BroadRouter

Preço de API speech-to-text comparado: preço por minuto em 2026

Pela equipe da BroadNet Inference · 7 min de leitura · Publicado em · Atualizado em

APIs de speech-to-text (fala para texto) em lote custam cerca de USD 0,0007 a 0,016 por minuto de áudio no preço de tabela, em novembro de 2026. O Deepgram Nova-3 cobra USD 0,0043, o atual gpt-transcribe da OpenAI USD 0,0045, o AWS Transcribe USD 0,006 e o Google V2 standard USD 0,016. O BroadNet Transcribe custa $0.002 por minuto em 14 idiomas, e o BroadNet Transcribe Arabic $0.0042.

O preço de speech-to-text parece simples: um valor por minuto de áudio. Na prática, os provedores cotam por minuto, por hora ou por segundo, separam lote de streaming e vendem diarização e remoção de dados como adicionais. Esta página coloca as principais APIs na mesma escala, com preços que coletamos na página oficial de cada uma em 14 e 15 de novembro de 2026 (cada fonte abaixo traz a sua data).

Todos os preços são de tabela, de pagamento por uso, em dólares americanos, para áudio em lote (pré-gravado), salvo indicação em contrário. Descontos por volume e contratos não estão incluídos.

Quanto custam as APIs de speech-to-text por minuto e por 1.000 horas?

Provedor e modelo Por minuto Por hora Por 1.000 horas
Groq, Whisper Large v3 Turbo cerca de USD 0,00067 USD 0,04 USD 40
DeepSeek ASR, preço por tempo limitado (50% abaixo da tabela) cerca de USD 0,00097 USD 0,058 USD 58
Soniox, assíncrono (cobrado por token; “about”, ou seja, cerca de, por hora) cerca de USD 0,00167 cerca de USD 0,10 cerca de USD 100
Groq, Whisper Large v3 cerca de USD 0,00185 USD 0,111 USD 111
DeepSeek ASR, preço de tabela cerca de USD 0,00193 USD 0,116 USD 116
BroadNet Transcribe (14 idiomas) $0.002 $0.12 $120.00
AssemblyAI, Universal-2 USD 0,0025 USD 0,15 USD 150
OpenAI, gpt-4o-mini-transcribe (descontinuado, desligado em 2027-02-26) 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 multilíngue (56 idiomas) USD 0,004 USD 0,24 USD 240
BroadNet Transcribe Arabic $0.0042 $0.25 $252.00
Deepgram, Nova-3 monolíngue USD 0,0043 USD 0,258 USD 258
OpenAI, gpt-transcribe USD 0,0045 USD 0,27 USD 270
Deepgram, Nova-3 multilíngue USD 0,0052 USD 0,312 USD 312
OpenAI, whisper-1 / gpt-4o-transcribe (descontinuados, desligados em 2027-02-26) USD 0,006 USD 0,36 USD 360
AWS Transcribe, lote (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 (primeiros 500.000 min) USD 0,016 USD 0,96 USD 960

Os valores por hora e por 1.000 horas são contas nossas a partir do preço unitário publicado (por minuto x 60, depois x 1.000). Groq, DeepSeek, AssemblyAI e Speechmatics publicam preços por hora; dividimos por 60 para a coluna por minuto. A página de preços da DeepSeek lista a API de fala para texto dela a USD 0,116 por hora com um desconto de 50% por tempo limitado e sem data de término, então faça o orçamento pelo preço de tabela. As tarifas da Speechmatics são os preços de tabela para pré-gravado; a página de preços dela também pode mostrá-las com um desconto de 33% por treinamento de modelo e até 25% de desconto por volume, o que leva o Melia 1 a cerca de USD 0,12 por hora. O desconto de 33% é opcional (opt-in) e, ao aderir, você permite que a Speechmatics use seu áudio e suas transcrições para melhorar os modelos dela (FAQ da página de preços, conferido em 2026-11-15).

Soniox, DeepSeek ASR e os endpoints Whisper da Groq custam menos por hora que os dois modelos da BroadNet. A página de preços da Soniox, conferida em 2026-11-14, cobra por token (USD 1,50 por 1M de tokens de áudio de entrada e USD 3,50 por 1M de tokens de texto de saída no modo assíncrono) e diz que isso dá “about” (tradução: cerca de) USD 0,10 por hora para upload de arquivos e USD 0,12 por hora para streaming em tempo real. A lista de idiomas dela inclui o árabe entre mais de 60 idiomas. Ela usa uma API própria baseada em jobs, e não o formato /v1/audio/transcriptions da OpenAI, então migrar para ela exige código cliente novo.

