ราคา Whisper API: สิ่งที่ขั้นตอนข้อความเพิ่ม

ต้นทุนต่องานในส่วนข้อความ

การแปลงเสียงเป็นข้อความและการสร้างข้อความมีการคิดราคาในหน่วยที่ต่างกัน ดังนั้นจึงควรดูแยกกัน หน้าเว็บนี้ครอบคลุมส่วนข้อความ เนื่องจากเป็นส่วนของบริการนี้ที่ขายอยู่ ตัวเลขด้านล่างมาจากตารางราคาโดยตรง: $0.15 ต่อหนึ่งล้านโทเคนอินพุต และ $0.50 ต่อหนึ่งล้านโทเคนเอาต์พุต

งาน	โทเคน input	โทเคน output	ต้นทุน
การประชุมสั้นๆ 10 นาที สรุปแบบย่อ	2,000	300	$0.00045
การประชุม 1 ชั่วโมง สรุปและรายการสิ่งที่ต้องทำ	12,000	800	$0.0022
เวิร์กช็อป 3 ชั่วโมง บันทึกแบบมีโครงสร้าง	36,000	1,500	$0.00615
หน้าต่างบริบทเกือบเต็ม รายงานยาว	96,000	4,000	$0.0164

จำนวนโทเคนในหน้านี้เป็นเพียงการประมาณการ กฎโดยประมาณสำหรับคำพูดภาษาอังกฤษคือ การพูดหนึ่งชั่วโมงจะผลิตคำประมาณ 9,000 คำ ซึ่งคิดเป็นประมาณ 12,000 โทเคน แต่ตัวเลขจริงขึ้นอยู่กับผู้พูดและรูปแบบการจัดรูปแบบข้อความ

หลักคณิตศาสตร์เบื้องหลัง

ลองประชุมหนึ่งชั่วโมง: โทเคนอินพุตคือ 12,000 ดังนั้น 12,000 / 1,000,000 x $0.15 = $0.0018 โทเคนเอาต์พุตคือ 800 ดังนั้น 800 / 1,000,000 x $0.50 = $0.0004 รวมแล้วได้ $0.0018 + $0.0004 = $0.0022 ซึ่งมากกว่าสองส่วนในพันของเซ็นต์เล็กน้อย

โทเคนเอาต์พุตมีราคาสูงกว่าโทเคนอินพุตมากกว่าสามเท่า ซึ่งกำหนดกลยุทธ์: การอ่านข้อความถอดเสียงยาวมีราคาถูก แต่การเขียนคำตอบยาวคือจุดที่ค่าใช้จ่ายเกิดขึ้น สรุปความยาว 5 เปอร์เซ็นต์ของความยาวข้อความถอดเสียงมีค่าใช้จ่ายน้อยกว่าการเขียนใหม่ทั้งฉบับ

การคำนวณเดียวกันในรูปแบบฟังก์ชัน กรณีที่คุณต้องการนำไปใช้กับปริมาณการใช้งานของคุณเอง:

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

ตรวจสอบการคำนวณในแถวที่ใหญ่ที่สุดด้วย: 96,000 x $0.15 / 1M = $0.0144 และ 4,000 x $0.50 / 1M = $0.002 ซึ่งรวมกันเป็น $0.0164

ส่วนเสียงเป็นรายการค่าใช้จ่ายแยกต่างหาก

บริการนี้ไม่ได้ถอดเสียงเสียงพูด ดังนั้นจึงไม่มีราคาต่อนาทีสำหรับเสียง คุณจะต้องใช้บริการ Whisper ที่คุณเลือกเองสำหรับงานนั้น การถอดเสียงแบบโฮสต์จากผู้ให้บริการต่างๆ โดยทั่วไปจะคิดราคาตามนาทีหรือชั่วโมงของไฟล์เสียง ในขณะที่การติดตั้งแบบโฮสต์เองจะแทนที่ค่าธรรมเนียมนั้นด้วยค่า GPU หรือเวลา CPU รวมถึงค่าใช้จ่ายในการบำรุงรักษาของคุณเอง ราคาเปลี่ยนแปลงบ่อย ดังนั้นควรตรวจสอบราคาปัจจุบันของพวกเขาแทนที่จะพึ่งพาค่าที่คัดลอกมาจากบล็อก

