Kosten für KI-Bilder, -Video und -Sprache berechnen: ein Rechner mit Live-Preisen

Aktualisiert am 7. Nov. 2026

Bild-, Video- und Sprachmodelle werden selten pro Token verkauft, sondern pro Bild, Videosekunde, Million Zeichen Sprache oder Audiominute. Der Rechner für Bilder, Video und Sprache rechnet Ihre Aufgabe bei jedem Modell in Geld um, das sie in seiner Einheit verkauft - das günstigste Angebot jedes Modells, in Ihrer Währung.

So benutzen Sie ihn

1. Aufgabe wählen: Bilder, Video, Sprachausgabe oder Spracherkennung.
2. Menge eingeben: Bilder, Videosekunden, Zeichen oder Audiominuten.
3. Tabelle lesen: eine Zeile pro Modell - günstigster Anbieter, Preis pro Einheit und Kosten Ihrer Aufgabe. "In Prüfung" heißt: Preis kürzlich geändert oder abweichend von der Anbieterseite.

Beispiele mit heutigen Preisen

• 100 Bilder: ab 0,05 $ (FLUX.1 schnell bei DeepInfra); ein übliches Modell etwa 3 $.
• 60 Sekunden Video: ab etwa 0,15 $; ein übliches Modell etwa 6 $.
• 100.000 Zeichen Sprache: ab etwa 0,10 $ (Kokoro 82M); üblich etwa 2 $.
• 10 Stunden Transkription: ab etwa 0,12 $ (Whisper Large v3 Turbo u. a. bei DeepInfra); üblich etwa 1,30 $.

Vor der günstigsten Zeile

• Auflösung und Länge können den Preis ändern - Bedingungen auf der Karte.
• Qualität: das günstigste Bildmodell ist ein schnelles Entwurfsmodell; vergleichen Sie mehrere.
• Tokenbasierte Modelle (GPT Image, Gemini) fehlen hier - dafür der Kostenrechner.

Zum Rechner · Alle Werkzeuge