Uma mudança para planejar: a página de descontinuações da OpenAI, conferida em 2026-11-15, lista whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe e gpt-4o-transcribe-diarize como descontinuados (aviso dado em 26 de agosto de 2026), com desligamento em 26 de fevereiro de 2027 e gpt-transcribe ou gpt-live-transcribe como substitutos. A página de preços marca os mesmos quatro modelos como descontinuados. Se você for orçar um pipeline da OpenAI hoje, use o gpt-transcribe a USD 0,0045 por minuto. Isso é mais por hora que os dois modelos da BroadNet, mas a OpenAI também vende transcrição ao vivo (gpt-live-transcribe, USD 0,017 por minuto), o que a BroadNet não oferece. Esta página compara só preços; se você está saindo do whisper-1, o guia de alternativas à API Whisper mostra como testar um substituto no seu próprio áudio e o que quebra na troca. Para aplicar os seus volumes a essas tarifas, use a calculadora de custo de speech-to-text.

Para o quadro completo, o nosso índice aberto de preços de API speech-to-text lista preços de lote e streaming, incrementos de cobrança e suporte a árabe para mais de 20 produtos, cada um conferido na página de preços do próprio provedor (CSV e JSON).

O que o preço base deixa de fora?

O valor por minuto raramente é a fatura inteira. Confira estes itens antes de comparar:

Item O que as páginas dizem
Diarização de locutores Deepgram: incluída no pré-gravado, USD 0,0020/min a mais no streaming. AWS: incluída no preço padrão. AssemblyAI: +USD 0,02/h. OpenAI: modelo separado gpt-4o-transcribe-diarize a USD 0,006/min, descontinuado e desligado em 2027-02-26.
Remoção de dados pessoais (PII) Deepgram: USD 0,0020/min. AWS: USD 0,0024/min (faixa 1). AssemblyAI: remoção no texto +USD 0,08/h no Universal-2 e +USD 0,12/h no Universal-3.5 Pro; remoção no áudio +USD 0,05/h.
Streaming AWS: USD 0,01/min contra USD 0,006 em lote. Deepgram Nova-3 monolíngue: USD 0,0048 em streaming (preço promocional válido até 2027-02-13) contra USD 0,0043 no pré-gravado. Speechmatics Melia 1: USD 0,40/h em tempo real contra USD 0,24/h no pré-gravado.
Cobrança mínima A Groq cobra pelo menos 10 segundos por requisição. A AWS cobra por segundo, sem mínimo. O Google arredonda cada requisição para o segundo seguinte.
Faixas de volume O Google V2 standard cai para USD 0,01/min acima de 500.000 minutos por mês, e menos ainda acima de 1 milhão. Os preços padrão de lote e streaming da AWS agora são fixos; as faixas de volume dela valem para adicionais como a remoção de dados.

Para um call center que precisa de diarização e remoção de dados, o Deepgram Nova-3 pré-gravado passa a USD 0,0063 por minuto com a remoção, e a AWS passa a USD 0,0084. Um preço base baixo com adicionais caros pode perder para um preço base mais alto que já os inclui.

Quanto custa transcrever 10.000 mensagens de voz por mês?

Suponha que uma caixa de suporte receba 10.000 mensagens de voz no WhatsApp por mês, de 30 segundos cada. São 5.000 minutos.

  • A USD 0,006 por minuto (AWS em lote, ou o whisper-1 descontinuado da OpenAI): USD 30.
  • A USD 0,0045 (OpenAI gpt-transcribe): USD 22,50.
  • A USD 0,0043 (Deepgram Nova-3): USD 21,50.
  • No BroadNet Transcribe Arabic: $21.00.

Aqui os mínimos de cobrança fazem diferença. O mínimo de 10 segundos da Groq não muda a conta desses áudios de 30 segundos, mas cobra um áudio de “ok” de dois segundos como 10 segundos. Com mínimo de 15 segundos, esse áudio de dois segundos custa o mesmo que um de 15. Para o fluxo completo de mensagens de voz, veja mensagens de voz em texto para empresas.

O que importa além do preço?