สำหรับการวางแผนงบประมาณ ให้รวมทั้งสองส่วนเข้าด้วยกัน: ชั่วโมงเสียงคูณด้วยอัตราคำพูด บวกกับข้อความถอดเสียงคูณด้วยอัตราโทเคนด้านบน ในเวิร์กโฟลว์ส่วนใหญ่ที่ประมวลผลการประชุม ส่วนการถอดเสียงจะเป็นส่วนที่ใหญ่กว่า เพราะขั้นตอนข้อความในการประชุมหนึ่งชั่วโมงมีค่าใช้จ่ายเพียงเศษเสี้ยวของเซ็นต์ หากคุณรัน Whisper ด้วยตนเองบนฮาร์ดแวร์ที่คุณมีอยู่แล้ว API ข้อความอาจเป็นค่าใช้จ่ายโดยตรงเพียงอย่างเดียวที่คุณเห็น

หากคุณต้องการรายละเอียดการตั้งค่า เริ่มต้นอย่างรวดเร็ว จะแสดงรูปแบบคำขอสำหรับขั้นตอนข้อความ

เครดิตแบบเติมเงินล่วงหน้า ไม่มีระดับฟรี

ไม่มีระดับฟรีและไม่มีสมาชิก คุณจ่ายจากเครดิตแบบเติมเงินล่วงหน้า และเครดิตไม่หมดอายุ ผู้ใช้ใหม่มีวิธีเดียวในการทดสอบโดยไม่ต้องจ่าย: หลังจากเข้าสู่ระบบ หน้าคีย์ API จะมีปุ่มคลิกเดียวสำหรับเครดิตทดลองใช้ $0.50 ใช้ได้หนึ่งครั้งต่อคน มีอายุ 7 วัน และไม่ต้องการบัตร

$0.50 นั้นคุ้มค่ามากกว่าที่คิด ที่ $0.0022 ต่อการประชุมหนึ่งชั่วโมง เงินจำนวนนี้ครอบคลุมการสรุปได้ประมาณ 227 ฉบับ (0.50 / 0.0022 = 227.3) คีย์ทดลองใช้จำกัดคำขอพร้อมกัน 2 คำขอและ 60 คำขอต่อนาที ซึ่งเพียงพอสำหรับการทดสอบเวิร์กโฟลต์กับชุดการบันทึกเสียง

หลังจากหมดช่วงทดลอง คุณสามารถเติมเงินด้วยจำนวนเต็มใดๆ ตั้งแต่ $20 ถึง $500 คุณจ่ายด้วยบัตร (Visa, Mastercard, Apple Pay, Google Pay) หรือคริปโต (USDT บน TRC20, USDC บน Base) การเติมเงินจำนวนมากขึ้นจะได้รับโบนัสในเครดิตที่คุณได้รับ:

เติมเงิน	โบนัส	เครดิตที่ได้รับ
$20	ไม่มี	$20.00
$50	+5%	$52.50
$100	+10%	$110.00
$200	+15%	$230.00

หน้ากำหนดราคา มีรายการปัจจุบันในที่เดียว

ค่าใช้จ่ายการประชุมหนึ่งเดือน

สมมติว่าทีมบันทึกการประชุม 40 ครั้งที่มีความยาวหนึ่งชั่วโมงต่อสัปดาห์ นั่นคือประมาณ 173 ครั้งต่อเดือน (40 x 52 / 12 = 173.3) แต่ละครั้งมีค่าใช้จ่าย $0.0022 สำหรับส่วนข้อความ ดังนั้นยอดรวมรายเดือนคือประมาณ 173.3 x $0.0022 = $0.38 การเติมเงิน $20 จะครอบคลุมภาระงานนั้นได้นานกว่าสี่ปี และเครดิตไม่มีวันหมดอายุ

ตอนนี้พิจารณากรณีการใช้งานหนัก: บริการที่ประมวลผลการบันทึกเสียงหนึ่งชั่วโมง 5,000 รายการต่อเดือน โดยมีอินพุต 12,000 โทเคนและสรุป 800 โทเคนต่อรายการ นั่นคือ 5,000 x $0.0022 = $11 หากเพิ่มเอาต์พุตเป็น 3,000 โทเคนต่อการบันทึกเพราะลูกค้าต้องการบันทึกย่อที่ละเอียด ค่าใช้จ่ายเอาต์พุตต่อการบันทึกจะกลายเป็น 3,000 x $0.50 / 1M = $0.0015 ดังนั้นยอดรวมต่อการบันทึกคือ $0.0018 + $0.0015 = $0.0033 และยอดรวมรายเดือนคือ $16.50

