Giá API Whisper: Bước văn bản thêm gì

Chi phí cho mỗi công việc ở phía văn bản

Chuyển giọng nói thành văn bản và tạo văn bản được định giá bằng các đơn vị khác nhau, vì vậy việc xem xét riêng từng phần sẽ hữu ích. Trang này chỉ đề cập đến phần văn bản, vì đó là phần dịch vụ này bán. Các số liệu dưới đây lấy trực tiếp từ bảng giá: $0,15 cho mỗi triệu token đầu vào và $0,50 cho mỗi triệu token đầu ra.

Nhiệm vụ	Token đầu vào	Token đầu ra	Chi phí
Cuộc họp ngắn 10 phút, tóm tắt ngắn	2.000	300	$0.00045
Cuộc họp 1 giờ, tóm tắt và các mục hành động	12.000	800	$0.0022
Hội thảo 3 giờ, ghi chú có cấu trúc	36.000	1.500	$0.00615
Gần đầy cửa sổ ngữ cảnh, báo cáo dài	96.000	4.000	$0,0164

Số lượng token ở đây là ước tính. Một quy tắc chung cho giọng nói tiếng Anh là một giờ nói tạo ra khoảng 9,000 từ, tương đương khoảng 12,000 token, nhưng số liệu thực tế phụ thuộc vào người nói và cách định dạng bản ghi.

Cách tính toán

Hãy tính một cuộc họp một giờ. Đầu vào là 12.000 token, vậy 12.000 / 1.000.000 x $0,15 = $0,0018. Đầu ra là 800 token, vậy 800 / 1.000.000 x $0,50 = $0,0004. Tổng cộng là $0,0018 + $0,0004 = $0.0022, hơi hơn hai phần nghìn của một cent.

Token đầu ra đắt hơn gấp hơn ba lần so với token đầu vào, điều này xác định chiến lược: đọc một bản ghi dài thì rẻ, nhưng viết một câu trả lời dài mới là nơi tốn tiền. Một bản tóm tắt bằng 5% độ dài bản ghi sẽ rẻ hơn nhiều so với việc viết lại toàn bộ bản ghi.

Cùng một phép tính dưới dạng hàm, nếu bạn muốn chạy nó với khối lượng công việc của riêng mình:

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

Hãy kiểm tra lại phép tính ở hàng lớn nhất: 96.000 x $0,15 / 1M = $0,0144, và 4.000 x $0,50 / 1M = $0,002, cộng lại thành $0,0164.

Phần âm thanh là một mục riêng biệt

Dịch vụ này không thực hiện phiên âm âm thanh, nên không có giá âm thanh theo phút. Bạn sẽ cần một dịch vụ dựa trên Whisper do bạn tự chọn cho việc đó. Dịch vụ phiên âm âm thanh được lưu trữ từ các nhà cung cấp khác nhau thường tính phí theo phút hoặc giờ âm thanh, trong khi thiết lập tự lưu trữ thay thế khoản phí đó bằng chi phí GPU hoặc thời gian CPU, cộng với chi phí bảo trì của bạn. Giá cả thay đổi thường xuyên, vì vậy hãy kiểm tra giá hiện tại của họ thay vì dựa vào một số liệu sao chép từ blog.

Để lập ngân sách, hãy cộng hai phần lại: giờ âm thanh nhân với tỷ lệ chuyển giọng nói, cộng với số bản ghi nhân với tỷ lệ token ở trên. Trong hầu hết các quy trình xử lý cuộc họp, dòng chuyển văn bản là phần lớn hơn trong hai phần, vì bước văn bản trong một cuộc họp một giờ tốn một phần nhỏ của một cent. Nếu bạn tự chạy Whisper trên phần cứng bạn đã sở hữu, API văn bản có thể là hóa đơn trực tiếp duy nhất bạn thấy.

Nếu bạn muốn biết chi tiết thiết lập, hướng dẫn nhanh sẽ hiển thị định dạng yêu cầu cho bước văn bản.

Tín dụng trả trước, không có gói miễn phí

Không có gói miễn phí và không có gói đăng ký. Bạn thanh toán từ tín dụng trả trước và tín dụng không hết hạn. Người dùng mới có một cách để dùng thử mà không cần trả tiền: sau khi đăng ký, trang khóa API có một nút một cú nhấp chuột để nhận $0,50 tín dụng dùng thử. Mỗi người một lần, có hiệu lực trong 7 ngày và không cần thẻ.

Số tiền $0,50 đó đi xa hơn vẻ bề ngoài. Với giá $0.0022 cho một cuộc họp dài một giờ, nó bao gồm khoảng 227 bản tóm tắt (0,50 / 0,0022 = 227,3). Khóa dùng thử bị giới hạn ở 2 yêu cầu đồng thời và 60 yêu cầu mỗi phút, điều này đủ để kiểm tra một quy trình trên một lô bản ghi.

