Tarification de l'API Whisper : ce qu'ajoute l'étape de texte

Coût par tâche sur la partie texte

La transcription audio-texte et la génération de texte sont facturées dans des unités différentes, il est donc utile de les examiner séparément. Cette page couvre la partie texte, car c'est celle que ce service vend. Les chiffres ci-dessous proviennent directement de la liste des prix : 0,15 $ par million de tokens d'entrée et 0,50 $ par million de tokens de sortie.

Tâche	Tokens d'entrée	Tokens de sortie	Coût
Standup de 10 minutes, court résumé	2 000	300	$0.00045
Réunion de 1 heure, résumé et tâches	12 000	800	$0,0022
Atelier de 3 heures, notes structurées	36 000	1 500	$0,00615
Fenêtre de contexte quasi complète, long rapport	96 000	4 000	$0,0164

Les nombres de tokens ici sont des estimations. Une règle approximative pour la parole en anglais est qu'une heure de parole produit environ 9 000 mots, ce qui représente environ 12 000 tokens, mais les chiffres réels dépendent de l'orateur et de la mise en forme de la transcription.

Comment fonctionne le calcul

Prenons une réunion d'une heure. L'entrée fait 12 000 tokens, donc 12 000 / 1 000 000 x 0,15 $ = 0,0018 $. La sortie fait 800 tokens, donc 800 / 1 000 000 x 0,50 $ = 0,0004 $. Le total est de 0,0018 $ + 0,0004 $ = 0,0022 $, soit un peu plus de deux dixièmes de centime.

Les tokens de sortie coûtent plus de trois fois plus cher que les tokens d'entrée, ce qui définit la stratégie : lire une longue transcription est bon marché, écrire une longue réponse est là où l'argent part. Un résumé qui représente 5 % de la longueur de la transcription coûte bien moins cher qu'une réécriture de toute la transcription.

Le même calcul sous forme de fonction, au cas où vous voudriez l'exécuter sur vos propres volumes :

Copy# Base URL https://api.whisperapis.com/v1, model "uncensored"
def text_cost(input_tokens, output_tokens):
    # $0.15 per 1M input tokens, $0.50 per 1M output tokens
    return input_tokens * 0.15 / 1_000_000 + output_tokens * 0.50 / 1_000_000

print(round(text_cost(12_000, 800), 6))    # one-hour meeting -> 0.0022
print(round(text_cost(36_000, 1_500), 6))  # three-hour workshop -> 0.00615

Vérifiez également l'arithmétique de la plus grande ligne : 96 000 x 0,15 $ / 1M = 0,0144 $, et 4 000 x 0,50 $ / 1M = 0,002 $, ce qui donne un total de 0,0164 $.

La partie audio est une ligne distincte

Ce service ne transcrit pas l'audio, il n'a donc pas de prix audio par minute. Vous aurez besoin d'un service basé sur Whisper de votre propre choix pour cela. La transcription hébergée par divers fournisseurs facture généralement à la minute ou à l'heure d'audio, tandis qu'une configuration auto-hébergée remplace ces frais par le coût d'un GPU ou CPU, plus votre propre maintenance. Les prix changent souvent, vérifiez donc leurs tarifs actuels au lieu de vous fier à un nombre copié depuis un blog.

Pour le budget, additionnez les deux postes : heures audio multipliées par le taux de parole, plus transcriptions multipliées par le taux de token ci-dessus. Dans la plupart des pipelines de traitement de réunions, la ligne transcription est la plus élevée, car l'étape de texte sur un appel d'une heure coûte une fraction de centime. Si vous exécutez Whisper vous-même sur du matériel que vous possédez déjà, l'API texte peut être la seule facture directe que vous voyez.

Si vous voulez les détails de configuration, le démarrage rapide montre le format de requête pour l'étape texte.

Crédit prépayé, pas de niveau gratuit

Il n'y a pas de niveau gratuit ni d'abonnement. Vous payez depuis un crédit prépayé, et le crédit n'expire jamais. Les nouveaux utilisateurs ont une façon de tester sans payer : après l'inscription, la page clé API a un bouton en un clic pour 0,50 $ de crédit d'essai. C'est un par personne, valable 7 jours, et sans carte requise.

Ces 0,50 $ vont plus loin qu'il n'y paraît. À 0,0022 $ par réunion d'une heure, cela couvre environ 227 résumés (0,50 / 0,0022 = 227,3). La clé d'essai est limitée à 2 requêtes simultanées et 60 requêtes par minute, ce qui est largement suffisant pour tester un pipeline sur un lot d'enregistrements.

