Calculadora de costo de transcripción de audio
Una hora de audio cuesta $0,36 con Whisper o gpt-4o-transcribe ($0,006/min), $0,18 con gpt-4o-mini-transcribe y $0,09 de entrada de audio en Gemini 3 Flash Preview (25 tokens/s × 3.600 s = 90.000 tokens × $1/M), según precios oficiales revisados el 16 de octubre de 2026.
Cómo se usa
- Introduce la duración total del audio en minutos. Para 2 horas y 30 minutos, escribe 150.
- En Gemini puedes indicar cuántos tokens de transcripción esperas por minuto de audio, porque Gemini cobra la transcripción como tokens de salida. Deja 0 para ver solo el costo de entrada de audio.
- Compara el total y el costo por hora de cada modelo.
Cómo se calcula
Los modelos de transcripción de OpenAI se publican con un costo estimado por minuto: gpt-transcribe $0,0045, gpt-4o-mini-transcribe $0,003, gpt-4o-transcribe y gpt-4o-transcribe-diarize $0,006, Whisper $0,006 y el modelo en vivo gpt-live-transcribe $0,017. Costo = minutos × precio por minuto. Fuente: developers.openai.com/api/docs/pricing, revisado el 16 de octubre de 2026.
Gemini cuenta el audio en tokens: 32 por segundo en Gemini 2.5 (ai.google.dev/gemini-api/docs/tokens) y 25 por segundo en Gemini 3 (docs/media-resolution). Una hora son 115.200 tokens en 2.5 y 90.000 en 3.
Precios de entrada de audio de Gemini por millón de 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 no tiene precio de audio aparte, así que aplica su precio de entrada de $2,00 hasta 200.000 tokens de prompt. Costo = tokens de audio × precio de audio + tokens de transcripción × precio de salida. Fuente: ai.google.dev/gemini-api/docs/pricing, revisado el 16 de octubre de 2026.
Costo de una hora de audio
| 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 |
Lo que no incluye el precio por minuto
- Gemini también cobra la transcripción que escribe, al precio de salida del modelo (por ejemplo $3,00 por millón en 3 Flash Preview). Introduce una estimación de tokens para incluirla.
- No se incluyen descuentos por lotes o flex, niveles gratuitos ni impuestos.
- OpenAI presenta la cifra por minuto como costo estimado. Los modelos gpt-4o-transcribe se facturan en tokens de audio, así que una grabación con silencios largos puede salir algo distinta.
Preguntas frecuentes
¿Cuánto cuesta transcribir una hora con Whisper?
Unos $0,36, a $0,006 por minuto. gpt-4o-mini-transcribe cuesta la mitad, $0,18 por hora.
¿Gemini es más barato que Whisper para transcribir?
Para la entrada de audio, normalmente sí. Una hora en Gemini 3 Flash Preview son 90.000 tokens, o $0,09. Gemini también cobra el texto transcrito como salida, lo que puede sumar unos centavos por hora.
¿Identificar hablantes cuesta más?
gpt-4o-transcribe-diarize figura con los mismos $0,006 por minuto que gpt-4o-transcribe.
¿Por qué el modelo en vivo es más caro?
gpt-live-transcribe transmite texto mientras suena el audio y cuesta $0,017 por minuto, casi el triple que los modelos de archivo.