API Whisper OpenAI adalah pilihan default tempat banyak tim memulai: satu endpoint, satu harga, puluhan bahasa. Anda mulai mencari alternatif API Whisper ketika salah satu dari empat hal ini terjadi: akurasi pada audio Anda tidak cukup bagus, tagihan membengkak seiring volume, tim keamanan ingin lebih sedikit data yang disimpan, atau model yang Anda panggil akan dipensiunkan. Artikel ini menunjukkan cara memutuskan, dan cara menguji alternatif tanpa menulis ulang kode Anda.
Apakah API Whisper OpenAI akan dipensiunkan?
Ya, menurut jadwal OpenAI saat ini. Halaman deprecation-nya, dicek 2026-11-15, mencantumkan whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, dan gpt-4o-transcribe-diarize sebagai deprecated, dengan pemberitahuan pada 26 Agustus 2026 dan penghentian pada 26 Februari 2027. Pengganti yang direkomendasikan adalah gpt-transcribe (USD 0,0045 per menit, atau USD 0,27 per jam) untuk file, atau gpt-live-transcribe untuk audio langsung. Halaman harga-nya menandai keempat model yang sama sebagai deprecated, dan panduan speech-to-text-nya menyebut “Start with gpt-transcribe” (Terjemahan BroadRouter: “Mulailah dengan gpt-transcribe”). Endpoint /v1/audio/translations juga deprecated. Jadi, bagaimanapun juga Anda akan menguji ulang audio Anda di model baru. Karena itu, sekarang saat yang tepat untuk membandingkan pengganti dari OpenAI dengan penyedia lain pada klip yang sama.
Untuk gambaran lengkap, indeks harga API speech-to-text terbuka kami mencantumkan harga batch dan streaming, kelipatan penagihan, dan dukungan bahasa Arab untuk lebih dari 20 produk, masing-masing dicek terhadap halaman harga penyedianya sendiri (CSV dan JSON).
Kenapa tim mencari alternatif API Whisper?
| Alasan | Yang perlu dicek di alternatif |
|---|---|
| Akurasi pada bahasa atau dialek tertentu | Word error rate yang dipublikasikan pada set uji yang relevan, lalu uji Anda sendiri |
| Harga pada volume besar | Harga per jam audio dan minimum penagihan |
| Retensi data | Apakah audio dan transkrip disimpan, dan berapa lama |
| Batas | Ukuran file, format, rate limit |
| Fitur | Timestamp, diarization, prompt, streaming |
Panduan speech-to-text OpenAI menyebut “Whisper supports 98 languages, but accuracy varies by language” (Terjemahan BroadRouter: “Whisper mendukung 98 bahasa, tetapi akurasinya bervariasi per bahasa”). Itulah titik awal yang jujur: daftar bahasa memberi tahu apa yang mungkin, bukan apa yang bagus.
Apa saja alternatif API Whisper, dan berapa harganya?
| Opsi | Harga (daftar, Nov 2026) | Bahasa | Catatan |
|---|---|---|---|
API Whisper OpenAI (whisper-1) |
USD 0,006/menit | 98 (akurasi bervariasi) | File 25 MB; prompt hingga 224 token; dihentikan 2027-02-26 |
OpenAI gpt-transcribe |
USD 0,0045/menit (USD 0,27/jam) | Lihat panduan OpenAI | Pengganti yang direkomendasikan OpenAI; panduan OpenAI menunjukkan timestamp per kata hanya untuk whisper-1 dan label pembicara hanya untuk model diarize yang deprecated |
| Groq, Whisper Large v3 | USD 0,111/jam | Multibahasa | Groq menyatakan WER 10,3%; minimum penagihan 10 detik |
| Groq, Whisper Large v3 Turbo | USD 0,04/jam | Multibahasa | Groq menyatakan WER 12%; tidak dilatih untuk terjemahan |
| Soniox (async) | sekitar USD 0,10/jam, ditagih per token | Lebih dari 60, bahasa Arab tercantum | API berbasis job miliknya sendiri, tidak kompatibel OpenAI; real-time sekitar USD 0,12/jam |
| Whisper self-hosted | Biaya GPU Anda | Sama dengan Whisper | Lisensi MIT; Anda yang menjalankan dan menskalakannya |
| BroadNet Transcribe | $0.002/menit | 14 | Bukan Whisper; berbasis Cohere Transcribe |
| BroadNet Transcribe Arabic | $0.0042/menit | Arab | BroadNet melaporkan peringkat #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard |
Harga dan angka Groq dicek di halaman resmi pada 2026-11-14; angka OpenAI dicek ulang pada 2026-11-15. gpt-transcribe OpenAI lebih mahal per jam daripada kedua model BroadNet. Endpoint Turbo Groq dan Soniox sama-sama lebih murah per jam daripada BroadNet Transcribe ($0.12 per jam); Soniox memerlukan kode klien baru karena tidak memakai bentuk permintaan OpenAI. Angka WER Groq adalah angka yang dipublikasikan Groq sendiri, bukan hasil uji pada set yang sama dengan yang lain, jadi jangan bandingkan langsung dengan angka BroadNet. Halaman ini membahas peralihan; untuk daftar harga lengkap, termasuk DeepSeek, AssemblyAI, Deepgram, Google, AWS, dan Speechmatics beserta harga add-on-nya, lihat perbandingan harga speech-to-text, dan kalkulator biaya speech-to-text menghitung harga jam audio bulanan Anda sendiri.
Apa arti sebenarnya angka akurasi itu?
