Whisper API 定价：文本步骤的额外费用

文本侧每任务的成本

语音转文本和文本生成的计费单位不同，因此建议分开查看。本页面涵盖文本部分，因为这是该服务出售的部分。以下数字直接来自价格表：每百万输入 token $0.15，每百万输出 token $0.50。

任务	输入 token	输出 token	成本
10 分钟站立会议，简短摘要	2,000	300	$0.00045
1 小时会议，摘要和行动项	12,000	800	$0.0022
3 小时研讨会，结构化笔记	36,000	1,500	$0.00615
接近完整窗口，长报告	96,000	4,000	$0.0164

此处的 token 数量仅为估算。英语语音的一个粗略经验法则是，一小时说话会产生约 9,000 个单词，这大约是 12,000 个 token 的数量级，但实际数字取决于说话者以及转录文本的格式。

计算方式

以一小时会议为例。输入为 12,000 token，因此 12,000 / 1,000,000 × $0.15 = $0.0018。输出为 800 token，因此 800 / 1,000,000 × $0.50 = $0.0004。总计 $0.0018 + $0.0004 = $0.0022，略高于 0.2 美分。

输出 token 的成本是输入 token 的三倍以上，这决定了策略：阅读长转录文本很便宜，而生成长答案才是花钱的地方。摘要长度仅为转录文本 5% 的成本远低于重写整个转录文本的成本。

如果希望针对自己的数据量运行计算，可将其作为函数：

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

也请检查最大行的算术：96,000 x $0.15 / 1M = $0.0144，以及 4,000 x $0.50 / 1M = $0.002，合计 $0.0164。

音频侧是单独的项目

此服务不转录音频，因此没有按分钟计算的音频价格。你需要自行选择基于 Whisper 的服务来完成此工作。各种提供商的托管转录通常按音频的分钟或小时计费，而自托管设置则用 GPU 或 CPU 时间成本加上你自己的维护成本替代该费用。价格变化频繁，因此请查看其当前定价，而不是依赖从博客复制的数字。

对于预算，将两侧相加：音频小时数乘以语音费率，加上转录文本数乘以上述 token 费率。在处理会议的大多数管道中，转录行是较大的一项，因为一小时通话的文本步骤成本仅为几分之一美分。如果你在自己的硬件上运行 Whisper，文本 API 可能是你看到的唯一直接账单。

如需设置详情，快速入门展示了文本步骤的请求格式。

预付额度，无免费套餐

没有免费套餐，也没有订阅。你从预付额度付费，且额度永不过期。新用户获得一种无需付费即可测试的方式：注册后，API 密钥页面有一个一键领取 $0.50 试用额度的按钮。每人限领一次，有效期 7 天，无需卡片。

这 $0.50 比听起来更耐用。按每小时会议 $0.0022 计算，它可以覆盖约 227 次摘要（0.50 / 0.0022 = 227.3）。试用密钥限制为 2 个并发请求和每分钟 60 个请求，这对于在录音批次上测试管道来说已经足够。

试用结束后，你可以以 $20 到 $500 之间的任意整额金额充值。你可以通过银行卡（Visa、Mastercard、Apple Pay、Google Pay）或加密货币（TRC20 上的 USDT、Base 上的 USDC）支付。较大的充值会在获得的额度上获得额外奖励：

充值	奖励	收到的额度
$20	无	$20.00
$50	+5%	$52.50
$100	+10%	$110.00
$200	+15%	$230.00

定价页面在一个地方列出了当前列表。

一个月会议的成本

假设一个团队每周录制 40 场一小时会议。这大约是每月 173 场（40 x 52 / 12 = 173.3）。每场在文本侧的成本为 $0.0022，因此月度总计约为 173.3 x $0.0022 = $0.38。$20 的充值将覆盖该工作负载四年多的时间，且额度永不过期。

再看一个更重的场景：某服务每月处理 5,000 条时长为一小时的录音，输入为 12,000 token，摘要为 800 token。即 5,000 × $0.0022 = $11。若因客户需要详细笔记将输出提升至每条录音 3,000 token，则每条录音的输出成本为 3,000 × $0.50 / 1,000,000 = $0.0015，每条录音总计为 $0.0018 + $0.0015 = $0.0033，月度总费用为 $16.50。

注意是什么导致了账单变化。转录长度没有改变，只有答案长度改变了。如果成本增长快于预期，首先查看你的输出大小。

与手工处理的比较

诚实的比较是针对你自己的时间。助手听一小时录音并整理笔记需要一小时或更长时间。模型在几秒内以文本形式读取同一小时的内容，并在大约半分钟内写出笔记。按每小时会议 $0.0022 计算，文本步骤不是花钱的地方；音频转录、构建管道的工程时间和输出审核成本更高。

模型也会出错，因此对于重要的内容，请预留简短的人工检查时间。审阅者花两分钟浏览生成的笔记仍然比从头编写要快，并且检查可以发现偶尔出现的虚构所有者或听错的数据。失败或被拒的请求不收费，因此唯一的文本支出是实际收到的答案。

保持文本账单较小的方法

• 限制答案长度。 当你只需要简短摘要时，设置 max_tokens。这是可选的，但可以防止在异常转录文本上产生失控的答案。
• 不要重新发送转录文本。 如果你需要从一个会议获得三个输出，请在一个请求中以 JSON 对象的形式请求它们，而不是进行三次调用，每次调用都要为 12,000 个输入 token 付费。
• 从响应中读取使用情况。 usage 块报告提示词和补全 token，流式响应在末尾包含使用情况。X-Balance-USD 响应头显示你的剩余额度。
• 保持重试成本低廉。 失败或被拒的请求不收费，因此错误时的重试循环不会增加账单。

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))

结合这些习惯并每天检查余额头，你会在一天内发现成本问题，而不是在月底。文档列出了响应头和错误代码。

更多指南

• Whisper API 服务器：设置选项和文本步骤
• LLM API 会议笔记：Python 中的转录到摘要
• Midjourney API：故障排除与替代方案