I prezzi dello speech-to-text sembrano semplici: un prezzo per minuto di audio. In pratica, i provider indicano il prezzo al minuto, all’ora o al secondo, separano il batch dallo streaming e vendono diarizzazione e oscuramento come extra. Questa pagina mette le principali API sulla stessa scala, con i prezzi che abbiamo rilevato dalla pagina ufficiale di ciascuna il 14 e 15 novembre 2026 (ogni fonte qui sotto riporta la sua data).
Tutti i prezzi sono di listino, a consumo, in dollari USA, per audio in batch (preregistrato) salvo diversa indicazione. Sconti per volume e contratti non sono inclusi.
Quanto costano le API speech-to-text al minuto e per 1.000 ore?
| Provider e modello | Al minuto | All’ora | Per 1.000 ore |
|---|---|---|---|
| Groq, Whisper Large v3 Turbo | circa 0,00067 USD | 0,04 USD | 40 USD |
| DeepSeek ASR, prezzo a tempo limitato (50% in meno sul listino) | circa 0,00097 USD | 0,058 USD | 58 USD |
| Soniox, asincrono (fatturato per token; “about”, cioè circa, all’ora) | circa 0,00167 USD | circa 0,10 USD | circa 100 USD |
| Groq, Whisper Large v3 | circa 0,00185 USD | 0,111 USD | 111 USD |
| DeepSeek ASR, prezzo di listino | circa 0,00193 USD | 0,116 USD | 116 USD |
| BroadNet Transcribe (14 lingue) | $0.002 | $0.12 | $120.00 |
| AssemblyAI, Universal-2 | 0,0025 USD | 0,15 USD | 150 USD |
| OpenAI, gpt-4o-mini-transcribe (deprecato, dismesso il 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 lingue) | 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 (deprecati, dismessi il 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 (primi 500.000 min) | 0,016 USD | 0,96 USD | 960 USD |
Le cifre all’ora e per 1.000 ore sono nostri calcoli a partire dal prezzo unitario pubblicato (al minuto x 60, poi x 1.000). Groq, DeepSeek, AssemblyAI e Speechmatics pubblicano prezzi all’ora; per la colonna al minuto li abbiamo divisi per 60. La pagina dei prezzi di DeepSeek indica la sua API speech-to-text a 0,116 USD all’ora con uno sconto del 50% a tempo limitato senza data di fine, quindi fai il budget sul prezzo di listino. Le tariffe Speechmatics sono i suoi prezzi di listino per il preregistrato; la sua pagina dei prezzi può anche mostrarle con uno sconto del 33% per l’addestramento dei modelli e fino al 25% di sconto per volume, che portano Melia 1 a circa 0,12 USD all’ora. Lo sconto del 33% è su adesione volontaria, e aderendo consenti a Speechmatics di usare il tuo audio e le tue trascrizioni per migliorare i suoi modelli (FAQ della sua pagina dei prezzi, verificate il 2026-11-15).
Soniox, DeepSeek ASR e gli endpoint Whisper di Groq costano tutti meno all’ora di entrambi i modelli BroadNet. La pagina dei prezzi di Soniox, verificata il 2026-11-14, fattura per token (1,50 USD per 1M di token audio in input e 3,50 USD per 1M di token di testo in output in modalità asincrona) e dice che equivale ad “about” (traduzione: circa) 0,10 USD all’ora per i file caricati e 0,12 USD all’ora per lo streaming in tempo reale. Il suo elenco delle lingue comprende l’arabo tra oltre 60 lingue. Usa una propria API basata su job invece del formato /v1/audio/transcriptions di OpenAI, quindi passarci richiede nuovo codice client.
Un cambiamento da mettere in conto: la pagina delle deprecazioni di OpenAI, verificata il 2026-11-15, elenca whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe e gpt-4o-transcribe-diarize come deprecati (preavviso del 26 agosto 2026), con dismissione il 26 febbraio 2027 e gpt-transcribe o gpt-live-transcribe come sostituti. La sua pagina dei prezzi segna come deprecati gli stessi quattro modelli. Se oggi fai il preventivo di una pipeline OpenAI, calcolalo su gpt-transcribe a 0,0045 USD al minuto. All’ora costa più di entrambi i modelli BroadNet, ma OpenAI vende anche la trascrizione dal vivo (gpt-live-transcribe, 0,017 USD al minuto), che BroadNet non offre. Questa pagina confronta solo i prezzi; se stai abbandonando whisper-1, la guida alle alternative all’API Whisper spiega come provare un sostituto sul tuo audio e cosa si rompe nel passaggio. Per applicare i tuoi volumi a queste tariffe, usa il calcolatore dei costi speech-to-text.
Per il quadro completo, il nostro indice aperto dei prezzi delle API speech-to-text elenca prezzi batch e streaming, scatti di fatturazione e supporto dell’arabo per oltre 20 prodotti, ciascuno verificato sulla pagina dei prezzi del provider (CSV e JSON).
Cosa lascia fuori il prezzo base?
