AI Rate CardPreise für Spracherkennungs-APIs: Whisper, GPT-Transcribe, Scribe, Voxtral und günstige offene Modelle
Aktualisiert am 7. Nov. 2026
Spracherkennungsmodelle werden pro Audiominute verkauft, also lautet die Frage: Was kostet eine Stunde Transkription? Der Katalog hat 33 Spracherkennungsmodelle von 20 Anbietern; 42 Angebote mit Minutenpreis. Preise der Erhebung vom 7. November 2026; eine Stunde = 60 × Minutenpreis.
Preis pro Stunde Audio
- Offene Modelle bei den günstigsten Hostern - Qwen3 ASR 0.6B und Nemotron 3.5 ASR etwa 0,012 $, Whisper Large v3 Turbo ab 0,012 $ (üblich 0,03 $), Parakeet TDT 0.6B v3 0,08 $.
- Kommerzielle Mittelklasse - StepAudio 2.5 ASR etwa 0,06 $, Grok STT und MAI-Transcribe-2 etwa 0,10 $, ElevenLabs Scribe v2 0,11 $, Soniox 0,12 $, Voxtral Mini Transcribe 3 0,21 $.
- OpenAI - GPT-Transcribe 0,27 $, Whisper (whisper-1) 0,36 $ bei OpenAI, ab 0,03 $ bei anderen Hostern des offenen Whisper.
- Echtzeit - GPT-Live-Transcribe und GPT Realtime Whisper etwa 1,02 $ pro Stunde.
Whisper Large v3 Turbo: alle Anbieter
| Anbieter | Modell | Eingabe, $ | Ausgabe, $ |
|---|---|---|---|
| cloudflare-workers-ai | Whisper Large v3 Turbo | $0.0005 / Minute | — |
| deepinfra | Whisper Large v3 Turbo | $0.0001998 / Minute | — |
| kosmik | OpenAI: Whisper Large v3 Turbo | $0.0024 / Minute | — |
| ovhcloud | Whisper Large v3 Turbo | Keine Daten | Keine Daten |
Live-Daten: Diese Tabelle entsteht aus den heutigen Preisen.
Whisper (whisper-1): alle Anbieter
| Anbieter | Modell | Eingabe, $ | Ausgabe, $ |
|---|---|---|---|
| cometapi | Whisper | $24.00 | $24.00 |
| openai | Whisper | $0.006 / Minute | — |
| cloudflare-workers-ai | Whisper | $0.0005 / Minute | — |
| nlp-cloud | Whisper | Keine Daten | Keine Daten |
| vercel | Whisper | $0.006 / Minute | — |
Live-Daten: Diese Tabelle entsteht aus den heutigen Preisen.
So wählen Sie
- Aufnahmen im Stapel: ein offenes Modell bei einem günstigen Hoster kostet Cent pro Stunde - erst mit eigenem Audio testen.
- Qualität und Extras (Sprecher, Zeichensetzung, viele Sprachen): GPT-Transcribe, Scribe v2, Voxtral, Soniox.
- Live-Untertitel und Sprachagenten: ein Streaming-Modell, teurer.
- Ihr Volumen: der Rechner für Bilder, Video und Sprache.
Alle Angebote: Katalog, Spracherkennung.