Calculadora de custo de transcrição de áudio
Uma hora de áudio custa $0,36 com Whisper ou gpt-4o-transcribe ($0,006/min), $0,18 com gpt-4o-mini-transcribe e $0,09 de entrada de áudio no Gemini 3 Flash Preview (25 tokens/s × 3.600 s = 90.000 tokens × $1/M), segundo preços oficiais conferidos em 16 de outubro de 2026.
Como usar
- Informe a duração total do áudio em minutos. Para 2 horas e 30 minutos, digite 150.
- No Gemini você pode informar quantos tokens de transcrição espera por minuto de áudio, pois o Gemini cobra a transcrição como tokens de saída. Deixe 0 para ver só o custo de entrada de áudio.
- Compare o total e o custo por hora de cada modelo.
Como é calculado
Os modelos de transcrição da OpenAI aparecem com custo estimado por minuto: gpt-transcribe $0,0045, gpt-4o-mini-transcribe $0,003, gpt-4o-transcribe e gpt-4o-transcribe-diarize $0,006, Whisper $0,006 e o modelo ao vivo gpt-live-transcribe $0,017. Custo = minutos × preço por minuto. Fonte: developers.openai.com/api/docs/pricing, conferido em 16 de outubro de 2026.
O Gemini conta o áudio em tokens: 32 por segundo no Gemini 2.5 (ai.google.dev/gemini-api/docs/tokens) e 25 por segundo no Gemini 3 (docs/media-resolution). Uma hora são 115.200 tokens no 2.5 e 90.000 no 3.
Preços de entrada de áudio do Gemini por milhão de tokens: 3 Flash Preview $1,00, 3.1 Flash-Lite $0,50, 2.5 Flash $1,00, 2.5 Flash-Lite $0,30. O 3.1 Pro Preview não tem preço de áudio separado, então vale o preço de entrada de $2,00 até 200.000 tokens de prompt. Custo = tokens de áudio × preço de áudio + tokens de transcrição × preço de saída. Fonte: ai.google.dev/gemini-api/docs/pricing, conferido em 16 de outubro de 2026.
Custo de uma hora de áudio
| Modelo | Por hora | Base |
|---|---|---|
| gpt-4o-mini-transcribe | $0,18 | $0,003 por minuto |
| gpt-transcribe | $0,27 | $0,0045 por minuto |
| gpt-4o-transcribe / Whisper | $0,36 | $0,006 por minuto |
| gpt-live-transcribe | $1,02 | $0,017 por minuto |
| Gemini 2.5 Flash-Lite | $0,0346 | 115.200 tokens × $0,30 |
| Gemini 3 Flash Preview | $0,09 | 90.000 tokens × $1,00 |
O que o preço por minuto deixa de fora
- O Gemini também cobra a transcrição que escreve, pelo preço de saída do modelo (por exemplo $3,00 por milhão no 3 Flash Preview). Informe uma estimativa de tokens para incluir.
- Descontos de lote ou flex, níveis gratuitos e impostos não estão incluídos.
- A OpenAI apresenta o valor por minuto como custo estimado. Os modelos gpt-4o-transcribe são cobrados em tokens de áudio, então uma gravação com longos silêncios pode sair um pouco diferente.
Perguntas frequentes
Quanto custa transcrever uma hora com o Whisper?
Cerca de $0,36, a $0,006 por minuto. O gpt-4o-mini-transcribe custa metade, $0,18 por hora.
O Gemini é mais barato que o Whisper para transcrição?
Na entrada de áudio, geralmente sim. Uma hora no Gemini 3 Flash Preview são 90.000 tokens, ou $0,09. O Gemini também cobra o texto transcrito como saída, o que pode somar alguns centavos por hora.
Identificar quem fala custa mais?
O gpt-4o-transcribe-diarize aparece com os mesmos $0,006 por minuto do gpt-4o-transcribe.
Por que o modelo ao vivo é mais caro?
O gpt-live-transcribe envia o texto enquanto o áudio toca e custa $0,017 por minuto, quase o triplo dos modelos de arquivo.