Precios de las API de reconocimiento de voz: Whisper, GPT-Transcribe, Scribe, Voxtral y los modelos abiertos baratos

Actualizado el 7 nov 2026

Los modelos de reconocimiento de voz se venden por minuto de audio, así que la pregunta es: ¿cuánto cuesta una hora de transcripción? El catálogo tiene 33 modelos de 20 proveedores; 42 ofertas con precio por minuto. Precios de la recogida del 7 de noviembre de 2026; una hora = 60 × el precio por minuto.

Precio por hora de audio

• Modelos abiertos en los proveedores más baratos - Qwen3 ASR 0.6B y Nemotron 3.5 ASR unos 0,012 $, Whisper Large v3 Turbo desde 0,012 $ (habitual 0,03 $), Parakeet TDT 0.6B v3 0,08 $.
• Modelos comerciales de gama media - StepAudio 2.5 ASR unos 0,06 $, Grok STT y MAI-Transcribe-2 unos 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 $ en OpenAI y desde 0,03 $ en otros proveedores del Whisper abierto.
• Tiempo real - GPT-Live-Transcribe y GPT Realtime Whisper unos 1,02 $ por hora.

Whisper Large v3 Turbo: todos los proveedores

Datos en vivo: esta tabla se construye con los precios de hoy.

Whisper (whisper-1): todos los proveedores

Datos en vivo: esta tabla se construye con los precios de hoy.

Cómo elegir

• Transcripción de grabaciones por lotes: un modelo abierto en un proveedor barato cuesta céntimos por hora; pruébelo antes con su audio.
• Calidad y extras (hablantes, puntuación, idiomas): GPT-Transcribe, Scribe v2, Voxtral, Soniox.
• Subtítulos en directo y agentes de voz: un modelo en streaming, más caro.
• Su volumen: la calculadora de imágenes, vídeo y voz.

Todas las ofertas: catálogo, reconocimiento de voz.