สังเกตสิ่งที่ทำให้บิลเปลี่ยนแปลง ความยาวข้อความถอดเสียงไม่เปลี่ยนแปลง มีเพียงความยาวคำตอบเท่านั้น หากค่าใช้จ่ายเติบโตเร็วกว่าที่คาด ให้ดูขนาดเอาต์พุตของคุณก่อนสิ่งอื่นใด

การเปรียบเทียบกับการทำด้วยมือ

การเปรียบเทียบที่ตรงไปตรงมาก็คือกับเวลาของคุณเอง ผู้ช่วยที่ฟังการบันทึกเสียงหนึ่งชั่วโมงและพิมพ์บันทึกใช้เวลาหนึ่งชั่วโมงหรือนานกว่านั้น โมเดลอ่านชั่วโมงเดียวกันเป็นข้อความในไม่กี่วินาทีและเขียนบันทึกในเวลาประมาณครึ่งนาที ที่ $0.0022 ต่อชั่วโมงของการประชุม ขั้นตอนข้อความไม่ใช่จุดที่ค่าใช้จ่ายเกิดขึ้น; การถอดเสียงเสียง เวลาวิศวกรรมในการสร้างเวิร์กโฟลต์ และการตรวจสอบผลลัพธ์มีค่าใช้จ่ายมากกว่า

โมเดลยังทำผิดพลาดได้ ดังนั้นควรจัดสรรเวลาสำหรับการตรวจสอบโดยมนุษย์สำหรับข้อมูลที่สำคัญ ผู้ตรวจสอบที่อ่านผ่านบันทึกที่สร้างขึ้นมาเพียงสองนาทียังเร็วกว่าการเขียนจากต้นฉบับ และการตรวจสอบนี้จะจับชื่อหรือตัวตนที่โมเดลสร้างขึ้นมาเองหรือตัวเลขที่ฟังผิดได้ คำขอที่ล้มเหลวหรือถูกปฏิเสธจะไม่เสียค่าใช้จ่าย ดังนั้นค่าใช้จ่ายข้อความจะเกิดขึ้นเฉพาะกับคำตอบที่คุณได้รับจริงๆ เท่านั้น

วิธีลดบิลข้อความให้ต่ำ

• จำกัดคำตอบ ตั้งค่า max_tokens เมื่อคุณต้องการเพียงสรุปสั้นๆ การตั้งค่านี้เป็นตัวเลือก แต่จะช่วยป้องกันไม่ให้คำตอบยาวเกินเหตุเมื่อเจอบทถอดเสียงที่แปลกประหลาด
• อย่าส่งบทถอดเสียงซ้ำ หากคุณต้องการผลลัพธ์สามรายการจากการประชุมหนึ่งครั้ง ให้ขอทั้งหมดในคำขอเดียวเป็นวัตถุ JSON แทนที่จะทำสามคำขอที่แต่ละรายการจ่ายสำหรับ 12,000 โทเคนอินพุต
• ตรวจสอบการใช้งานจากรีสปอนส์ บล็อก usage รายงานโทเคนพรอมต์และโทเคนคำตอบ และรีสปอนส์แบบสตรีมมิงจะรวมการใช้งานไว้ที่ส่วนท้าย ส่วนหัวของรีสปอนส์ X-Balance-USD แสดงเครดิตคงเหลือของคุณ
• เก็บการลองใหม่ให้ประหยัด คำขอที่ล้มเหลวหรือถูกปฏิเสธจะไม่ถูกเรียกเก็บเงิน ดังนั้นลูปการลองใหม่เมื่อเกิดข้อผิดพลาดจึงไม่เพิ่มใบแจ้งหนี้

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))

หากใช้นิสัยเหล่านี้ร่วมกับการตรวจสอบส่วนหัวของยอดเงินทุกวัน คุณจะเห็นปัญหาต้นทุนภายในหนึ่งวัน ไม่ใช่ตอนสิ้นเดือน เอกสาร docs มีรายการส่วนหัวของคำตอบและรหัสข้อผิดพลาด

คู่มือเพิ่มเติม

• Whisper API Server: ตัวเลือกการตั้งค่าและขั้นตอนข้อความ
• บันทึกการประชุม LLM API: จากบทถอดเสียงเป็นบทสรุปใน Python
• API ของ Midjourney: การแก้ปัญหาและทางเลือก