Prezzi API Whisper: cosa aggiunge il passaggio di testo

Costo per lavoro sul lato testo

Riconoscimento vocale e generazione di testo hanno prezzi in unità diverse, quindi è utile guardarli separatamente. Questa pagina copre la parte di testo, perché è quella che questo servizio vende. I numeri qui sotto provengono direttamente dal listino prezzi: $0,15 per milione di token di input e $0,50 per milione di token di output.

Compito	Token in ingresso	Token in uscita	Costo
Standup di 10 minuti, breve riassunto	2.000	300	$0,00045
Riunione di 1 ora, riassunto e punti d'azione	12.000	800	$0,0022
Workshop di 3 ore, appunti strutturati	36.000	1.500	$0,00615
Finestra quasi piena, rapporto lungo	96.000	4.000	$0,0164

I conteggi dei token qui sono stime. Una regola approssimativa per il parlato in inglese è che un'ora di conversazione produce circa 9.000 parole, che corrispondono a circa 12.000 token, ma i numeri reali dipendono dal parlante e da come è formattata la trascrizione.

Come funziona il calcolo

Considera una riunione di un'ora. L'input è di 12.000 token, quindi 12.000 / 1.000.000 x $0,15 = $0,0018. L'output è di 800 token, quindi 800 / 1.000.000 x $0,50 = $0,0004. Il totale è $0,0018 + $0,0004 = $0,0022, un po' più di due decimi di centesimo.

I token di output costano più di tre volte tanto rispetto ai token di input, il che definisce la strategia: leggere una trascrizione lunga è economico, scrivere una risposta lunga è dove va la spesa principale. Un riassunto che è il 5 percento della lunghezza della trascrizione costa molto meno di una riscrittura dell'intera trascrizione.

Lo stesso calcolo sotto forma di funzione, nel caso tu voglia eseguirlo sui tuoi volumi:

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

Verifica anche l'aritmetica nella riga più grande: 96.000 x $0,15 / 1M = $0,0144, e 4.000 x $0,50 / 1M = $0,002, che sommati danno $0,0164.

La parte audio è una voce separata

Questo servizio non trascrive l'audio, quindi non ha un prezzo per minuto dell'audio. Dovrai utilizzare un servizio basato su Whisper scelto da te. La trascrizione ospitata da vari fornitori fattura generalmente al minuto o all'ora di audio, mentre una configurazione gestita in locale sostituisce quella tariffa con il costo di una GPU o CPU, più la tua manutenzione. I prezzi cambiano spesso, quindi controlla i prezzi attuali invece di affidarti a un numero copiato da un blog.

Per il budget, somma i due lati: ore di audio per il tasso di speech, più trascrizioni per il tasso di token sopra. Nella maggior parte dei flussi di lavoro che elaborano le riunioni, la riga di trascrizione è la maggiore delle due, perché il passaggio del testo su una chiamata di un'ora costa una frazione di centesimo. Se esegui Whisper tu stesso su hardware che possiedi già, l'API di testo potrebbe essere l'unica bolletta diretta che vedi.

Se vuoi i dettagli della configurazione, la quickstart mostra il formato della richiesta per il passaggio di testo.

Credito prepagato, nessun piano gratuito

Non ci sono piani gratuiti né abbonamenti. Paghi dal credito prepagato e il credito non scade mai. I nuovi utenti hanno un modo per provare senza pagare: dopo l'accesso, la pagina della chiave API ha un pulsante in un clic per $0,50 di credito di prova gratuito. È uno per persona, valido per 7 giorni e non richiede carta.

Con $0,50 si ottiene più di quanto sembri. A $0,0022 per riunione di un'ora, copre circa 227 riassunti (0,50 / 0,0022 = 227,3). La chiave di prova è limitata a 2 richieste parallele e 60 richieste al minuto, il che è più che sufficiente per testare una pipeline su un batch di registrazioni.

Dopo la prova, ricarichi con qualsiasi importo intero da $20 a $500. Paghi con carta (Visa, Mastercard, Apple Pay, Google Pay) o cripto (USDT su TRC20, USDC su Base). Ricariche più grandi ottengono un bonus sul credito che ricevi:

Ricarica	Bonus	Credito ricevuto
$20	nessuno	$20,00
$50	+5%	$52,50
$100	+10%	$110,00
$200	+15%	$230,00

La pagina dei prezzi ha l'elenco corrente in un unico posto.

Quanto costa un mese di riunioni

Supponi che un team registri 40 riunioni di un'ora a settimana. Si arriva a circa 173 al mese (40 x 52 / 12 = 173,3). Ognuna costa $0,0022 sul lato testo, quindi il totale mensile è circa 173,3 x $0,0022 = $0,38. Un top-up di $20 coprirebbe più di quattro anni di quel carico di lavoro, e il credito non scade mai.

Ora un caso più pesante: un servizio che elabora 5.000 registrazioni di un'ora in un mese con un input di 12.000 token e un riassunto di 800 token ciascuno. Sono 5.000 x $0,0022 = $11. Aumenta l'output a 3.000 token per registrazione perché i clienti vogliono appunti dettagliati, e il costo di output per registrazione diventa 3.000 x $0,50 / 1M = $0,0015, quindi il totale per registrazione è $0,0018 + $0,0015 = $0,0033 e il mese arriva a $16,50.

Nota cosa ha spostato il conto. La lunghezza della trascrizione non è cambiata, solo la lunghezza della risposta. Se i costi crescono più del previsto, guarda la tua dimensione di output prima di tutto.

Confronto con farlo a mano

Il confronto onesto è con il tuo tempo. Un assistente che ascolta una registrazione di un'ora e scrive gli appunti impiega un'ora o più. Il modello legge la stessa ora come testo in pochi secondi e scrive gli appunti in circa mezzo minuto. A $0,0022 per ora di riunione, il passaggio del testo non è dove va il denaro; la trascrizione audio, il tempo di ingegneria per costruire il flusso di lavoro e la revisione del costo dell'output costano di più.

Il modello commette anche errori, quindi budget per una breve verifica umana su qualsiasi cosa che conti. Un revisore che scorre gli appunti generati per due minuti è ancora più veloce del scriverli da zero, e il controllo cattura il proprietario inventato occasionale o una cifra fraintesa. Le richieste fallite o rifiutate non costano nulla, quindi l'unica spesa di testo è per le risposte che hai effettivamente ricevuto.

Modi per tenere piccola la fattura di testo

• Limita la risposta. Imposta max_tokens quando ti serve solo un breve riassunto. È opzionale, ma previene una risposta che sfugge di mano su una trascrizione strana.
• Non reinviare la trascrizione. Se ti servono tre output da una riunione, chiedili in una singola richiesta come oggetto JSON invece di tre chiamate che pagano ciascuna per 12.000 token di input.
• Leggi l'utilizzo dalla risposta. Il blocco usage segnala i token prompt e completion, e le risposte in streaming includono l'utilizzo alla fine. L'intestazione di risposta X-Balance-USD mostra il tuo credito rimanente.
• Mantieni i retry economici. Le richieste fallite o rifiutate non vengono addebitate, quindi un loop di retry sugli errori non aggiunge al conto.

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))

Abbina quelle abitudini a un controllo giornaliero dell'intestazione del saldo e vedrai un problema di costo entro un giorno, non alla fine del mese. La documentazione elenca le intestazioni di risposta e i codici di errore.

Altre guide

• Whisper API Server: Opzioni di configurazione e il passaggio di testo
• Appunti sull'API LLM: da trascrizione a riassunto in Python
• API Midjourney: risoluzione dei problemi e alternative