Preços das API de reconhecimento de fala: Whisper, GPT-Transcribe, Scribe, Voxtral e os modelos abertos baratos

Atualizado em 7 nov. 2026

Os modelos de reconhecimento de fala vendem-se ao minuto de áudio, por isso a pergunta é: quanto custa uma hora de transcrição? O catálogo tem 33 modelos de 20 provedores; 42 ofertas com preço por minuto. Preços da coleta de 7 de novembro de 2026; uma hora = 60 × o preço por minuto.

Preço por hora de áudio

• Modelos abertos nos provedores mais baratos - Qwen3 ASR 0.6B e Nemotron 3.5 ASR cerca de 0,012 $, Whisper Large v3 Turbo a partir de 0,012 $ (típico 0,03 $), Parakeet TDT 0.6B v3 0,08 $.
• Modelos comerciais intermédios - StepAudio 2.5 ASR cerca de 0,06 $, Grok STT e MAI-Transcribe-2 cerca de 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 $ na OpenAI e a partir de 0,03 $ noutros provedores do Whisper aberto.
• Tempo real - GPT-Live-Transcribe e GPT Realtime Whisper cerca de 1,02 $ por hora.

Whisper Large v3 Turbo: todos os provedores

Dados ao vivo: esta tabela é montada com os preços de hoje.

Whisper (whisper-1): todos os provedores

Dados ao vivo: esta tabela é montada com os preços de hoje.

Como escolher

• Transcrição de gravações em lote: um modelo aberto num provedor barato custa cêntimos por hora; teste antes com o seu áudio.
• Qualidade e extras (oradores, pontuação, idiomas): GPT-Transcribe, Scribe v2, Voxtral, Soniox.
• Legendas ao vivo e agentes de voz: um modelo em streaming, mais caro.
• O seu volume: a calculadora de imagens, vídeo e voz.

Todas as ofertas: catálogo, reconhecimento de fala.