BroadNet memublikasikan tiga angka WER untuk BroadNet Transcribe Arabic di katalog model-nya:
| Set uji | Jenis audio | WER |
|---|---|---|
| FLEURS-ar | Kalimat bersih yang dibacakan | 3,8 |
| MASC-ar | Bahasa Arab campuran dari dunia nyata | 21,1 |
| Set dialek BroadNet | Ucapan dialek | 23,4 |
Pada set MASC dan dialek yang sama, BroadNet melaporkan Whisper large-v3 di angka 31,5 dan 31,8, dibanding 21,1 dan 23,4 untuk model Arab miliknya: sekitar sepertiga lebih sedikit kesalahan di MASC dan sekitar seperempat lebih sedikit di set dialek. Itu adalah uji BroadNet sendiri terhadap pesaing, jadi cek pada audio Anda. Di Open Universal Arabic ASR Leaderboard yang publik, yang memakai set uji yang sama untuk setiap entri, Whisper large-v3 berada di peringkat #19 dari 39 pada 15 November 2026 (rata-rata WER 36,86), sedangkan Cohere Transcribe Arabic 07-2026, model yang disajikan BroadNet, berada di #4 (24,19).
Pelajarannya ada pada rentang itu. Model yang sama nyaris sempurna pada ucapan yang dibacakan dan jauh lebih lemah pada percakapan. WER utama dari penyedia mana pun hanya memberi tahu hasilnya pada audio orang lain. Dialek dibahas mendalam di pengenalan ucapan dialek Arab.
Cara menguji alternatif Whisper dalam satu sore
- Kumpulkan 30 sampai 50 klip per bahasa, dari trafik nyata: panggilan telepon, pesan suara, rapat. Hapus apa pun yang tidak boleh Anda bagikan.
- Tulis transkrip referensi untuk 10 klip per bahasa secara manual.
- Jalankan kedua API pada klip yang sama. Dengan penyedia yang kompatibel OpenAI, hanya klien dan model yang berubah:
import os
from openai import OpenAI
whisper = OpenAI() # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
def run(client, model, path, lang):
with open(path, "rb") as f:
return client.audio.transcriptions.create(model=model, file=f, language=lang).text
hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar") # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
- Beri skor dengan normalisasi yang sama untuk keduanya, menggunakan jiwer:
import re, jiwer
def norm(t):
t = re.sub(r"[ً-ْ]", "", t) # strip Arabic diacritics
t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي") # unify alef and yaa
return re.sub(r"[^\w\s]", "", t).lower().strip()
print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
- Baca sendiri 20 transkrip. Cek angka, nama, dan istilah produk. Sebuah model bisa menang di WER tetapi tetap salah menulis nomor rekening.
Kapan sebaiknya self-host Whisper saja?
Kode dan bobot Whisper berlisensi MIT, jadi menjalankannya sendiri selalu menjadi pilihan. Ini masuk akal ketika:
- Audio tidak boleh keluar dari jaringan Anda, karena alasan hukum atau kontrak.
- Volume Anda membuat GPU sibuk hampir sepanjang hari, sehingga Anda tidak membayar jam menganggur.
- Anda perlu fine-tune dengan kosakata atau aksen Anda sendiri.
Biayanya lebih besar dari kelihatannya jika trafik naik-turun, jika Anda butuh ketersediaan tinggi di beberapa mesin, atau jika tidak ada orang di tim yang mau mengurus driver dan upgrade GPU (hitungan titik impas GPU). README openai/whisper juga mencatat bahwa model turbo tidak dilatih untuk terjemahan. API hosted mengubah masalah-masalah itu menjadi harga per menit, itulah sebabnya kebanyakan tim memulai di sana dan baru self-host setelah volume dan kebutuhannya jelas.
Checklist migrasi
Mengganti base URL adalah bagian yang mudah. Sebelum memindahkan trafik:
- Format. OpenAI menerima flac, mp3, mp4, m4a, ogg, wav, dan webm. BroadNet menerima WAV dan MP3, jadi konversi dulu
.oggdan.m4adengan ffmpeg. Untuk rekaman dari browser, lihat merekam audio di browser dan mengirimnya ke API speech-to-text. - Ukuran file. OpenAI membatasi unggahan 25 MB; BroadNet 26.214.400 byte (25 MiB).
- Field bahasa. Selalu kirimkan. Di BroadNet, bahasa Arab tanpa
language=arbisa kembali dalam huruf Latin. - Parameter opsional. Jika Anda mengandalkan
prompt,verbose_json, atau timestamp per kata, pastikan alternatifnya mendukung. Dokumentasi BroadNet menjelaskan respons JSON berisitext. - Rate limit. Kunci BroadNet bayar sesuai pemakaian mengizinkan 30 permintaan per menit dan 4 sekaligus.
Versi umum dari daftar ini ada di checklist migrasi API kompatibel OpenAI.
Posisi BroadNet Transcribe
Pilih BroadNet jika akurasi bahasa Arab penting, jika Anda ingin audio dan transkrip tidak disimpan (zero data retention), atau jika $0.002 per menit untuk 14 bahasa lebih murah daripada tagihan Anda sekarang. Kredit awal $5 mencakup sekitar 1,190 menit audio bahasa Arab, cukup untuk menjalankan uji di atas; dapatkan kunci di BroadNet Inference. Panduan speech-to-text bahasa Arab berisi contoh curl dan Python.
Tetaplah di model pengganti OpenAI, atau penyedia lain, jika Anda butuh salah satu dari banyak bahasa yang tidak tercantum di BroadNet, terjemahan ucapan, transkripsi langsung, atau prompt dan petunjuk kata kunci (panduan OpenAI mendokumentasikannya untuk gpt-transcribe). Untuk menerjemahkan rekaman bahasa Arab ke bahasa Inggris dari file, pipeline dua langkah juga bisa: lihat menerjemahkan audio bahasa Arab ke bahasa Inggris. Untuk harga bahasa Inggris paling rendah, endpoint hosted Whisper Turbo lebih murah per jam.
