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-1descontinuado) 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.
