---
title: "speech to text API की कीमत, प्रति मिनट तुलना (2026) | BroadRouter"
description: "OpenAI, Google, AWS, Deepgram, AssemblyAI, Speechmatics, Groq और BroadNet Transcribe की प्रति मिनट और प्रति 1,000 घंटे कीमतें, आधिकारिक पेजों से, ऐड-ऑन समेत।"
url: https://broadrouter.com/hi/blog/speech-to-text-api-pricing-compared/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (2026-11-15 को अपडेट किया गया).

# स्पीच-टू-टेक्स्ट API की कीमतों की तुलना: 2026 में प्रति मिनट कीमत

BroadNet Inference टीम · 7 मिनट में पढ़ें · प्रकाशित 2026-11-14 · अपडेट किया गया 2026-11-15

नवंबर 2026 में बैच स्पीच-टू-टेक्स्ट API की लिस्ट कीमत लगभग USD 0.0007 से 0.016 प्रति ऑडियो मिनट है। Deepgram Nova-3 USD 0.0043 लेता है, OpenAI का मौजूदा gpt-transcribe USD 0.0045, AWS Transcribe USD 0.006 और Google V2 standard USD 0.016। BroadNet Transcribe 14 भाषाओं में $0.002 प्रति मिनट का है, और BroadNet Transcribe Arabic $0.0042 का।

## मुख्य बातें

-   बैच ट्रांसक्रिप्शन की लिस्ट कीमतों में 20 गुना से ज़्यादा का फ़र्क़ है, लगभग USD 0.04 से USD 0.96 प्रति ऑडियो घंटा तक।
-   ऐड-ऑन बिल बदल देते हैं: डायराइज़ेशन, PII रिडैक्शन और स्ट्रीमिंग, हर एक का अलग पैसा लग सकता है।
-   प्रति 1,000 घंटे के हिसाब से तुलना करें, क्योंकि ज़्यादातर वॉल्यूम इसी यूनिट में मापा जाता है, और बिलिंग की न्यूनतम सीमा भी जोड़ें।
-   BroadNet Transcribe की कीमत $0.12 प्रति ऑडियो घंटा है; BroadNet Transcribe Arabic की $0.25, या प्रति 1,000 घंटे $252.00।
-   कीमत फ़ैसले का सिर्फ़ आधा हिस्सा है। स्विच करने से पहले अपने ऑडियो पर वर्ड एरर रेट मापें।

**इस पेज पर**

1.  स्पीच-टू-टेक्स्ट API की कीमत प्रति मिनट और प्रति 1,000 घंटे कितनी है?
2.  बेस कीमत में क्या शामिल नहीं होता?
3.  हर महीने 10,000 वॉइस नोट ट्रांसक्राइब करने में कितना ख़र्च आता है?
4.  कीमत के अलावा और क्या मायने रखता है?
5.  BroadNet Transcribe कहाँ फ़िट बैठता है

स्पीच-टू-टेक्स्ट की कीमत सीधी लगती है: ऑडियो के प्रति मिनट एक कीमत। व्यवहार में प्रोवाइडर प्रति मिनट, प्रति घंटा या प्रति सेकंड कीमत बताते हैं, बैच और स्ट्रीमिंग को अलग रखते हैं, और डायराइज़ेशन व रिडैक्शन को ऐड-ऑन के रूप में बेचते हैं। यह पेज मुख्य API को एक ही पैमाने पर रखता है, उन कीमतों के साथ जो हमने **14 और 15 नवंबर 2026** को हर आधिकारिक पेज से लीं (नीचे हर स्रोत अपनी तारीख़ बताता है)।

जब तक अलग से न बताया जाए, सभी कीमतें लिस्ट कीमतें हैं, उपयोग के अनुसार भुगतान वाली, अमेरिकी डॉलर में, बैच (प्री-रिकॉर्डेड) ऑडियो के लिए। वॉल्यूम छूट और कॉन्ट्रैक्ट शामिल नहीं हैं।

