Kalkulator Biaya Transkripsi Audio
Satu jam audio berbiaya $0,36 dengan Whisper atau gpt-4o-transcribe ($0,006/menit), $0,18 dengan gpt-4o-mini-transcribe, dan $0,09 input audio di Gemini 3 Flash Preview (25 token/detik × 3.600 detik = 90.000 token × $1/juta), menurut harga resmi yang dicek 16 Oktober 2026.
Cara memakai
- Masukkan total durasi audio dalam menit. Untuk 2 jam 30 menit, ketik 150.
- Untuk Gemini, Anda bisa mengisi perkiraan token transkrip per menit audio, karena Gemini menagih transkrip sebagai token output. Biarkan 0 untuk melihat biaya input audio saja.
- Bandingkan total dan biaya per jam tiap model.
Cara menghitung
Model transkripsi OpenAI dicantumkan dengan perkiraan biaya per menit: gpt-transcribe $0,0045, gpt-4o-mini-transcribe $0,003, gpt-4o-transcribe dan gpt-4o-transcribe-diarize $0,006, Whisper $0,006, serta model langsung gpt-live-transcribe $0,017. Biaya = menit × harga per menit. Sumber: developers.openai.com/api/docs/pricing, dicek 16 Oktober 2026.
Gemini menghitung audio sebagai token: 32 token per detik di Gemini 2.5 (ai.google.dev/gemini-api/docs/tokens) dan 25 token per detik di Gemini 3 (docs/media-resolution). Satu jam setara 115.200 token di 2.5 dan 90.000 di 3.
Harga input audio Gemini per sejuta token: 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 tidak punya harga audio terpisah, jadi harga input $2,00 berlaku sampai 200.000 token prompt. Biaya = token audio × harga audio + token transkrip × harga output. Sumber: ai.google.dev/gemini-api/docs/pricing, dicek 16 Oktober 2026.
Biaya satu jam audio
| Model | Per jam | Dasar |
|---|---|---|
| gpt-4o-mini-transcribe | $0,18 | $0,003 per menit |
| gpt-transcribe | $0,27 | $0,0045 per menit |
| gpt-4o-transcribe / Whisper | $0,36 | $0,006 per menit |
| gpt-live-transcribe | $1,02 | $0,017 per menit |
| Gemini 2.5 Flash-Lite | $0,0346 | 115.200 token × $0,30 |
| Gemini 3 Flash Preview | $0,09 | 90.000 token × $1,00 |
Yang tidak termasuk dalam harga per menit
- Gemini juga menagih transkrip yang ditulisnya dengan harga output model (misalnya $3,00 per sejuta di 3 Flash Preview). Isi perkiraan token untuk menyertakannya.
- Diskon batch atau flex, tingkat gratis, dan pajak tidak termasuk.
- OpenAI menyebut angka per menit sebagai perkiraan biaya. Model gpt-4o-transcribe ditagih dalam token audio, jadi rekaman dengan jeda hening panjang bisa sedikit berbeda.
Pertanyaan umum
Berapa biaya mentranskripsi satu jam dengan Whisper?
Sekitar $0,36, dengan $0,006 per menit. gpt-4o-mini-transcribe separuhnya, $0,18 per jam.
Apakah Gemini lebih murah daripada Whisper?
Untuk input audio, biasanya ya. Satu jam di Gemini 3 Flash Preview adalah 90.000 token, atau $0,09. Gemini juga menagih teks transkrip sebagai output, yang bisa menambah beberapa sen per jam.
Apakah pemisahan pembicara lebih mahal?
gpt-4o-transcribe-diarize tercantum dengan harga yang sama, $0,006 per menit, seperti gpt-4o-transcribe.
Mengapa model langsung lebih mahal?
gpt-live-transcribe mengalirkan teks saat audio diputar dan dihargai $0,017 per menit, hampir tiga kali model berbasis berkas.