Il prezzo al minuto raramente è tutta la fattura. Verifica queste voci prima di confrontare:
| Voce | Cosa dicono le pagine |
|---|---|
| Diarizzazione dei parlanti | Deepgram: inclusa per il preregistrato, 0,0020 USD/min in più per lo streaming. AWS: inclusa nel prezzo standard. AssemblyAI: +0,02 USD/ora. OpenAI: modello separato gpt-4o-transcribe-diarize a 0,006 USD/min, deprecato e dismesso il 2027-02-26. |
| Oscuramento dei dati personali (PII) | Deepgram: 0,0020 USD/min. AWS: 0,0024 USD/min (fascia 1). AssemblyAI: oscuramento del testo +0,08 USD/ora su Universal-2 e +0,12 USD/ora su Universal-3.5 Pro; oscuramento dell’audio +0,05 USD/ora. |
| Streaming | AWS: 0,01 USD/min contro 0,006 USD in batch. Deepgram Nova-3 monolingue: 0,0048 USD in streaming (prezzo promozionale valido fino al 2027-02-13) contro 0,0043 USD per il preregistrato. Speechmatics Melia 1: 0,40 USD/ora in tempo reale contro 0,24 USD/ora per il preregistrato. |
| Minimo di fatturazione | Groq fattura almeno 10 secondi per richiesta. AWS fattura al secondo senza minimo. Google arrotonda ogni richiesta al secondo successivo. |
| Fasce di volume | Google V2 standard scende a 0,01 USD/min oltre i 500.000 minuti al mese, e ancora meno sopra 1 milione. Le tariffe standard batch e streaming di AWS ora sono fisse; le sue fasce di volume si applicano agli extra come l’oscuramento. |
Per un call center che ha bisogno di diarizzazione e oscuramento, Deepgram Nova-3 preregistrato diventa 0,0063 USD al minuto con l’oscuramento, e AWS diventa 0,0084 USD. Un prezzo base basso con extra costosi può perdere contro un prezzo base più alto che li include.
Quanto costa trascrivere 10.000 messaggi vocali al mese?
Immagina che una casella di supporto riceva 10.000 messaggi vocali WhatsApp al mese, da 30 secondi ciascuno. Sono 5.000 minuti.
- A 0,006 USD al minuto (AWS batch, o il deprecato whisper-1 di OpenAI): 30 USD.
- A 0,0045 USD (OpenAI gpt-transcribe): 22,50 USD.
- A 0,0043 USD (Deepgram Nova-3): 21,50 USD.
- Con BroadNet Transcribe Arabic: $21.00.
Qui i minimi di fatturazione contano. Il minimo di 10 secondi di Groq non cambia il conto per questi vocali da 30 secondi, ma fattura un vocale «ok» di due secondi come se durasse 10 secondi. Con un minimo di 15 secondi, quel vocale di due secondi costa quanto uno di 15. Per il flusso completo dei messaggi vocali, vedi messaggi vocali in testo per le aziende.
Cosa conta oltre al prezzo?
Un modello più economico che sbaglia 1 parola su 5 costa più in correzioni manuali di quanto fa risparmiare. Prima di cambiare, misura il word error rate su 30-50 delle tue registrazioni per lingua. La nostra guida alle alternative a Whisper mostra come fare questo test in un pomeriggio, e la guida all’acquisto di API speech-to-text per l’arabo spiega la valutazione dialetto per dialetto.
Altre domande che non riguardano il prezzo:
- Lingue. BroadNet Transcribe copre 14 lingue (elenco completo); OpenAI dice che Whisper (il deprecato
whisper-1) ne supporta 98, con accuratezza variabile. - Limiti dei file. OpenAI limita i caricamenti a 25 MB e BroadNet a 25 MiB, quindi dividi le chiamate lunghe.
- Conservazione. L’audio è spesso più sensibile del testo. Chiedi se audio e trascrizioni vengono conservati; vedi la conservazione dei dati nelle API LLM a confronto.
Dove si colloca BroadNet Transcribe
BroadNet Transcribe costa $0.002 al minuto ($0.12 all’ora) su 14 lingue: inglese, spagnolo, francese, tedesco, italiano, portoghese, greco, olandese, polacco, cinese, giapponese, coreano, vietnamita e arabo. BroadNet Transcribe Arabic costa $0.0042 al minuto ed è pensato per i dialetti arabi; BroadNet riporta che è #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nella Open Universal Arabic ASR Leaderboard. Entrambi usano l’endpoint /v1/audio/transcriptions compatibile con OpenAI, accettano WAV o MP3 fino a 25 MiB e non conservano né audio né trascrizioni (zero data retention). Il credito iniziale di $5 copre circa 1,190 minuti di audio in arabo; crea una chiave per provare i tuoi file.
Dove non è adatto: BroadNet non elenca trascrizione in streaming, diarizzazione integrata né extra di oscuramento. Se ti servono sottotitoli dal vivo o etichette dei parlanti direttamente dall’API, Deepgram, AssemblyAI e AWS offrono entrambi. OpenAI offre la trascrizione dal vivo, ma il suo unico modello con etichette dei parlanti è deprecato. Confronta i due modelli BroadNet affiancati nella pagina di confronto, oppure guarda tutti i prezzi in prezzi.