## स्पीच-टू-टेक्स्ट API की कीमत प्रति मिनट और प्रति 1,000 घंटे कितनी है?

| प्रोवाइडर और मॉडल | प्रति मिनट | प्रति घंटा | प्रति 1,000 घंटे |
| --- | --- | --- | --- |
| Groq, Whisper Large v3 Turbo | लगभग USD 0.00067 | USD 0.04 | USD 40 |
| DeepSeek ASR, सीमित समय की कीमत (लिस्ट से 50% कम) | लगभग USD 0.00097 | USD 0.058 | USD 58 |
| Soniox, async (प्रति टोकन बिल; प्रति घंटा “लगभग”) | लगभग USD 0.00167 | लगभग USD 0.10 | लगभग USD 100 |
| Groq, Whisper Large v3 | लगभग USD 0.00185 | USD 0.111 | USD 111 |
| DeepSeek ASR, लिस्ट कीमत | लगभग USD 0.00193 | USD 0.116 | USD 116 |
| [BroadNet Transcribe](https://broadrouter.com/hi/models/cohere-transcribe/) (14 भाषाएँ) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | USD 0.0025 | USD 0.15 | USD 150 |
| OpenAI, gpt-4o-mini-transcribe (डेप्रिकेटेड, 2027-02-26 को बंद) | 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 multilingual (56 भाषाएँ) | USD 0.004 | USD 0.24 | USD 240 |
| [BroadNet Transcribe Arabic](https://broadrouter.com/hi/models/cohere-transcribe-arabic/) | $0.0042 | $0.25 | $252.00 |
| Deepgram, Nova-3 monolingual | USD 0.0043 | USD 0.258 | USD 258 |
| OpenAI, gpt-transcribe | USD 0.0045 | USD 0.27 | USD 270 |
| Deepgram, Nova-3 multilingual | USD 0.0052 | USD 0.312 | USD 312 |
| OpenAI, whisper-1 / gpt-4o-transcribe (डेप्रिकेटेड, 2027-02-26 को बंद) | USD 0.006 | USD 0.36 | USD 360 |
| AWS Transcribe, बैच (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 standard (पहले 500,000 मिनट) | USD 0.016 | USD 0.96 | USD 960 |

प्रति घंटा और प्रति 1,000 घंटे के आँकड़े प्रकाशित यूनिट कीमत से हमारा हिसाब हैं (प्रति मिनट x 60, फिर x 1,000)। Groq, DeepSeek, AssemblyAI और Speechmatics प्रति घंटा कीमत प्रकाशित करते हैं; प्रति मिनट कॉलम के लिए हमने 60 से भाग दिया। DeepSeek का [प्राइसिंग पेज](https://api-docs.deepseek.com/quick_start/pricing) उसके स्पीच-टू-टेक्स्ट API को USD 0.116 प्रति घंटा पर सीमित समय की 50% छूट के साथ दिखाता है और कोई अंतिम तारीख़ नहीं देता, इसलिए बजट लिस्ट कीमत पर बनाएँ। Speechmatics की दरें उसकी प्री-रिकॉर्डेड लिस्ट कीमतें हैं; उसका प्राइसिंग पेज इन्हें 33% मॉडल-ट्रेनिंग छूट और 25% तक वॉल्यूम छूट लगाकर भी दिखा सकता है, जिससे Melia 1 लगभग USD 0.12 प्रति घंटा पर आ जाता है। 33% छूट ऑप्ट-इन है, और ऑप्ट-इन करके आप Speechmatics को अपने ऑडियो और ट्रांसक्रिप्ट से उसके मॉडल सुधारने की अनुमति देते हैं (उसका प्राइसिंग FAQ, 2026-11-15 को जाँचा गया)।

