---
title: "Preço de API speech-to-text por minuto, comparado (2026)"
description: "Preços por minuto e por 1.000 horas de OpenAI, Google, AWS, Deepgram, AssemblyAI, Speechmatics, Groq e BroadNet Transcribe, das páginas oficiais, mais adicionais."
url: https://broadrouter.com/pt/blog/speech-to-text-api-pricing-compared/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/speech-to-text-api-pricing-compared/) (atualizado em 2026-11-15).

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

Pela equipe da BroadNet Inference · 7 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-15

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.

## Pontos principais

-   Os preços de tabela da transcrição em lote variam mais de 20 vezes, de cerca de USD 0,04 a USD 0,96 por hora de áudio.
-   Os adicionais mudam a fatura: diarização, remoção de dados pessoais (PII) e streaming podem custar a mais, cada um.
-   Compare por 1.000 horas, a unidade em que se mede a maior parte do volume, e inclua os mínimos de cobrança.
-   O BroadNet Transcribe custa $0.12 por hora de áudio; o BroadNet Transcribe Arabic custa $0.25, ou $252.00 por 1.000 horas.
-   O preço é só metade da decisão. Meça a taxa de erro de palavras (WER) no seu próprio áudio antes de trocar.

**Nesta página**

1.  Quanto custam as APIs de speech-to-text por minuto e por 1.000 horas?
2.  O que o preço base deixa de fora?
3.  Quanto custa transcrever 10.000 mensagens de voz por mês?
4.  O que importa além do preço?
5.  Onde o BroadNet Transcribe se encaixa

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](https://broadrouter.com/pt/models/cohere-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](https://broadrouter.com/pt/models/cohere-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](https://api-docs.deepseek.com/quick_start/pricing) 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](https://soniox.com/pricing) 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](https://docs.soniox.com/stt/concepts/supported-languages) 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](https://developers.openai.com/api/docs/deprecations) 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](https://broadrouter.com/pt/blog/whisper-api-alternative/) 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](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

Para o quadro completo, o nosso [índice aberto de preços de API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) 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](https://broadrouter.com/pt/blog/voice-notes-to-text-for-business/).

## 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](https://broadrouter.com/pt/glossary/word-error-rate/) em 30 a 50 gravações suas por idioma. O nosso [guia de alternativas ao Whisper](https://broadrouter.com/pt/blog/whisper-api-alternative/) mostra como fazer esse teste em uma tarde, e o [guia de compra de API de fala para texto em árabe](https://broadrouter.com/pt/blog/arabic-speech-to-text-api-buyers-guide/) cobre a avaliação dialeto por dialeto.

Outras questões além do preço:

-   **Idiomas.** O BroadNet Transcribe cobre 14 idiomas ([lista completa](https://broadrouter.com/pt/blog/multilingual-speech-to-text-api/)); 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](https://broadrouter.com/pt/blog/llm-api-data-retention-compared/).

## 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](https://broadrouter.com/pt/privacy/)). O crédito inicial de $5 cobre cerca de 1,190 minutos de áudio em árabe; [crie uma chave](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-speech-to-text-api-pricing-compared&utm_content=body) 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](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/) ou veja todos os preços em [preços](https://broadrouter.com/pt/pricing/).

Ferramentas gratuitas sobre o tema (em inglês)

-   [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.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

[Fala para texto (speech-to-text)](https://broadrouter.com/pt/glossary/speech-to-text/)

Fala para texto, ou reconhecimento automático de fala (ASR), é a tecnologia que converte áudio falado em texto. Uma API de fala para texto recebe um arquivo ou stream de áudio e retorna uma transcrição, normalmente cobrada por minuto de áudio. A precisão é medida pela taxa de erro de palavras e varia com sotaque, dialeto e qualidade da gravação.

[Streaming](https://broadrouter.com/pt/glossary/streaming/)

Streaming é uma forma de devolver a resposta de um modelo de linguagem em pequenos pedaços enquanto ela ainda está sendo gerada, em vez de uma resposta única no final. APIs compatíveis com a OpenAI fazem streaming via server-sent events quando a requisição define stream como true.

[Token](https://broadrouter.com/pt/glossary/token/)

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Diarização de locutores (speaker diarization)](https://broadrouter.com/pt/glossary/diarization/)

Diarização de locutores é a tarefa de dividir uma gravação de áudio em segmentos por falante, respondendo "quem falou e quando". Ela marca cada trecho de fala com um ID anônimo, como SPEAKER\_00, e costuma ser combinada com uma transcrição para mostrar quem disse cada fala.

