Whisper API料金：テキスト処理の追加コスト
Whisper APIの料金体系は、実際には2つの請求書に分かれています。1つは音声をテキストに変換するもので、もう1つはそのテキストを後続処理するものです。前者の料金は提示できませんが、後者はセント単位まで正確に算出できます。
更新日：
主要ポイント
- 音声からテキストへの変換サービスは通常、音声の継続時間で課金します。各プロバイダーの最新料金をご確認ください。
- テキスト処理のコストは、入力トークン100万個あたり$0.15、出力トークン100万個あたり$0.50です。
- 1時間のミーティングのトランスクリプトを要約した場合、このAPIでは約$0.0022かかります。
- 無料プランはありません。新規ユーザーは$0.50のトライアルクレジットを取得でき、チャージは$20から開始されます。
テキスト側のジョブあたりのコスト
音声からテキストへの変換とテキスト生成は異なる単位で課金されるため、別々に確認することをお勧めします。このページでは、このサービスが販売している「テキスト側」のみを扱います。以下の数字は価格表から直接引用したものです：入力トークン100万個あたり$0.15、出力トークン100万個あたり$0.50。
| ジョブ | 入力トークン | 出力トークン | コスト |
|---|---|---|---|
| 10分間のスタンドアップミーティング、短めの要約 | 2,000 | 300 | $0.00045 |
| 1時間の会議、要約とアクションアイテム | 12,000 | 800 | $0.0022 |
| 3時間のワークショップ、構造化されたノート | 36,000 | 1,500 | $0.00615 |
| ほぼ満杯のウィンドウ、長文レポート | 96,000 | 4,000 | $0.0164 |
ここでのトークン数は推定値です。英語の音声では、1時間の会話は約9,000語に相当し、これは約12,000トークンに相当します。ただし、実際の数は話者やトランスクリプトのフォーマット方法によって異なります。
計算方法
1時間の会議を想定します。入力は12,000トークンなので、12,000 / 1,000,000 x $0.15 = $0.0018。出力は800トークンなので、800 / 1,000,000 x $0.50 = $0.0004。合計は$0.0018 + $0.0004 = $0.0022で、1セントの2分の1未満です。
出力トークンは入力トークンの3倍以上の料金がかかるため、戦略が重要です。長文のトランスクリプトを読むのは安価ですが、長文の回答を生成するところにコストがかかります。トランスクリプトの5%程度の長さの要約は、全文を書き直すよりもはるかに安価です。
ご自身のボリュームで実行したい場合のための関数としての同じ計算式：
# 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最大行の計算も確認してください：96,000 x $0.15 / 1M = $0.0144、および 4,000 x $0.50 / 1M = $0.002、合計は$0.0164になります。
音声側は別の項目です
このサービスは音声をトランスクリプト化しないため、分単位の音声料金はありません。そのためには、ご自身で選択したWhisperベースのサービスが必要です。ホスト型トランスクリプションサービスは通常、音声の分または時間で課金しますが、セルフホスト型の場合は、その料金の代わりにGPUまたはCPUの使用コストとメンテナンスコストがかかります。価格は頻繁に変更されるため、ブログからコピーした数字を信じるのではなく、最新の料金をご確認ください。
予算策定には、両方のコストを合計してください：音声時間×音声認識レート、および文字起こし×トークンレート。会議を処理するほとんどのパイプラインでは、文字起こし行の方がコストが高くなります。1時間の通話の文字起こし処理は1セントのわずかな部分しかコストがかからないためです。既存のハードウェアでWhisperを自分で実行する場合、テキストAPIが唯一の直接請求対象となる可能性があります。
セットアップの詳細が必要な場合は、クイックスタートでテキスト処理のリクエスト形式を確認してください。
前払いクレジット、無料プランなし
無料プランもサブスクリプションもありません。前払いクレジットから支払い、クレジットは期限切れになりません。新規ユーザーには、支払いなしでテストできる1つの方法があります。サインアップ後、APIキーページに$0.50の無料トライアルクレジットを受け取るためのワンクリックボタンがあります。これは1人1回限りで、有効期限は7日、クレジットカードは不要です。
この$0.50は見た目以上に長く持ちます。1時間の会議の要約で$0.0022かかる場合、約227回の要約（0.50 / 0.0022 = 227.3）をカバーできます。トライアルキーは同時リクエスト数が2、1分あたりのリクエスト数が60に制限されていますが、録音バッチのパイプラインテストには十分です。
