vocaux WhatsApp par mois, de 30 secondes chacun. Cela fait 5 000 minutes.
- À 0,006 USD la minute (AWS batch, ou whisper-1 d’OpenAI, déprécié) : 30 USD.
- À 0,0045 USD (OpenAI gpt-transcribe) : 22,50 USD.
- À 0,0043 USD (Deepgram Nova-3) : 21,50 USD.
- Avec BroadNet Transcribe Arabic : $21.00.
Les minimums de facturation comptent ici. Le minimum de 10 secondes de Groq ne change rien pour ces messages de 30 secondes, mais il facture un message « ok » de deux secondes comme 10 secondes. Avec un minimum de 15 secondes, ce message de deux secondes coûte autant qu’un message de 15 secondes. Pour tout le flux de travail des messages vocaux, voir transformer des messages vocaux en texte pour les entreprises.
Qu’est-ce qui compte en dehors du prix ?
Un modèle moins cher qui se trompe sur un mot sur cinq coûte plus en correction humaine qu’il ne fait économiser. Avant de changer, mesurez le taux d’erreur sur les mots sur 30 à 50 de vos propres enregistrements par langue. Notre guide des alternatives à Whisper montre comment faire ce test en un après-midi, et le guide d’achat des API speech-to-text pour l’arabe couvre l’évaluation dialecte par dialecte.
Autres questions hors prix :
- Langues. BroadNet Transcribe couvre 14 langues (liste complète) ; OpenAI indique que Whisper (le
whisper-1déprécié) en prend en charge 98, avec une précision variable. - Taille des fichiers. OpenAI plafonne les envois à 25 MB et BroadNet à 25 MiB : découpez les longs appels.
- Conservation. L’audio est souvent plus sensible que le texte. Demandez si l’audio et les transcriptions sont stockés ; voir la conservation des données des API LLM comparée.
La place de BroadNet Transcribe
BroadNet Transcribe coûte $0.002 la minute ($0.12 de l’heure) dans 14 langues : anglais, espagnol, français, allemand, italien, portugais, grec, néerlandais, polonais, chinois, japonais, coréen, vietnamien et arabe. BroadNet Transcribe Arabic coûte $0.0042 la minute et est conçu pour les dialectes arabes ; son classement sur l’Open Universal Arabic ASR Leaderboard, selon BroadNet : #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026). Les deux utilisent l’endpoint compatible OpenAI /v1/audio/transcriptions, acceptent le WAV ou le MP3 jusqu’à 25 MiB et ne conservent ni audio ni transcription (conservation zéro des données). Le crédit de départ de $5 couvre environ 1,190 minutes d’audio en arabe ; créez une clé pour tester vos propres fichiers.
Là où il ne convient pas : BroadNet ne liste ni transcription en streaming, ni diarisation intégrée, ni option de masquage. S’il vous faut des sous-titres en direct ou l’identification des locuteurs directement depuis l’API, Deepgram, AssemblyAI et AWS proposent les deux. OpenAI propose la transcription en direct, mais son seul modèle d’identification des locuteurs est déprécié. Comparez les deux modèles BroadNet côte à côte sur la page de comparaison, ou consultez tous les prix sur la page des tarifs.