[Árabe dialetal (dialectal Arabic)](https://broadrouter.com/pt/glossary/dialectal-arabic/)

Árabe dialetal é o árabe falado no dia a dia de uma região ou cidade, como o árabe egípcio, do Golfo, levantino ou magrebino. Os dialetos diferem do árabe padrão moderno em sons, palavras e gramática, não têm ortografia padrão e são cada vez mais escritos na internet, o que os torna mais difíceis para modelos de linguagem.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[PII (informações pessoais identificáveis)](https://broadrouter.com/pt/glossary/pii/)

PII (personally identifiable information) é a informação que permite distinguir ou rastrear a identidade de uma pessoa, como nome, número de documento ou registro biométrico, mais outras informações ligadas ou vinculáveis a ela. O termo mais amplo do GDPR é dados pessoais. Com LLMs, a anonimização de PII remove esses dados dos prompts antes que saiam dos seus sistemas.

[Retenção zero de dados (zero data retention)](https://broadrouter.com/pt/glossary/zero-data-retention/)

Retenção zero de dados (ZDR) é uma política de tratamento de dados em que um provedor de IA processa prompts e saídas só para atender uma requisição e não guarda esse conteúdo depois, nem em logs, nem em caches, nem em dados de treinamento. Registros sem conteúdo, como contagens de tokens e tempos, costumam continuar sendo guardados.

## 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.

## Continue lendo

-   [Alternativa à API do Whisper: quando trocar e como testar](https://broadrouter.com/pt/blog/whisper-api-alternative/)
-   [API de fala para texto em árabe: como escolher em 2026](https://broadrouter.com/pt/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Como transcrever gravações de call center: pipeline pronto para árabe](https://broadrouter.com/pt/blog/transcribe-call-center-recordings/)
-   [Transcrever áudios para empresas: do WhatsApp e Telegram a tickets](https://broadrouter.com/pt/blog/voice-notes-to-text-for-business/)
-   [Alternativas ao Artificial Analysis: onde comparar LLMs em 2026](https://broadrouter.com/pt/blog/artificial-analysis-alternatives/)
-   [SLAs de APIs de LLM: o que Azure, Bedrock, Google e OpenAI prometem](https://broadrouter.com/pt/blog/llm-api-sla-uptime-compared/)
-   [Guia: API de transcrição de áudio em árabe, passo a passo](https://broadrouter.com/pt/guides/arabic-speech-to-text-api/)
-   [Guia: Transcrever áudios do WhatsApp para texto com uma API](https://broadrouter.com/pt/guides/transcribe-whatsapp-voice-notes/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [Preços da API da OpenAI, transcrição (consultada em 2026-11-15)](https://developers.openai.com/api/docs/pricing)
-   [Descontinuações da OpenAI, modelos de fala para texto (consultada em 2026-11-15)](https://developers.openai.com/api/docs/deprecations)
-   [Preços do Google Cloud Speech-to-Text (consultada em 2026-11-14)](https://cloud.google.com/speech-to-text/pricing)
-   [Preços do Amazon Transcribe (consultada em 2026-11-14)](https://aws.amazon.com/transcribe/pricing/)
-   [Preços do Deepgram (consultada em 2026-11-14)](https://deepgram.com/pricing)
-   [Preços da AssemblyAI (consultada em 2026-11-14)](https://www.assemblyai.com/pricing)
-   [Preços da Speechmatics, com o FAQ sobre o desconto por treinamento de modelo (consultada em 2026-11-14; FAQ conferido em 2026-11-15)](https://www.speechmatics.com/pricing)
-   [Preços da Soniox (consultada em 2026-11-14)](https://soniox.com/pricing)
-   [Idiomas aceitos pela Soniox (consultada em 2026-11-14)](https://docs.soniox.com/stt/concepts/supported-languages)
-   [Preços da API da DeepSeek, fala para texto (consultada em 2026-11-14)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Documentação de fala para texto da Groq, preços do Whisper (consultada em 2026-11-14)](https://console.groq.com/docs/speech-to-text)
-   [Preços da BroadNet Inference em formato legível por máquina (pricing.json) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-speech-to-text-api-pricing-compared&utm_content=sources)
