Тарификация Whisper API: что добавляет текстовый шаг

Стоимость задачи на текстовой стороне

Распознавание речи и генерация текста тарифицируются по-разному, поэтому их удобно рассматривать отдельно. На этой странице описана текстовая часть, так как именно её продаёт этот сервис. Цифры взяты напрямую из прайс-листа: $0,15 за миллион входных токенов и $0,50 за миллион выходных токенов.

Задача	Входные токены	Выходные токены	Стоимость
10-минутный стендап, краткое саммари	2 000	300	$0.00045
встреча на 1 час, резюме и список поручений	12 000	800	$0.0022
3-часовой воркшоп, структурированные заметки	36 000	1 500	$0.00615
Почти полное окно, длинный отчет	96 000	4 000	$0.0164

Количество токенов здесь — приблизительная оценка. Грубое правило для английской речи: один час разговора дает около 9 000 слов, что составляет порядка 12 000 токенов, но реальные цифры зависят от диктора и от того, как оформлена стенограмма.

Как работает расчет

Возьмем встречу продолжительностью один час. Входные данные составляют 12 000 токенов, значит 12 000 / 1 000 000 x $0,15 = $0,0018. Выходные данные составляют 800 токенов, значит 800 / 1 000 000 x $0,50 = $0,0004. Итого $0,0018 + $0,0004 = $0.0022, чуть более двух десятых цента.

Выходные токены стоят более чем в три раза дороже входных, что определяет стратегию: чтение длинной стенограммы дешево, а вот генерация длинного ответа — это основные расходы. Резюме, составляющее 5 процентов от длины стенограммы, обойдется значительно дешевле, чем полная переписанная стенограмма.

Такой же расчет в виде функции, если вы хотите запустить его для своих объемов:

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

Проверьте арифметику в самой большой строке: 96 000 x $0,15 / 1M = $0,0144, и 4 000 x $0,50 / 1M = $0,002, что в сумме дает $0.0164.

Аудио-сторона — это отдельная статья расходов

Этот сервис не выполняет транскрипцию аудио, поэтому у него нет цены за минуту аудио. Для этого вам понадобится сервис на базе Whisper по вашему выбору. Услуги хостинга от различных провайдеров обычно тарифицируются по минутам или часам аудио, тогда как самостоятельное развертывание заменяет эту плату стоимостью времени GPU или CPU плюс вашим собственным обслуживанием. Цены часто меняются, поэтому проверяйте их текущие тарифы, а не полагайтесь на цифры из блога.

Для расчёта бюджета сложите две части: часы аудио × тариф на распознавание + объём текстов × тариф за токен. В большинстве конвейеров обработки совещаний статья расходов на транскрипцию оказывается больше, так как обработка текста одного часа разговора стоит доли цента. Если вы запускаете Whisper самостоятельно на своём оборудовании, API для текста может стать единственной прямой статьей расходов.

Если вам нужны детали настройки, руководство по быстрому старту показывает формат запроса для текстового этапа.

Предоплаченный баланс, нет бесплатного тарифа

Бесплатного тарифа и подписки нет. Вы платите из предоплаченного баланса, и баланс не сгорает. У новых пользователей есть один способ протестировать сервис без оплаты: после регистрации на странице API-ключа есть кнопка для получения $0,50 пробного баланса в один клик. Она доступна один раз на человека, действительна в течение 7 дней и не требует привязки карты.

Эти $0,50 позволяют сделать больше, чем кажется. При стоимости $0.0022 за часовую встречу они покрывают около 227 сводок (0,50 / 0,0022 = 227,3). Пробный ключ ограничен 2 параллельными запросами и 60 запросами в минуту, чего вполне достаточно для тестирования конвейера на партии записей.

После окончания пробного периода вы пополняете баланс любой целой суммой от $20 до $500. Оплата картой (Visa, Mastercard, Apple Pay, Google Pay) или криптовалютой (USDT на TRC20, USDC на Base). За крупные пополнения начисляется бонус к балансу:

Пополнение	Бонус	Полученный кредит
$20	нет	$20,00
$50	+5%	$52,50
$100	+10%	$110,00
$200	+15%	$230,00

Текущий список тарифов доступен на странице тарифов.

Сколько стоят встречи за месяц

Предположим, команда записывает 40 часовых встреч в неделю. Это около 173 в месяц (40 x 52 / 12 = 173,3). Каждая стоит $0.0022 в текстовой части, поэтому месячная сумма составляет примерно 173,3 x $0.0022 = $0,38. Пополнение на $20 покроет более четырех лет такой нагрузки, и у баланса нет срока действия.

Теперь более сложный случай: сервис обрабатывает 5 000 часовых записей в месяц с входным контекстом 12 000 токенов и кратким изложением на 800 токенов. Это 5 000 × $0.0022 = $11. Увеличьте объём вывода до 3 000 токенов на запись, так как клиенты хотят подробные заметки. Тогда стоимость вывода на одну запись составит 3 000 × $0,50 / 1M = $0,0015, итоговая стоимость одной записи — $0,0018 + $0,0015 = $0,0033, а за месяц — $16,50.

Обратите внимание, что именно изменило сумму счёта. Длина стенограммы не изменилась, изменилась только длина ответа. Если расходы растут быстрее ожидаемого, сначала посмотрите на объем выходных данных.

Сравнение с ручной работой

Честное сравнение — с вашим собственным временем. Ассистент, который слушает часовую запись и печатает заметки, тратит час или больше. Модель читает тот же час в виде текста за несколько секунд и пишет заметки, возможно, за полминуты. При стоимости $0.0022 за час встречи текстовый шаг — это не то место, где тратятся деньги; аудиотранскрипция, время инженеров на создание конвейера и проверка результатов обходятся дороже.

Модель также допускает ошибки, поэтому закладывайте время на короткую проверку человеком для всего, что важно. Рецензент, просматривающий сгенерированные заметки за две минуты, все еще быстрее, чем писать их с нуля, а проверка выявляет редкие выдуманные имена участников или неверно услышанные цифры. Неудачные или отклоненные запросы ничего не стоят, поэтому траты на текст идут только за полученные ответы.

Способы уменьшить счет за текст

• Ограничьте ответ. Установите max_tokens, когда вам нужна только краткая сводка. Это необязательно, но это предотвращает неконтролируемый рост ответа на странной транскрипции.
• Не отправляйте стенограмму повторно. Если вам нужно три вывода из одной встречи, запросите их в одном запросе в виде объекта JSON, а не тремя вызовами, каждый из которых оплачивает 12 000 входных токенов.
• Читайте использование из ответа. Блок usage сообщает о промпт- и токенах завершения, а потоковые ответы содержат данные об использовании в конце. Заголовок ответа X-Balance-USD показывает ваш оставшийся баланс.
• Делайте повторные запросы дешевыми. Неудачные или отклоненные запросы не оплачиваются, поэтому цикл повторных запросов при ошибках не увеличивает счет.

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))

Сочетая эти привычки с ежедневной проверкой заголовка баланса, вы заметите проблему с затратами в течение дня, а не в конце месяца. В документации перечислены заголовки ответов и коды ошибок.

Дополнительные руководства

• Whisper API Server: Варианты настройки и текстовый этап
• Заметки с совещания LLM API: от стенограммы к саммари на Python
• Midjourney API: устранение неполадок и альтернативы