Soniox, DeepSeek ASR और Groq के Whisper एंडपॉइंट, तीनों प्रति घंटा BroadNet के दोनों मॉडलों से सस्ते हैं। Soniox का [प्राइसिंग पेज](https://soniox.com/pricing), 2026-11-14 को जाँचा गया, प्रति टोकन बिल करता है (async के लिए प्रति 1M इनपुट ऑडियो टोकन USD 1.50 और प्रति 1M आउटपुट टेक्स्ट टोकन USD 3.50) और कहता है कि यह फ़ाइल अपलोड के लिए “about” (अनुवाद: “लगभग”) USD 0.10 प्रति घंटा और रियल-टाइम स्ट्रीमिंग के लिए USD 0.12 प्रति घंटा बनता है। इसकी [भाषा सूची](https://docs.soniox.com/stt/concepts/supported-languages) में 60 से ज़्यादा भाषाओं में अरबी शामिल है। यह OpenAI के `/v1/audio/transcriptions` ढाँचे की जगह अपना जॉब-आधारित API इस्तेमाल करता है, इसलिए इस पर जाने का मतलब है नया क्लाइंट कोड।

एक बदलाव जिसकी योजना बनानी होगी: OpenAI का [डेप्रिकेशन पेज](https://developers.openai.com/api/docs/deprecations), 2026-11-15 को जाँचा गया, `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` और `gpt-4o-transcribe-diarize` को डेप्रिकेटेड बताता है (सूचना 26 अगस्त 2026 को दी गई), जो 26 फ़रवरी 2027 को बंद होंगे, और उनकी जगह `gpt-transcribe` या `gpt-live-transcribe` सुझाता है। इसका प्राइसिंग पेज इन्हीं चार मॉडलों को डेप्रिकेटेड चिह्नित करता है। अगर आप आज OpenAI पाइपलाइन की कीमत निकाल रहे हैं, तो उसे USD 0.0045 प्रति मिनट वाले `gpt-transcribe` पर निकालें। यह प्रति घंटा BroadNet के दोनों मॉडलों से महँगा है, लेकिन OpenAI लाइव ट्रांसक्रिप्शन भी बेचता है (`gpt-live-transcribe`, USD 0.017 प्रति मिनट), जो BroadNet नहीं देता। यह पेज सिर्फ़ कीमतों की तुलना करता है; अगर आप `whisper-1` से हट रहे हैं, तो [Whisper API विकल्प गाइड](https://broadrouter.com/hi/blog/whisper-api-alternative/) बताती है कि अपने ऑडियो पर नए मॉडल को कैसे टेस्ट करें और स्विच में क्या टूटता है। अपने वॉल्यूम को इन दरों पर चलाने के लिए [स्पीच-टू-टेक्स्ट कॉस्ट कैलकुलेटर](https://broadrouter.com/tools/speech-to-text-cost-calculator/) इस्तेमाल करें।

पूरी तस्वीर के लिए, हमारा खुला [स्पीच-टू-टेक्स्ट API प्राइस इंडेक्स](https://broadrouter.com/data/speech-to-text-api-prices/) 20 से ज़्यादा प्रोडक्ट की बैच और स्ट्रीमिंग कीमतें, बिलिंग इन्क्रीमेंट और अरबी सपोर्ट दिखाता है, हर एक प्रोवाइडर के अपने प्राइसिंग पेज से जाँचा गया (CSV और JSON)।

## बेस कीमत में क्या शामिल नहीं होता?

प्रति मिनट की संख्या शायद ही कभी पूरा बिल होती है। तुलना से पहले ये जाँचें:

| चीज़ | पेज क्या कहते हैं |
| --- | --- |
| स्पीकर डायराइज़ेशन | Deepgram: प्री-रिकॉर्डेड के लिए शामिल, स्ट्रीमिंग के लिए USD 0.0020/मिनट अतिरिक्त। AWS: स्टैंडर्ड कीमत में शामिल। AssemblyAI: +USD 0.02/घंटा। OpenAI: अलग `gpt-4o-transcribe-diarize` मॉडल, USD 0.006/मिनट, डेप्रिकेटेड और 2027-02-26 को बंद। |
| PII रिडैक्शन | Deepgram: USD 0.0020/मिनट। AWS: USD 0.0024/मिनट (टियर 1)। AssemblyAI: टेक्स्ट रिडैक्शन Universal-2 पर +USD 0.08/घंटा और Universal-3.5 Pro पर +USD 0.12/घंटा; ऑडियो रिडैक्शन +USD 0.05/घंटा। |
| स्ट्रीमिंग | AWS: USD 0.01/मिनट, जबकि बैच USD 0.006। Deepgram Nova-3 monolingual: स्ट्रीमिंग USD 0.0048 (2027-02-13 तक मान्य प्रमोशनल कीमत), जबकि प्री-रिकॉर्डेड USD 0.0043। Speechmatics Melia 1: रियल-टाइम USD 0.40/घंटा, जबकि प्री-रिकॉर्डेड USD 0.24/घंटा। |
| बिलिंग की न्यूनतम सीमा | Groq हर अनुरोध पर कम से कम 10 सेकंड बिल करता है। AWS प्रति सेकंड बिल करता है, बिना न्यूनतम सीमा के। Google हर अनुरोध को अगले सेकंड तक राउंड अप करता है। |
| वॉल्यूम टियर | Google V2 standard हर महीने 500,000 मिनट के बाद USD 0.01/मिनट पर आ जाता है, और 10 लाख से ऊपर और कम। AWS का स्टैंडर्ड बैच और स्ट्रीमिंग अब फ़्लैट दर पर हैं; उसके वॉल्यूम टियर रिडैक्शन जैसे ऐड-ऑन पर लागू होते हैं। |

जिस कॉल सेंटर को डायराइज़ेशन और रिडैक्शन चाहिए, उसके लिए रिडैक्शन के साथ Deepgram Nova-3 प्री-रिकॉर्डेड USD 0.0063 प्रति मिनट हो जाता है, और AWS USD 0.0084। महँगे ऐड-ऑन वाली सस्ती बेस कीमत, ऐड-ऑन शामिल वाली ऊँची बेस कीमत से हार सकती है।

## हर महीने 10,000 वॉइस नोट ट्रांसक्राइब करने में कितना ख़र्च आता है?

मान लीजिए किसी सपोर्ट इनबॉक्स में हर महीने 30-30 सेकंड के 10,000 WhatsApp वॉइस नोट आते हैं। यानी 5,000 मिनट।

-   USD 0.006 प्रति मिनट पर (AWS बैच, या OpenAI का डेप्रिकेटेड whisper-1): USD 30।
-   USD 0.0045 पर (OpenAI gpt-transcribe): USD 22.50।
-   USD 0.0043 पर (Deepgram Nova-3): USD 21.50।
-   BroadNet Transcribe Arabic पर: $21.00।

यहाँ बिलिंग की न्यूनतम सीमा मायने रखती है। Groq की 10 सेकंड की न्यूनतम सीमा इन 30 सेकंड के नोट का बिल नहीं बदलती, लेकिन दो सेकंड के “ok” नोट को वह 10 सेकंड के रूप में बिल करती है। 15 सेकंड की न्यूनतम सीमा होने पर वही दो सेकंड का नोट 15 सेकंड वाले नोट जितना पड़ता है। वॉइस नोट के पूरे वर्कफ़्लो के लिए [बिज़नेस के लिए वॉइस नोट से टेक्स्ट](https://broadrouter.com/hi/blog/voice-notes-to-text-for-business/) देखें।

## कीमत के अलावा और क्या मायने रखता है?

जो सस्ता मॉडल हर 5 में से 1 शब्द ग़लत करता है, वह इंसानी सुधार में जितना बचाता है उससे ज़्यादा ख़र्च करवाता है। स्विच करने से पहले हर भाषा की अपनी 30 से 50 रिकॉर्डिंग पर [वर्ड एरर रेट](https://broadrouter.com/hi/glossary/word-error-rate/) मापें। हमारी [Whisper विकल्प गाइड](https://broadrouter.com/hi/blog/whisper-api-alternative/) दिखाती है कि यह टेस्ट एक दोपहर में कैसे करें, और [अरबी स्पीच-टू-टेक्स्ट ख़रीदार गाइड](https://broadrouter.com/hi/blog/arabic-speech-to-text-api-buyers-guide/) बोली-दर-बोली स्कोरिंग समझाती है।

कीमत के अलावा दूसरे सवाल:

-   **भाषाएँ।** BroadNet Transcribe 14 भाषाएँ कवर करता है ([पूरी सूची](https://broadrouter.com/hi/blog/multilingual-speech-to-text-api/)); OpenAI कहता है कि Whisper (डेप्रिकेटेड `whisper-1`) 98 भाषाएँ अलग-अलग सटीकता के साथ सपोर्ट करता है।
-   **फ़ाइल सीमाएँ।** OpenAI अपलोड को 25 MB पर और BroadNet 25 MiB पर सीमित करता है, इसलिए लंबी कॉल को टुकड़ों में बाँटें।
-   **रिटेंशन।** ऑडियो अक्सर टेक्स्ट से ज़्यादा संवेदनशील होता है। पूछें कि ऑडियो और ट्रांसक्रिप्ट स्टोर होते हैं या नहीं; देखें [LLM API डेटा रिटेंशन की तुलना](https://broadrouter.com/hi/blog/llm-api-data-retention-compared/)।

## BroadNet Transcribe कहाँ फ़िट बैठता है

BroadNet Transcribe की कीमत $0.002 प्रति मिनट ($0.12 प्रति घंटा) है, 14 भाषाओं में: अंग्रेज़ी, स्पेनिश, फ़्रेंच, जर्मन, इतालवी, पुर्तगाली, ग्रीक, डच, पोलिश, चीनी, जापानी, कोरियाई, वियतनामी और अरबी। BroadNet Transcribe Arabic $0.0042 प्रति मिनट का है और अरबी बोलियों के लिए बनाया गया है; BroadNet के अनुसार यह Open Universal Arabic ASR Leaderboard पर 37 में से #2 (यह सितंबर 2026 का आंकड़ा है; 15 नवंबर 2026 को लाइव लीडरबोर्ड पर यह 39 में से #4 था) है। दोनों OpenAI-compatible `/v1/audio/transcriptions` एंडपॉइंट इस्तेमाल करते हैं, 25 MiB तक WAV या MP3 लेते हैं, और न ऑडियो रखते हैं न ट्रांसक्रिप्ट ([ज़ीरो डेटा रिटेंशन](https://broadrouter.com/hi/privacy/))। $5 का शुरुआती क्रेडिट लगभग 1,190 मिनट का अरबी ऑडियो कवर करता है; अपनी फ़ाइलें टेस्ट करने के लिए [key बनाएँ](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-speech-to-text-api-pricing-compared&utm_content=body)।

यह कहाँ फ़िट नहीं बैठता: BroadNet स्ट्रीमिंग ट्रांसक्रिप्शन, बिल्ट-इन डायराइज़ेशन या रिडैक्शन ऐड-ऑन सूचीबद्ध नहीं करता। अगर आपको API से ही लाइव कैप्शन या स्पीकर लेबल चाहिए, तो Deepgram, AssemblyAI और AWS दोनों देते हैं। OpenAI लाइव ट्रांसक्रिप्शन देता है, लेकिन उसका अकेला स्पीकर-लेबलिंग मॉडल डेप्रिकेटेड है। BroadNet के दोनों मॉडलों की आमने-सामने तुलना [तुलना पेज](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/) पर करें, या सभी कीमतें [प्राइसिंग](https://broadrouter.com/hi/pricing/) पर देखें।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [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.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[स्पीच-टू-टेक्स्ट (speech-to-text)](https://broadrouter.com/hi/glossary/speech-to-text/)

स्पीच-टू-टेक्स्ट, जिसे automatic speech recognition (ASR) भी कहते हैं, बोले गए ऑडियो को लिखित टेक्स्ट में बदलने की तकनीक है। speech-to-text API ऑडियो फ़ाइल या स्ट्रीम लेकर ट्रांसक्रिप्ट लौटाता है, आम तौर पर प्रति ऑडियो मिनट की कीमत पर। सटीकता वर्ड एरर रेट से मापी जाती है और लहजे, बोली और रिकॉर्डिंग क्वालिटी के साथ बदलती है।

[स्ट्रीमिंग (streaming)](https://broadrouter.com/hi/glossary/streaming/)