Sau khi hết thời gian dùng thử, bạn có thể nạp bất kỳ số nguyên nào từ $20 đến $500. Bạn thanh toán bằng thẻ (Visa, Mastercard, Apple Pay, Google Pay) hoặc tiền mã hóa (USDT trên TRC20, USDC trên Base). Các khoản nạp lớn hơn sẽ nhận được khoản bổ sung trên tín dụng bạn nhận được:

Nạp tiền	Tiền thưởng	Tín dụng nhận được
$20	không có	$20,00
$50	+5%	$52,50
$100	+10%	$110,00
$200	+15%	$230,00

Trang giá cả có danh sách hiện tại ở một nơi.

Chi phí cho một tháng cuộc họp là bao nhiêu

Giả sử một nhóm ghi âm 40 cuộc họp một giờ mỗi tuần. Đó là khoảng 173 cuộc mỗi tháng (40 x 52 / 12 = 173,3). Mỗi cuộc tốn $0.0022 ở phía văn bản, vì vậy tổng hàng tháng là khoảng 173,3 x $0.0022 = $0,38. Một khoản nạp $20 sẽ chi trả hơn bốn năm cho khối lượng công việc đó, và tín dụng không có ngày hết hạn.

Bây giờ là một trường hợp nặng hơn: một dịch vụ xử lý 5.000 bản ghi dài một giờ trong một tháng với đầu vào 12.000 token và bản tóm tắt 800 token mỗi bản. Đó là 5.000 x $0.0022 = $11. Tăng đầu ra lên 3.000 token mỗi bản ghi vì khách hàng muốn ghi chú chi tiết, và chi phí đầu ra mỗi bản ghi trở thành 3.000 x $0,50 / 1M = $0,0015, nên tổng mỗi bản ghi là $0,0018 + $0,0015 = $0,0033, và tháng đó lên tới $16,50.

Hãy chú ý những gì đã làm tăng hóa đơn. Độ dài bản ghi không thay đổi, chỉ có độ dài câu trả lời. Nếu chi phí tăng nhanh hơn dự kiến, hãy xem xét kích thước đầu ra trước tiên.

So sánh với việc làm thủ công

So sánh trung thực là với thời gian của chính bạn. Một trợ lý nghe một bản ghi dài một giờ và gõ ghi chú mất một giờ hoặc hơn. Mô hình đọc cùng một giờ dưới dạng văn bản trong vài giây và viết ghi chú trong khoảng nửa phút. Với giá $0.0022 cho mỗi giờ họp, bước văn bản không phải là nơi tốn tiền; việc chuyển đổi âm thanh sang văn bản, thời gian kỹ thuật để xây dựng quy trình và xem xét đầu ra tốn nhiều tiền hơn.

Mô hình cũng mắc lỗi, vì vậy hãy dự trữ một khoản kiểm tra ngắn của con người đối với bất kỳ điều gì quan trọng. Một người xem lướt qua ghi chú được tạo trong hai phút vẫn nhanh hơn việc viết chúng từ đầu, và việc kiểm tra bắt được chủ sở hữu được tạo ra ngẫu nhiên hoặc số liệu bị nghe nhầm. Các yêu cầu thất bại hoặc bị từ chối không tốn gì, vì vậy chi phí văn bản duy nhất là cho các câu trả lời bạn thực sự nhận được.

Các cách để giữ hóa đơn văn bản nhỏ

• Giới hạn câu trả lời. Đặt max_tokens khi bạn chỉ cần một bản tóm tắt ngắn. Nó là tùy chọn, nhưng nó ngăn chặn một câu trả lời vượt khỏi kiểm soát trên một bản ghi bất thường.
• Không gửi lại bản ghi. Nếu bạn cần ba đầu ra từ một cuộc họp, hãy yêu cầu chúng trong một yêu cầu dưới dạng đối tượng JSON thay vì ba cuộc gọi mà mỗi cuộc gọi phải trả phí cho 12,000 token đầu vào.
• Đọc thông tin sử dụng từ phản hồi. Khối usage báo cáo token prompt và hoàn thành, và các phản hồi truyền phát bao gồm thông tin sử dụng ở cuối. Tiêu đề phản hồi X-Balance-USD hiển thị tín dụng còn lại của bạn.
• Giữ các lần thử lại rẻ. Các yêu cầu thất bại hoặc bị từ chối không được tính phí, vì vậy một vòng lặp thử lại khi gặp lỗi sẽ không làm tăng hóa đơn.

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))

Kết hợp những thói quen đó với việc kiểm tra tiêu đề số dư hàng ngày và bạn sẽ thấy vấn đề chi phí trong vòng một ngày, chứ không phải vào cuối tháng. tài liệu liệt kê các tiêu đề phản hồi và mã lỗi.

Hướng dẫn khác

• Máy chủ API Whisper: Tùy chọn thiết lập và bước văn bản
• Ghi chú cuộc họp API LLM: Chuyển bản ghi thành tóm tắt bằng Python
• API Midjourney: Khắc phục sự cố và các lựa chọn thay thế