トライアル終了後、$20から$500までの任意の整数金額でチャージできます。カード（Visa、Mastercard、Apple Pay、Google Pay）または暗号資産（TRC20上のUSDT、Base上のUSDC）で支払い可能です。大口のチャージには、付与されるクレジットにボーナスが加算されます：
| チャージ | ボーナス | 受け取ったクレジット |
|---|---|---|
| $20 | なし | $20.00 |
| $50 | +5% | $52.50 |
| $100 | +10% | $110.00 |
| $200 | +15% | $230.00 |
現在のリストは料金ページで確認できます。
1か月の会議にかかるコスト
チームが週に40回の1時間会議を録音すると仮定します。月換算では約173回（40 x 52 / 12 = 173.3）となります。テキスト側のコストは1回あたり$0.0022なので、月間の合計は約173.3 x $0.0022 = $0.38となります。$20のチャージで、このワークロードを4年以上カバーでき、クレジットの有効期限はありません。
より重いケース：1ヶ月に5,000件の1時間録音データを処理するサービスで、入力は12,000トークン、各録音の要約は800トークンとします。これは5,000 x $0.0022 = $11となります。顧客が詳細なメモを希望するため、録音ごとの出力トークンを3,000トークンに引き上げると、録音ごとの出力コストは3,000 x $0.50 / 1M = $0.0015となり、録音ごとの合計は$0.0018 + $0.0015 = $0.0033、月間の合計は$16.50となります。
請求額に影響を与えた要因に注目してください。トランスクリプトの長さは変わっていません。回答の長さだけが変化しました。コストが予想より増えた場合は、まず出力サイズを確認してください。
手作業と比較
誠実な比較は、あなた自身の時間との比較です。1時間の録音を聞いてノートをタイプするアシスタントは、1時間以上を費やします。モデルは同じ1時間をテキストとして数秒で読み、おそらく半分以下の時間でノートを生成します。1時間の会議で$0.0022かかるため、テキスト処理はコストの中心ではありません。音声トランスクリプション、パイプライン構築のエンジニアリング時間、出力のレビューの方がコストがかかります。
モデルは間違いも起こすため、重要な内容については人間の確認を想定してください。生成されたノートに2分間ざっと目を通すレビュアーでも、ゼロから作成するよりも高速であり、また、時折の捏造された所有者や聞き間違いの数値を検出できます。失敗または拒否されたリクエストにはコストがかからないため、実際に受信した回答に対してのみテキストコストが発生します。
テキスト料金を抑える方法
- 回答を制限する。 短い要約だけでよい場合は、
max_tokensを設定してください。必須ではありませんが、奇妙なトランスクリプトでの暴走する回答を防ぎます。 - トランスクリプトを再送信しない。 1回の会議から3つの出力が必要な場合、12,000トークンの入力を3回支払うのではなく、1つのリクエストでJSONオブジェクトとして要求してください。
- レスポンスから使用状況を確認します。
usageブロックはプロンプトトークンとコンプリーショントークンを報告し、ストリーミングレスポンスには末尾に使用状況が含まれます。X-Balance-USDレスポンスヘッダーは、あなたの残りのクレジットを示します。 - リトライを低コストに保つ。 失敗または拒否されたリクエストは課金されないため、エラー時のリトライループは請求額に追加されません。
from 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))これらの習慣と、残高ヘッダーの毎日チェックを組み合わせれば、月末ではなく1日以内にコストの問題に気づくことができます。ドキュメントにはレスポンスヘッダーとエラーコードがリストされています。
その他のガイド
質問と回答
無料プランはありますか？
いいえ。新規ユーザーは1回限りの$0.50のトライアルクレジットを付与され、7日間有効でカードの提示は不要です。その後、前払いクレジットから支払いを行い、最初のチャージは$20から行います。
このAPIには音声からテキストへの変換機能が含まれていますか？
いいえ。テキストのみ対応のため、音声には別のサービスまたは独自のWhisperサーバーが必要です。音声側の料金は、該当プロバイダーの現在の価格表をご確認ください。
1時間の会議テキストの要約にはどのくらいのコストがかかりますか？
入力トークン約12,000、出力トークン800で、約$0.0022かかります。内訳は入力が$0.0018、出力が$0.0004です。
クレジットは期限がありますか？
いいえ、前払いクレジットは期限切れになりません。失敗または拒否されたリクエストも課金されません。
暗号資産で支払いできますか？
はい。TRC20上のUSDT、Base上のUSDC、またはカードでチャージできます。$20から$500までの任意の整数金額が利用可能です。
キーはあと1つのフォームで入手できます
アカウントを作成し、キーをコピーし、ベースURLを変更します。これでセットアップは完了です。
