Tính chi phí chuyển giọng nói thành văn bản
Một giờ âm thanh tốn $0,36 với Whisper hoặc gpt-4o-transcribe ($0,006/phút), $0,18 với gpt-4o-mini-transcribe và $0,09 phần đầu vào âm thanh trên Gemini 3 Flash Preview (25 token/giây × 3.600 giây = 90.000 token × $1/triệu), theo giá chính thức kiểm tra ngày 16 tháng 10 năm 2026.
Cách dùng
- Nhập tổng độ dài âm thanh theo phút. 2 giờ 30 phút thì nhập 150.
- Với Gemini, bạn có thể nhập số token bản chép dự kiến cho mỗi phút âm thanh, vì Gemini tính bản chép là token đầu ra. Để 0 nếu chỉ muốn xem chi phí đầu vào âm thanh.
- So sánh tổng và chi phí mỗi giờ của từng mô hình.
Cách tính
Các mô hình chép âm của OpenAI được niêm yết theo chi phí ước tính mỗi phút: gpt-transcribe $0,0045, gpt-4o-mini-transcribe $0,003, gpt-4o-transcribe và gpt-4o-transcribe-diarize $0,006, Whisper $0,006, và mô hình trực tiếp gpt-live-transcribe $0,017. Chi phí = số phút × giá mỗi phút. Nguồn: developers.openai.com/api/docs/pricing, kiểm tra ngày 16 tháng 10 năm 2026.
Gemini đếm âm thanh theo token: 32 token mỗi giây với Gemini 2.5 (ai.google.dev/gemini-api/docs/tokens) và 25 token mỗi giây với Gemini 3 (docs/media-resolution). Một giờ là 115.200 token trên 2.5 và 90.000 trên 3.
Giá đầu vào âm thanh của Gemini mỗi triệu 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 không có giá âm thanh riêng nên áp dụng giá đầu vào $2,00 đến 200.000 token prompt. Chi phí = token âm thanh × giá âm thanh + token bản chép × giá đầu ra. Nguồn: ai.google.dev/gemini-api/docs/pricing, kiểm tra ngày 16 tháng 10 năm 2026.
Chi phí cho một giờ âm thanh
| Mô hình | Mỗi giờ | Cơ sở |
|---|---|---|
| gpt-4o-mini-transcribe | $0,18 | $0,003 mỗi phút |
| gpt-transcribe | $0,27 | $0,0045 mỗi phút |
| gpt-4o-transcribe / Whisper | $0,36 | $0,006 mỗi phút |
| gpt-live-transcribe | $1,02 | $0,017 mỗi phút |
| Gemini 2.5 Flash-Lite | $0,0346 | 115.200 token × $0,30 |
| Gemini 3 Flash Preview | $0,09 | 90.000 token × $1,00 |
Giá mỗi phút chưa tính gì
- Gemini còn tính phí bản chép nó viết ra theo giá đầu ra của mô hình (ví dụ $3,00 mỗi triệu trên 3 Flash Preview). Nhập ước tính token để cộng vào.
- Chưa gồm giảm giá batch hoặc flex, gói miễn phí và thuế.
- OpenAI ghi giá mỗi phút là chi phí ước tính. Các mô hình gpt-4o-transcribe được tính theo token âm thanh, nên bản ghi có nhiều khoảng lặng dài có thể chênh một chút.
Câu hỏi thường gặp
Chép một giờ bằng Whisper tốn bao nhiêu?
Khoảng $0,36, với giá $0,006 mỗi phút. gpt-4o-mini-transcribe chỉ bằng một nửa, $0,18 mỗi giờ.
Gemini có rẻ hơn Whisper khi chép âm không?
Với đầu vào âm thanh thì thường là có. Một giờ trên Gemini 3 Flash Preview là 90.000 token, tức $0,09. Gemini còn tính phần văn bản chép ra như đầu ra, có thể cộng thêm vài cent mỗi giờ.
Phân biệt người nói có đắt hơn không?
gpt-4o-transcribe-diarize được niêm yết cùng mức $0,006 mỗi phút như gpt-4o-transcribe.
Vì sao mô hình trực tiếp đắt hơn?
gpt-live-transcribe trả văn bản ngay khi âm thanh đang phát và có giá $0,017 mỗi phút, gần gấp ba các mô hình xử lý tệp.