Um modelo mais barato que erra 1 palavra em cada 5 custa mais em correção humana do que economiza. Antes de trocar, meça a taxa de erro de palavras em 30 a 50 gravações suas por idioma. O nosso guia de alternativas ao Whisper mostra como fazer esse teste em uma tarde, e o guia de compra de API de fala para texto em árabe cobre a avaliação dialeto por dialeto.

Outras questões além do preço:

  • Idiomas. O BroadNet Transcribe cobre 14 idiomas (lista completa); a OpenAI diz que o Whisper (o whisper-1 descontinuado) aceita 98, com precisão variável.
  • Limites de arquivo. A OpenAI limita uploads a 25 MB e a BroadNet a 25 MiB, então divida ligações longas.
  • Retenção. O áudio costuma ser mais sensível que o texto. Pergunte se áudio e transcrições são armazenados; veja retenção de dados em APIs de LLM comparada.

Onde o BroadNet Transcribe se encaixa

O BroadNet Transcribe custa $0.002 por minuto ($0.12 por hora) em 14 idiomas: inglês, espanhol, francês, alemão, italiano, português, grego, holandês, polonês, chinês, japonês, coreano, vietnamita e árabe. O BroadNet Transcribe Arabic custa $0.0042 por minuto e foi feito para dialetos árabes; a BroadNet informa que ele está em #2 de 37 (dado de setembro de 2026; o ranking ao vivo o listava em #4 de 39 em 15 de novembro de 2026) no Open Universal Arabic ASR Leaderboard. Os dois usam o endpoint /v1/audio/transcriptions compatível com a OpenAI, aceitam WAV ou MP3 de até 25 MiB e não guardam áudio nem transcrições (retenção zero de dados). O crédito inicial de $5 cobre cerca de 1,190 minutos de áudio em árabe; crie uma chave para testar os seus arquivos.

Onde não se encaixa: a BroadNet não lista transcrição em streaming, diarização integrada nem adicionais de remoção de dados. Se você precisa de legendas ao vivo ou identificação de locutores direto da API, Deepgram, AssemblyAI e AWS oferecem as duas coisas. A OpenAI oferece transcrição ao vivo, mas o único modelo dela com identificação de locutores está descontinuado. Compare os dois modelos da BroadNet lado a lado na página de comparação ou veja todos os preços em preços.

Perguntas frequentes

Qual é a API de speech-to-text mais barata?

Em novembro de 2026, o Whisper Large v3 Turbo da Groq, a USD 0,04 por hora, era o mais baixo da nossa tabela. Logo depois vinha o DeepSeek ASR, a USD 0,058 por hora, mas só enquanto durar o desconto de 50% por tempo limitado (sem data de término). Depois vinham a Soniox, a cerca de USD 0,10 por hora (assíncrono), o Groq Whisper Large v3 a USD 0,111, o DeepSeek ASR no preço de tabela de USD 0,116 e o BroadNet Transcribe a $0.12 por hora. A precisão no seu áudio decide se o barato é bom o suficiente.

Quanto custa por minuto a API Whisper da OpenAI?

A OpenAI lista o whisper-1 a USD 0,006 por minuto, o mesmo que o gpt-4o-transcribe; o gpt-4o-mini-transcribe custa USD 0,003. Os três estão marcados como descontinuados na página de preços, e a página de descontinuações diz que serão desligados em 26 de fevereiro de 2027. O substituto recomendado, gpt-transcribe, custa USD 0,0045 por minuto (USD 0,27 por hora). Conferido em 2026-11-15.

Quanto custa transcrever 1.000 horas de áudio?

Multiplique o preço por minuto por 60.000. A USD 0,006 por minuto, isso dá USD 360. Com o BroadNet Transcribe Arabic, são $252.00.

A diarização de locutores está incluída no preço?

Depende. O Deepgram inclui para áudio pré-gravado e a AWS no preço padrão, a AssemblyAI cobra à parte por hora, e o único modelo de diarização da OpenAI, gpt-4o-transcribe-diarize, está descontinuado e será desligado em 26 de fevereiro de 2027. Confira antes de comparar os preços base.

Transcrição em streaming é mais cara que em lote?

Normalmente, sim. A AWS lista USD 0,006 por minuto em lote e USD 0,01 em streaming, e o Deepgram cobra mais pelo Nova-3 em streaming do que pelo pré-gravado.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity