Transkription Kostenrechner
Eine Stunde Audio kostet 0,36 $ mit Whisper oder gpt-4o-transcribe (0,006 $/Min.), 0,18 $ mit gpt-4o-mini-transcribe und 0,09 $ Audioeingabe bei Gemini 3 Flash Preview (25 Tokens/s × 3.600 s = 90.000 Tokens × 1 $/Mio.), laut offiziellen Preisen, geprüft am 16. Oktober 2026.
So funktioniert’s
- Gib die gesamte Audiolänge in Minuten ein. Für 2 Stunden 30 Minuten tippe 150.
- Für Gemini kannst du die erwarteten Transkript-Tokens pro Audiominute angeben, denn Gemini berechnet das Transkript als Ausgabe-Tokens. Bei 0 siehst du nur die Kosten der Audioeingabe.
- Vergleiche Gesamtkosten und Kosten pro Stunde je Modell.
Berechnung
OpenAI führt seine Transkriptionsmodelle mit geschätzten Kosten pro Minute: gpt-transcribe 0,0045 $, gpt-4o-mini-transcribe 0,003 $, gpt-4o-transcribe und gpt-4o-transcribe-diarize 0,006 $, Whisper 0,006 $, das Live-Modell gpt-live-transcribe 0,017 $. Kosten = Minuten × Minutenpreis. Quelle: developers.openai.com/api/docs/pricing, geprüft am 16. Oktober 2026.
Gemini zählt Audio in Tokens: 32 pro Sekunde bei Gemini 2.5 (ai.google.dev/gemini-api/docs/tokens) und 25 pro Sekunde bei Gemini 3 (docs/media-resolution). Eine Stunde sind 115.200 Tokens bei 2.5 und 90.000 bei 3.
Gemini-Audio-Eingabepreise pro Million Tokens: 3 Flash Preview 1,00 $, 3.1 Flash-Lite 0,50 $, 2.5 Flash 1,00 $, 2.5 Flash-Lite 0,30 $. 3.1 Pro Preview hat keinen eigenen Audiopreis, daher gilt der Eingabepreis von 2,00 $ bis 200.000 Prompt-Tokens. Kosten = Audio-Tokens × Audiopreis + Transkript-Tokens × Ausgabepreis. Quelle: ai.google.dev/gemini-api/docs/pricing, geprüft am 16. Oktober 2026.
Kosten für eine Stunde Audio
| Modell | Pro Stunde | Grundlage |
|---|---|---|
| gpt-4o-mini-transcribe | 0,18 $ | 0,003 $ pro Minute |
| gpt-transcribe | 0,27 $ | 0,0045 $ pro Minute |
| gpt-4o-transcribe / Whisper | 0,36 $ | 0,006 $ pro Minute |
| gpt-live-transcribe | 1,02 $ | 0,017 $ pro Minute |
| Gemini 2.5 Flash-Lite | 0,0346 $ | 115.200 Tokens × 0,30 $ |
| Gemini 3 Flash Preview | 0,09 $ | 90.000 Tokens × 1,00 $ |
Was der Minutenpreis nicht enthält
- Gemini berechnet auch das geschriebene Transkript zum Ausgabepreis des Modells (zum Beispiel 3,00 $ pro Million bei 3 Flash Preview). Gib eine Token-Schätzung ein, um es einzurechnen.
- Batch- und Flex-Rabatte, kostenlose Kontingente und Steuern sind nicht enthalten.
- OpenAI nennt den Minutenwert als geschätzte Kosten. Die gpt-4o-transcribe-Modelle werden nach Audio-Tokens abgerechnet, eine Aufnahme mit langen Pausen kann daher etwas abweichen.
Häufige Fragen
Was kostet eine Stunde Transkription mit Whisper?
Etwa 0,36 $, bei 0,006 $ pro Minute. gpt-4o-mini-transcribe kostet die Hälfte, 0,18 $ pro Stunde.
Ist Gemini günstiger als Whisper?
Bei der Audioeingabe meistens ja. Eine Stunde mit Gemini 3 Flash Preview sind 90.000 Tokens oder 0,09 $. Gemini berechnet aber auch den Transkripttext als Ausgabe, das kann ein paar Cent pro Stunde ausmachen.
Kostet Sprechertrennung mehr?
gpt-4o-transcribe-diarize ist mit denselben 0,006 $ pro Minute gelistet wie gpt-4o-transcribe.
Warum ist das Live-Modell teurer?
gpt-live-transcribe liefert Text, während das Audio läuft, und kostet 0,017 $ pro Minute, fast das Dreifache der dateibasierten Modelle.