स्ट्रीमिंग, लैंग्वेज मॉडल के जवाब को अंत में एक साथ लौटाने के बजाय, बनते समय ही छोटे-छोटे टुकड़ों (chunks) में लौटाने का तरीक़ा है। OpenAI-कम्पैटिबल API, अनुरोध में stream को true सेट करने पर server-sent events से स्ट्रीम करते हैं।

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[स्पीकर डायराइज़ेशन (speaker diarization)](https://broadrouter.com/hi/glossary/diarization/)

स्पीकर डायराइज़ेशन ऑडियो रिकॉर्डिंग को बोलने वालों के हिसाब से हिस्सों में बाँटने का काम है, जो बताता है कि "कौन कब बोला"। यह बोली के हर हिस्से पर SPEAKER\_00 जैसा गुमनाम स्पीकर ID लगाता है, और आम तौर पर ट्रांसक्रिप्ट के साथ मिलाकर दिखाता है कि हर लाइन किसने कही।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[ज़ीरो डेटा रिटेंशन (zero data retention, ZDR)](https://broadrouter.com/hi/glossary/zero-data-retention/)

ज़ीरो डेटा रिटेंशन (ZDR) डेटा सँभालने की एक पॉलिसी है, जिसमें AI प्रोवाइडर प्रॉम्प्ट और आउटपुट सिर्फ़ अनुरोध पूरा करने के लिए प्रोसेस करता है और बाद में वह सामग्री लॉग, कैश या ट्रेनिंग डेटा में स्टोर नहीं करता। टोकन गिनती और समय जैसे बिना सामग्री वाले रिकॉर्ड आम तौर पर फिर भी रखे जाते हैं।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

[वर्ड एरर रेट (WER)](https://broadrouter.com/hi/glossary/word-error-rate/)

वर्ड एरर रेट (WER) स्पीच रिकग्निशन की सटीकता का मानक पैमाना है: ट्रांसक्रिप्ट को सही रेफ़रंस में बदलने के लिए ज़रूरी शब्दों के substitutions, deletions और insertions की संख्या, जिसे रेफ़रंस के कुल शब्दों से भाग दिया जाता है। जितना कम, उतना बेहतर।

## अक्सर पूछे जाने वाले सवाल

### सबसे सस्ता स्पीच-टू-टेक्स्ट API कौन सा है?

नवंबर 2026 में हमारी तालिका में सबसे कम Groq का Whisper Large v3 Turbo था, USD 0.04 प्रति घंटा। उसके बाद DeepSeek ASR USD 0.058 प्रति घंटा पर था, लेकिन सिर्फ़ तब तक जब तक उसकी सीमित समय की 50% छूट चलती है (कोई अंतिम तारीख़ नहीं दी गई)। फिर Soniox लगभग USD 0.10 प्रति घंटा (async), Groq Whisper Large v3 USD 0.111, अपनी USD 0.116 लिस्ट कीमत पर DeepSeek ASR और BroadNet Transcribe $0.12 प्रति घंटा थे। सस्ता काफ़ी अच्छा है या नहीं, यह आपके ऑडियो पर सटीकता तय करती है।

### OpenAI Whisper API की कीमत प्रति मिनट कितनी है?

OpenAI whisper-1 को USD 0.006 प्रति मिनट पर सूचीबद्ध करता है, gpt-4o-transcribe जितना ही; gpt-4o-mini-transcribe USD 0.003 का है। इसके प्राइसिंग पेज पर तीनों डेप्रिकेटेड चिह्नित हैं, और डेप्रिकेशन पेज कहता है कि ये 26 फ़रवरी 2027 को बंद होंगे। इसका सुझाया गया विकल्प gpt-transcribe, USD 0.0045 प्रति मिनट (USD 0.27 प्रति घंटा) का है। 2026-11-15 को जाँचा गया।

### 1,000 घंटे का ऑडियो ट्रांसक्राइब करने में कितना ख़र्च आता है?

प्रति मिनट कीमत को 60,000 से गुणा करें। USD 0.006 प्रति मिनट पर यह USD 360 है। BroadNet Transcribe Arabic के साथ यह $252.00 है।

