Whisper API 定價：文字步驟的額外費用

文字側每個任務的成本

語音轉文字與文字生成的計價單位不同，因此建議分開檢視。本頁涵蓋文字部分，因為這是該服務銷售的重點。以下數字直接來自價目表：每百萬輸入 token 為 $0.15，每百萬輸出 token 為 $0.50。

工作	輸入 token	輸出 token	成本
10 分鐘站立會議，簡短摘要	2,000	300	$0.00045
1 小時會議，摘要與行動項目	12,000	800	$0.0022
3 小時工作坊，結構化筆記	36,000	1,500	$0.00615
接近完整上下文視窗，長報告	96,000	4,000	$0.0164

此處的 token 數量為估計值。英語語音的粗略規則是，一小時的說話內容約產生 9,000 個單詞，相當於約 12,000 個 token，但實際數字取決於說話者和轉錄內容的格式。

計算方式

以一場一小時的會議為例。輸入為 12,000 token，因此 12,000 / 1,000,000 x $0.15 = $0.0018。輸出為 800 token，因此 800 / 1,000,000 x $0.50 = $0.0004。總計為 $0.0018 + $0.0004 = $0.0022，略高於兩分之一美分。

輸出 token 的成本是輸入 token 的三倍以上，這確立了策略：閱讀長轉錄內容很便宜，寫出長回答才是費用所在。摘要長度為轉錄內容 5% 的成本遠低於重寫整個轉錄內容的成本。

作為函式的相同計算，以便你針對自己的用量運行：

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

也請檢查最大行的算術：96,000 x $0.15 / 1M = $0.0144，以及 4,000 x $0.50 / 1M = $0.002，總計為 $0.0164。

音訊側是單獨的項目

此服務不轉錄音訊，因此沒有每分鐘的音訊價格。你需要自行選擇基於 Whisper 的服務來完成此工作。來自不同供應商的託管轉錄服務通常按音訊的分鐘或小時計費，而自託管設置則以 GPU 或 CPU 時間成本以及你自己的維護成本取代該費用。價格變化頻繁，因此請查閱其當前定價，而不是依賴從博客複製的數字。

對於預算規劃，將兩側相加：音訊小時數乘以語音費率，加上轉錄內容乘以上述的 token 費率。在處理會議的大多數管道中，轉錄行是較大的一方，因為一小時通話的文字步驟費用僅為幾分之一美分。如果你在自己擁有的硬體上運行 Whisper，則文字 API 可能是你看到的唯一直接帳單。

如果你想了解設置詳情，快速入門展示了文字步驟的請求格式。

預付額度，無免費方案

沒有免費方案也沒有訂閱。你從預付額度付費，且額度不會過期。新用戶有一個免費測試的方法：註冊後，API 金鑰頁面有一個一鍵按鈕可領取 $0.50 的試用額度。每人限領一次，有效期 7 天，且無需綁定信用卡。

這 $0.50 的購買力比聽起來更強。以每次一小時會議 $0.0022 計算，它可以覆蓋約 227 次摘要（0.50 / 0.0022 = 227.3）。試用金鑰限制為 2 個並行請求和每分鐘 60 個請求，這足以在錄音批次上測試管道。

試用期後，你可以儲值 $20 到 $500 之間的任意整數金額。你可以使用信用卡（Visa、Mastercard、Apple Pay、Google Pay）或加密貨幣（TRC20 上的 USDT、Base 上的 USDC）付款。較大的儲值金額會獲得額度的贈送：

儲值	獎勵	獲得的額度
$20	無	$20.00
$50	+5%	$52.50
$100	+10%	$110.00
$200	+15%	$230.00

定價頁面在一個地方列出了當前價格。

一個月會議的成本

假設一個團隊每週錄製 40 場一小時的會議。這大約是每月 173 場（40 x 52 / 12 = 173.3）。每場會議的文字側費用為 $0.0022，因此月度總計約為 173.3 x $0.0022 = $0.38。$20 的儲值足以覆蓋該工作負載四年以上的時間，且額度永不過期。

現在考慮一個更重的案例：一個服務在一個月內處理 5,000 個一小時的錄音，每個錄音的輸入為 12,000 個 token，摘要為 800 個 token。總計為 5,000 x $0.0022 = $11。如果因為客戶希望獲得詳細筆記而將輸出增加到每個錄音 3,000 個 token，則每個錄音的輸出成本變為 3,000 x $0.50 / 1M = $0.0015，因此每個錄音的總計為 $0.0018 + $0.0015 = $0.0033，月度總計為 $16.50。

注意帳單的變化。轉錄內容長度沒有改變，只有回答長度改變。如果成本增長快於預期，請首先檢查你的輸出大小。

與手動處理的比較

誠實的比較是與你自己的時間相比。助理聽一小時錄音並打字記錄筆記需要一小時或更久。模型在幾秒鐘內以文字形式讀取同樣的一小時內容，並在約半分鐘內寫出筆記。以每次會議 $0.0022 計算，文字步驟並非費用所在；音訊轉錄、構建管道的工程時間以及輸出審核的成本更高。

模型也會出錯，因此對於重要的內容，請預留少量人工檢查預算。審查員花兩分鐘瀏覽生成的筆記仍然比從頭撰寫快，且檢查可以捕捉偶爾出現的虛構所有者或聽錯的數字。失敗或被拒絕的請求不收費，因此唯一的文字支出僅針對實際收到的回答。

保持文字帳單低廉的方法

• 限制回答長度。 當你只需要簡短摘要時，請設定 max_tokens。這是可選的，但可以防止在異常轉錄內容上產生失控的回答。
• 不要重新發送轉錄內容。 如果你需要從一次會議獲得三個輸出，請以 JSON 物件的形式在一次請求中要求，而不是進行三次呼叫，每次都要為 12,000 個輸入 token 付費。
• 從回應中讀取用量。 usage 區塊報告提示詞和完成 token，串流輸出在結尾包含用量。X-Balance-USD 回應標頭顯示你剩餘的額度。
• 保持重試成本低廉。 失敗或被拒絕的請求不收費，因此錯誤重試循環不會增加帳單。

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))

將這些習慣與每日檢查平衡標頭結合，你可以在一天內發現成本問題，而不是等到月底。文件列出了回應標頭和錯誤代碼。

更多指南

• Whisper API 伺服器：設定選項與文字步驟
• LLM API 會議筆記：Python 將錄音轉為摘要
• Midjourney API：疑難排解與替代方案