Après l'essai, vous rechargez avec n'importe quel montant entier de 20 $ à 500 $. Vous payez par carte (Visa, Mastercard, Apple Pay, Google Pay) ou crypto (USDT sur TRC20, USDC sur Base). Les rechargements plus importants bénéficient d'un bonus sur le crédit que vous recevez :

Recharge	Bonus	Crédit reçu
$20	aucun	$20,00
$50	+5%	$52,50
$100	+10%	$110,00
$200	+15%	$230,00

La page de tarification a la liste actuelle en un seul endroit.

Ce que coûte un mois de réunions

Supposons qu'une équipe enregistre 40 réunions d'une heure par semaine. C'est environ 173 par mois (40 x 52 / 12 = 173,3). Chacune coûte 0,0022 $ sur la partie texte, donc le total mensuel est d'environ 173,3 x 0,0022 $ = 0,38 $. Un rechargement de 20 $ couvrirait plus de quatre ans de cette charge de travail, et le crédit n'a pas de date d'expiration.

Maintenant un cas plus lourd : un service qui traite 5 000 enregistrements d'une heure dans un mois avec une entrée de 12 000 tokens et un résumé de 800 tokens chacun. C'est 5 000 x 0,0022 $ = 11 $. Augmentez la sortie à 3 000 tokens par enregistrement parce que les clients veulent des notes détaillées, et le coût de sortie par enregistrement devient 3 000 x 0,50 $ / 1M = 0,0015 $, donc le total par enregistrement est de 0,0018 $ + 0,0015 $ = 0,0033 $, et le mois s'élève à 16,50 $.

Voyez ce qui a fait varier la facture. La longueur de la transcription n'a pas changé, seule la longueur de la réponse l'a fait. Si les coûts augmentent plus vite que prévu, regardez d'abord la taille de votre sortie.

Comparaison avec le faire à la main

La comparaison honnête est contre votre propre temps. Un assistant qui écoute un enregistrement d'une heure et tape des notes passe une heure ou plus. Le modèle lit la même heure comme texte en quelques secondes et écrit les notes en peut-être une demi-minute. À 0,0022 $ par heure de réunion, l'étape de texte n'est pas là que l'argent part ; la transcription audio, le temps d'ingénierie pour construire le pipeline et la révision de la sortie coûtent plus cher.

Le modèle fait aussi des erreurs, prévoyez une courte vérification humaine pour tout ce qui compte. Un réviseur qui survole des notes générées pendant deux minutes est encore plus rapide que de les rédiger de zéro, et la vérification attrape les propriétaires inventés ou les chiffres mal entendus occasionnels. Les requêtes échouées ou refusées ne coûtent rien, donc la seule dépense texte porte sur les réponses que vous avez réellement reçues.

Façons de garder la facture de texte petite

• Limitez la réponse. Définissez max_tokens lorsque vous n'avez besoin que d'un court résumé. C'est optionnel, mais cela empêche une réponse débridée sur une transcription étrange.
• Ne renvoyez pas la transcription. Si vous avez besoin de trois sorties d'une réunion, demandez-les dans une seule requête en tant qu'objet JSON au lieu de trois appels qui paient chacun 12 000 tokens d'entrée.
• Lisez l'utilisation depuis la réponse. Le bloc usage rapporte les tokens prompt et complétion, et les réponses en streaming incluent l'utilisation à la fin. L'en-tête de réponse X-Balance-USD montre votre crédit restant.
• Gardez les tentatives bon marché. Les requêtes échouées ou refusées ne sont pas facturées, donc une boucle de retry sur les erreurs n'ajoute pas à la facture.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.whisperapis.com/v1", api_key="YOUR_KEY")
messages = [{"role": "user", "content": "Summarize in five bullets: ..."}]

resp = client.chat.completions.create(
    model="uncensored",
    messages=messages,
    max_tokens=900,
)
u = resp.usage
print(u.prompt_tokens, u.completion_tokens)
print(text_cost(u.prompt_tokens, u.completion_tokens))

Associez ces habitudes à une vérification quotidienne de l'en-tête de solde et vous verrez un problème de coût dans une journée, pas à la fin du mois. La documentation liste les en-têtes de réponse et les codes d'erreur.

Plus de guides

• Serveur API Whisper : Options de configuration et l'étape texte
• Notes de réunion LLM API : de la transcription au résumé en Python
• API Midjourney : dépannage et alternatives