语音转写费用计算器
1 小时音频用 Whisper 或 gpt-4o-transcribe（每分钟 $0.006）为 $0.36，用 gpt-4o-mini-transcribe 为 $0.18，Gemini 3 Flash Preview 仅音频输入为 $0.09（每秒 25 Token × 3,600 秒 = 90,000 Token × 每百万 $1）。官方价格，2026 年 10 月 16 日核对。
使用方法
- 以分钟输入音频总时长。2 小时 30 分钟就填 150。
- Gemini 会把转写出的文字按输出 Token 另行计费。可以填写每分钟音频预计的输出 Token，填 0 则只看音频输入费用。
- 对比各模型的总额和每小时费用。
计算方法
OpenAI 的转写模型按每分钟预估费用公布：gpt-transcribe $0.0045，gpt-4o-mini-transcribe $0.003，gpt-4o-transcribe 和 gpt-4o-transcribe-diarize $0.006，Whisper $0.006，实时模型 gpt-live-transcribe $0.017。费用 = 分钟 × 每分钟单价。来源：developers.openai.com/api/docs/pricing，2026 年 10 月 16 日核对。
Gemini 把音频按 Token 计数：Gemini 2.5 每秒 32 个 Token（ai.google.dev/gemini-api/docs/tokens），Gemini 3 每秒 25 个 Token（docs/media-resolution）。1 小时在 2.5 上为 115,200 Token，在 3 上为 90,000 Token。
Gemini 音频输入单价（每百万 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 没有单独的音频单价，提示词 20 万 Token 以内按 $2.00 的输入单价。费用 = 音频 Token × 音频单价 + 输出 Token × 输出单价。来源：ai.google.dev/gemini-api/docs/pricing，2026 年 10 月 16 日核对。
1 小时音频的费用
| 模型 | 每小时 | 依据 |
|---|---|---|
| gpt-4o-mini-transcribe | $0.18 | 每分钟 $0.003 |
| gpt-transcribe | $0.27 | 每分钟 $0.0045 |
| gpt-4o-transcribe / Whisper | $0.36 | 每分钟 $0.006 |
| gpt-live-transcribe | $1.02 | 每分钟 $0.017 |
| Gemini 2.5 Flash-Lite | $0.0346 | 115,200 Token × $0.30 |
| Gemini 3 Flash Preview | $0.09 | 90,000 Token × $1.00 |
每分钟单价没算进去的部分
- Gemini 还会按模型的输出单价收取转写文字的费用（例如 3 Flash Preview 每百万 Token $3.00）。想算进去就填写输出 Token 估计值。
- 不含批量和 flex 折扣、免费额度和税费。
- OpenAI 把每分钟金额标为预估费用。gpt-4o-transcribe 系列实际按音频 Token 计费，静音较长的录音可能略有出入。
常见问题
用 Whisper 转写 1 小时要多少钱？
每分钟 $0.006，约 $0.36。gpt-4o-mini-transcribe 只要一半，每小时 $0.18。
Gemini 比 Whisper 便宜吗？
只看音频输入，通常是。Gemini 3 Flash Preview 上 1 小时为 90,000 Token，即 $0.09。但转写文字会按输出计费，每小时可能多几美分。
区分说话人会更贵吗？
gpt-4o-transcribe-diarize 的公布价格与 gpt-4o-transcribe 相同，每分钟 $0.006。
实时模型为什么更贵？
gpt-live-transcribe 在音频播放时实时输出文字，每分钟 $0.017，约为文件型模型的 3 倍。