### क्या स्पीकर डायराइज़ेशन कीमत में शामिल है?

यह अलग-अलग है। Deepgram इसे प्री-रिकॉर्डेड ऑडियो के लिए शामिल करता है और AWS अपनी स्टैंडर्ड कीमत में, AssemblyAI प्रति घंटा अलग पैसा लेता है, और OpenAI का अकेला डायराइज़ेशन मॉडल gpt-4o-transcribe-diarize डेप्रिकेटेड है और 26 फ़रवरी 2027 को बंद हो जाएगा। बेस कीमतों की तुलना से पहले यह जाँच लें।

### क्या स्ट्रीमिंग ट्रांसक्रिप्शन बैच से महँगा है?

आम तौर पर हाँ। AWS बैच के लिए USD 0.006 प्रति मिनट और स्ट्रीमिंग के लिए USD 0.01 सूचीबद्ध करता है, और Deepgram स्ट्रीमिंग Nova-3 के लिए प्री-रिकॉर्डेड से ज़्यादा लेता है।

## आगे पढ़ें

-   [Whisper API का विकल्प: कब बदलें, और उसे कैसे टेस्ट करें](https://broadrouter.com/hi/blog/whisper-api-alternative/)
-   [अरबी speech-to-text API: 2026 में सही API कैसे चुनें](https://broadrouter.com/hi/blog/arabic-speech-to-text-api-buyers-guide/)
-   [कॉल सेंटर रिकॉर्डिंग कैसे ट्रांसक्राइब करें: अरबी-रेडी पाइपलाइन](https://broadrouter.com/hi/blog/transcribe-call-center-recordings/)
-   [बिज़नेस के लिए वॉइस नोट से टेक्स्ट: WhatsApp और Telegram से टिकट](https://broadrouter.com/hi/blog/voice-notes-to-text-for-business/)
-   [Artificial Analysis के विकल्प: 2026 में LLM की तुलना कहाँ करें](https://broadrouter.com/hi/blog/artificial-analysis-alternatives/)
-   [LLM API SLA तुलना: Azure, Bedrock, Google और OpenAI क्या वादा करते हैं](https://broadrouter.com/hi/blog/llm-api-sla-uptime-compared/)
-   [गाइड: अरबी speech-to-text API, स्टेप बाय स्टेप](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/)
-   [गाइड: API से WhatsApp वॉइस नोट को टेक्स्ट में बदलें](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

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

**स्रोत**

-   [OpenAI API की कीमतें, ट्रांसक्रिप्शन (2026-11-15 को देखा गया)](https://developers.openai.com/api/docs/pricing)
-   [OpenAI डेप्रिकेशन, स्पीच-टू-टेक्स्ट मॉडल (2026-11-15 को देखा गया)](https://developers.openai.com/api/docs/deprecations)
-   [Google Cloud Speech-to-Text की कीमतें (2026-11-14 को देखा गया)](https://cloud.google.com/speech-to-text/pricing)
-   [Amazon Transcribe की कीमतें (2026-11-14 को देखा गया)](https://aws.amazon.com/transcribe/pricing/)
-   [Deepgram की कीमतें (2026-11-14 को देखा गया)](https://deepgram.com/pricing)
-   [AssemblyAI की कीमतें (2026-11-14 को देखा गया)](https://www.assemblyai.com/pricing)
-   [Speechmatics की कीमतें, मॉडल-ट्रेनिंग छूट के FAQ के साथ (2026-11-14 को देखा गया; FAQ 2026-11-15 को जाँचा गया)](https://www.speechmatics.com/pricing)
-   [Soniox की कीमतें (2026-11-14 को देखा गया)](https://soniox.com/pricing)
-   [Soniox की समर्थित भाषाएँ (2026-11-14 को देखा गया)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [DeepSeek API की कीमतें, स्पीच-टू-टेक्स्ट (2026-11-14 को देखा गया)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Groq स्पीच-टू-टेक्स्ट डॉक्स, Whisper की कीमतें (2026-11-14 को देखा गया)](https://console.groq.com/docs/speech-to-text)
-   [BroadNet Inference की मशीन-रीडेबल कीमतें (pricing.json) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-speech-to-text-api-pricing-compared&utm_content=sources)
