Calculadora de costes de voz a texto
Calcula los costes de transcripción a partir de la duración del audio y el precio del proveedor, gratis y 100 % privado en tu navegador. Compara más de 13 proveedores de STT, como OpenAI Whisper, Deepgram, AssemblyAI, Google Cloud, AWS Transcribe, Azure Speech, Rev.ai y Gladia. Admite niveles asíncronos de audio pregrabado y streaming en tiempo real, redondeo por incrementos de facturación y recargos por funciones adicionales (diarización, ocultación de datos personales, sentimiento, resúmenes). Sin registro.
Calculate transcription costs from audio duration and provider pricing. Compare OpenAI Whisper, Deepgram, AssemblyAI, Google, AWS, Azure, Rev.ai, and Gladia across pre-recorded and real-time streaming tiers. Runs 100% in your browser.
Customer service calls - batch post-processing for QA and analytics
$0.006/min · charged per second
Audio Volume
Add-On Features (estimated cost)
Monthly Transcription Cost - OpenAI Whisper-1
Cost per Request
$0.0360
Rate / Minute
$0.0060
Cost / Hour
$0.3600
Cost / 1K Minutes
$6.00
Daily
$18.00
2.1 days billed
Monthly
$540.00
62.5 days billed
Yearly
$6,570.00
760.4 days billed
Provider Cost Comparison
Async/pre-recorded rates · sorted cheapest first| Provider / Model | $/min | $/request | Monthly Total |
|---|---|---|---|
AssemblyAINanoBudget $0.0020/min async · $0.004/min streaming | $0.0020 | $0.0120 | $180.00 |
GladiaStandardBudget $0.0036/min async · $0.0059/min streaming | $0.0036 | $0.0216 | $324.00 |
DeepgramNova-2Budget $0.0043/min pre-recorded · $0.0059/min streaming | $0.0043 | $0.0258 | $387.00 |
DeepgramNova-3BudgetPopular $0.0059/min pre-recorded · $0.0083/min streaming | $0.0059 | $0.0354 | $531.00 |
OpenAIWhisper-1BudgetPopular Selected $0.006/min · charged per second | $0.0060 | $0.0360 | $540.00 |
Google CloudStandard (Short) $0.006/min up to 60min · 15s minimum | $0.0060 | $0.0360 | $540.00 |
AssemblyAIBest (Universal-2)Popular $0.0062/min async · $0.010/min streaming | $0.0062 | $0.0372 | $558.00 |
Azure SpeechStandard Recognition $0.01/min (first 5 hrs/mo free) | $0.0100 | $0.0600 | $900.00 |
Google CloudChirp 2Popular $0.016/min · 15s minimum billing increment | $0.0160 | $0.0960 | $1,440.00 |
Rev.aiMachine Transcription $0.02/min · 95%+ accuracy claim | $0.0200 | $0.1200 | $1,800.00 |
AWS TranscribeStandard $0.024/min · first 250K min/mo at this rate | $0.0240 | $0.1440 | $2,160.00 |
Azure SpeechCustom Recognition $0.04/min fine-tuned on custom vocabulary | $0.0400 | $0.2400 | $3,600.00 |
AWS TranscribeMedical $0.075/min · HIPAA-eligible medical speciality | $0.0750 | $0.4500 | $6,750.00 |
* Prices based on standard published rates. Volume discounts, free tiers, and enterprise plans may apply. Always verify on provider pricing pages.
Qué determina la factura de transcripción
El coste depende de los minutos de audio, de la tarifa por minuto del proveedor y del modo elegido: asíncrono pregrabado o streaming en tiempo real.
El streaming cuesta bastante más porque exige conexiones persistentes y latencia baja.
- Minutos totales = duración media × número de grabaciones.
- Streaming: entre un 30 y un 100 % más caro que asíncrono.
- Los incrementos de facturación redondean cada grabación hacia arriba.
