ऑडियो ट्रांसक्रिप्शन लागत कैलकुलेटर
एक घंटे के ऑडियो की लागत Whisper या gpt-4o-transcribe ($0.006/मिनट) से $0.36, gpt-4o-mini-transcribe से $0.18 और Gemini 3 Flash Preview पर सिर्फ़ ऑडियो इनपुट $0.09 है (25 टोकन/सेकंड × 3,600 सेकंड = 90,000 टोकन × $1 प्रति दस लाख); आधिकारिक कीमतें 16 अक्टूबर 2026 को जांची गईं।
कैसे इस्तेमाल करें
- ऑडियो की कुल अवधि मिनट में लिखें। 2 घंटे 30 मिनट के लिए 150 लिखें।
- Gemini के लिए आप प्रति मिनट ऑडियो पर अपेक्षित ट्रांसक्रिप्ट टोकन लिख सकते हैं, क्योंकि Gemini ट्रांसक्रिप्ट को आउटपुट टोकन के रूप में चार्ज करता है। सिर्फ़ ऑडियो इनपुट लागत देखने के लिए 0 छोड़ दें।
- हर मॉडल का कुल और प्रति घंटा खर्च मिलाएं।
गणना कैसे होती है
OpenAI के ट्रांसक्रिप्शन मॉडल प्रति मिनट अनुमानित लागत के साथ सूचीबद्ध हैं: gpt-transcribe $0.0045, gpt-4o-mini-transcribe $0.003, gpt-4o-transcribe और gpt-4o-transcribe-diarize $0.006, Whisper $0.006, और लाइव मॉडल gpt-live-transcribe $0.017। लागत = मिनट × प्रति मिनट कीमत। स्रोत: developers.openai.com/api/docs/pricing, 16 अक्टूबर 2026 को जांचा गया।
Gemini ऑडियो को टोकन में गिनता है: Gemini 2.5 में हर सेकंड 32 टोकन (ai.google.dev/gemini-api/docs/tokens) और Gemini 3 में हर सेकंड 25 टोकन (docs/media-resolution)। एक घंटा 2.5 पर 115,200 और 3 पर 90,000 टोकन है।
प्रति दस लाख टोकन Gemini ऑडियो इनपुट कीमतें: 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 की अलग ऑडियो कीमत नहीं है, इसलिए 2,00,000 प्रॉम्प्ट टोकन तक उसकी $2.00 इनपुट कीमत लगती है। लागत = ऑडियो टोकन × ऑडियो कीमत + ट्रांसक्रिप्ट टोकन × आउटपुट कीमत। स्रोत: ai.google.dev/gemini-api/docs/pricing, 16 अक्टूबर 2026 को जांचा गया।
एक घंटे के ऑडियो की लागत
| मॉडल | प्रति घंटा | आधार |
|---|---|---|
| gpt-4o-mini-transcribe | $0.18 | $0.003 प्रति मिनट |
| gpt-transcribe | $0.27 | $0.0045 प्रति मिनट |
| gpt-4o-transcribe / Whisper | $0.36 | $0.006 प्रति मिनट |
| gpt-live-transcribe | $1.02 | $0.017 प्रति मिनट |
| Gemini 2.5 Flash-Lite | $0.0346 | 115,200 टोकन × $0.30 |
| Gemini 3 Flash Preview | $0.09 | 90,000 टोकन × $1.00 |
प्रति मिनट कीमत में क्या शामिल नहीं
- Gemini अपने लिखे ट्रांसक्रिप्ट के लिए भी मॉडल की आउटपुट कीमत लेता है (जैसे 3 Flash Preview पर प्रति दस लाख $3.00)। इसे जोड़ने के लिए टोकन का अनुमान लिखें।
- बैच या flex छूट, मुफ़्त टियर और टैक्स शामिल नहीं हैं।
- OpenAI प्रति मिनट राशि को अनुमानित लागत बताता है। gpt-4o-transcribe मॉडल ऑडियो टोकन से बिल होते हैं, इसलिए लंबी चुप्पी वाली रिकॉर्डिंग थोड़ी अलग आ सकती है।
अक्सर पूछे जाने वाले सवाल
Whisper से एक घंटा ट्रांसक्राइब करने में कितना खर्च होता है?
$0.006 प्रति मिनट पर लगभग $0.36। gpt-4o-mini-transcribe इसका आधा, $0.18 प्रति घंटा है।
क्या ट्रांसक्रिप्शन के लिए Gemini, Whisper से सस्ता है?
ऑडियो इनपुट के लिए आमतौर पर हां। Gemini 3 Flash Preview पर एक घंटा 90,000 टोकन यानी $0.09 है। Gemini ट्रांसक्रिप्ट टेक्स्ट को आउटपुट के रूप में भी चार्ज करता है, जिससे प्रति घंटा कुछ सेंट जुड़ सकते हैं।
क्या बोलने वालों की पहचान ज़्यादा महंगी है?
gpt-4o-transcribe-diarize, gpt-4o-transcribe जितनी ही $0.006 प्रति मिनट पर सूचीबद्ध है।
लाइव मॉडल महंगा क्यों है?
gpt-live-transcribe ऑडियो चलते समय टेक्स्ट भेजता रहता है और $0.017 प्रति मिनट है, फ़ाइल वाले मॉडल से लगभग तीन गुना।