El efecto de los incrementos de facturación
Si tu audio es corto, el redondeo pesa más que la propia tarifa. Una grabación de 5 segundos facturada por bloques de 15 segundos se cobra al triple.
- Proveedores por segundo: mayor eficiencia en audios cortos.
- Proveedores por bloques de 15 s: penalizan dictados y comandos breves.
- La duración media de tu audio decide qué modelo de facturación conviene.
Funciones adicionales y calidad
Diarización, ocultación de datos personales, análisis de sentimiento y resúmenes se cobran aparte. Súmalos solo si los necesitas de verdad.
- Estima la duración media de tus audios y tu volumen diario.
- Elige el modo: asíncrono o streaming según tu caso.
- Activa las funciones adicionales que realmente uses.
- Compara el total mensual entre proveedores antes de decidir.
Preguntas frecuentes
Estima cuánto pagarás por transcribir audio con API de STT en la nube. Introduces la duración del audio y el volumen diario, eliges un proveedor y la calculadora aplica su tarifa por minuto, el redondeo por incremento de facturación y los recargos opcionales para dar estimaciones por petición y por periodo.
Cubre OpenAI Whisper-1, Deepgram Nova-3 y Nova-2, AssemblyAI Best (Universal-2) y Nano, Google Cloud Chirp 2 y Standard, AWS Transcribe Standard y Medical, Azure Speech Standard y Custom, Rev.ai y Gladia: 13 modelos en total. Todos incluyen tarifas de audio pregrabado asíncrono y de streaming en tiempo real cuando corresponde.
El STT asíncrono (pregrabado) procesa un archivo de audio completo después de grabar y devuelve una transcripción. El streaming en tiempo real transcribe el audio en vivo mientras se habla, lo que habilita agentes de voz y subtítulos en directo. El streaming cuesta un 30-100 % más por minuto porque exige conexiones persistentes al servidor y menor latencia. Úsalo solo si tu caso requiere respuesta en menos de un segundo.
AWS Transcribe y Google Speech-to-Text facturan en incrementos de 15 segundos: una grabación de 5 segundos se cobra como 15 segundos (un exceso de 3×). Para dictado por voz o comandos cortos de 10-20 segundos, esto puede encarecer el coste real entre un 50 y un 200 % frente a proveedores que facturan por segundo como OpenAI Whisper, Deepgram, AssemblyAI y Gladia. La calculadora tiene en cuenta la granularidad de facturación de cada proveedor.
La diarización (etiquetar quién dijo qué) suele añadir entre 0,0008 y 0,002 $/min según el proveedor. Para una grabación típica de contact center de 6 minutos, son unos 0,005-0,012 $ extra por grabación. Con 500 llamadas al día, la diarización añade 75-180 $/mes a tu factura. La calculadora permite activar la diarización y otras funciones para ver el impacto exacto.
Para transcripción asíncrona de alto volumen, Deepgram Nova-2 (0,0036 $/min por lotes), Gladia (0,0036 $/min) y AssemblyAI Nano (0,002 $/min) están entre las opciones más económicas. Para streaming en tiempo real, Deepgram y AssemblyAI Nano ofrecen las mejores tarifas. OpenAI Whisper a 0,006 $/min es popular por su precisión y sencillez, pese a no tener API de streaming.
Sí: es una herramienta puramente de estimación de costes. No se sube ni se procesa ningún archivo de audio. Solo usa datos numéricos (duración, volumen, selección de proveedor) para calcular estimaciones de precio. Todos los cálculos se ejecutan localmente en tu navegador y no se envía ningún dato a ningún servidor.
La calculadora usa tarifas estándar de pago por uso sin aplicar créditos gratuitos. Azure Speech ofrece 5 horas al mes gratis; Google ofrece 60 minutos al mes gratis. Para volúmenes bajos, tu coste real puede ser cero dentro de los límites gratuitos. Para cargas en producción, las tarifas de pago por uso mostradas son las aplicables.