Tarifs des modèles de reconnaissance vocale comparés
Coût à l'heure de chaque modèle de transcription que BibiGPT peut exécuter, plus quelques API de référence. Les modèles facturés au token sont convertis avec les densités que nous avons mesurées.
Prix vérifiés le 2026-10-26. Ce sont des prix catalogue en amont, pas les tarifs de BibiGPT.
| Modèle | par heure | 10 h | Prix catalogue | Points forts | Dans BibiGPT |
|---|---|---|---|---|---|
Transcription sur l'appareil Bibi Local Application de bureau Bibi Local SenseVoice / Whisper (on device)L'audio ne quitte jamais votre machine. La vitesse dépend de votre ordinateur. | $0 | $0 | Gratuit (s'exécute sur votre ordinateur) | zh/en/ja/ko/yue et plus Horodatage des mots | Sur l'appareil Application de bureau, mode local Télécharger Bibi Local |
Qwen-Audio-3.1 ASRLe moins cher Alibaba Qwen qwen-audio-3.1-asr-flash-filetransEnviron ¥0.075–0.10 l'heure sur nos échantillons en chinois, l'option cloud la moins chère que nous ayons mesurée. Meilleur que Paraformer sur les noms de produits ; les mots de remplissage sont conservés. | $0.0136Mesuré | $0.136 | ¥0.8 en entrée / ¥2.7 en sortie par million de tokens (région de Pékin) | 30 langues + 10 dialectes chinois Horodatage des motsLocuteursMots-clésDialectes | Dans BibiGPT |
StepAudio 2.5 ASR StepFun stepaudio-2.5-asrL'API facturée à la durée la moins chère. Excellente en mandarin ; pas de dialectes ni d'identification des locuteurs. | $0.0211 | $0.211 | ¥0.15/h ($0.022/h) | Chinois, anglais Horodatage des motsMots-clés | Dans BibiGPT |
Paraformer v2 Alibaba Qwen paraformer-v2Le choix par défaut de BibiGPT pour les vidéos en chinois, avec identification des locuteurs et suppression des hésitations activées. Faible sur les noms de marque. | $0.0406 | $0.406 | ¥0.00008/s | zh/en/ja/ko/de/fr/ru + ~18 accents Horodatage des motsLocuteursMots-clésSuppression des hésitationsDialectes | Dans BibiGPT |
DeepSeek POST /v1/tools/asrMesuré sur FLEURS : CER de 1,9 % en chinois (2e sur 6), WER de 6,4 % en anglais, environ 1 s par extrait. 120 s maximum par fichier et pas d’horodatage : plutôt pour la saisie vocale que pour les sous-titres. | $0.058 | $0.58 | 0,116 $/heure (−50 % pour une durée limitée : 0,058 $), facturé à la seconde | 21 langues dont le cantonais, détection automatique Dialectes | Pas dans BibiGPT |
Grok Voice Transcribe 2.0 xAI grok-voice-transcribe-2.0Un choix économique pour l'anglais et les autres langues hors CJK. Pas pour le chinois. | $0.1 | $1 | $0.10/h (par lot) | 25 langues (hors CJK) Horodatage des motsLocuteurs | Dans BibiGPT |
Whisper large-v3 (Groq) OpenAI open source / Groq whisper-large-v3Le plus de langues et très rapide. Pas d'identification des locuteurs ; peut halluciner sur les silences. | $0.111 | $1.11 | $0.111/h | 99 langues Horodatage des mots | Dans BibiGPT |
Qwen3-ASR Flash Alibaba Qwen qwen3-asr-flash-filetransRenvoie des étiquettes d'émotion, ce que la 3.1 ne fait pas. Pas d'identification des locuteurs. | $0.112 | $1.12 | ¥0.00022/s | ~27 langues + 4 dialectes Horodatage des motsÉmotionDialectes | Dans BibiGPT |
Qwen-Audio-3.0 ASR Alibaba Qwen qwen-audio-3.0-asr-flash-filetransListe de dialectes plus large que la 3.1, pour un prix environ 8 à 10 fois supérieur. | $0.112 | $1.12 | ¥0.00022/s | Plus large couverture des dialectes chinois Horodatage des motsDialectes | Dans BibiGPT |
ElevenLabs Scribe v2 ElevenLabs scribe_v2Fiable dans de nombreuses langues, avec identification des locuteurs. Apportez votre propre clé ElevenLabs. | $0.22 | $2.2 | $0.22/h (par lot) | 90+ langues Horodatage des motsLocuteursÉvénements sonoresMots-clés | Dans BibiGPT · votre clé |
Deepgram Nova-3 Deepgram deepgram/nova-3Un choix de longue date pour les appels et réunions en anglais. Sélectionnable avec une clé OpenRouter. | $0.258 | $2.58 | $0.0043/min (OpenRouter) | Multilingue, surtout fort en anglais Horodatage des motsLocuteursMots-clés | Dans BibiGPT · votre clé |
GPT Transcribe OpenAI openai/gpt-transcribeSélectionnable avec une clé OpenRouter. Texte seul, sans horodatage ni locuteurs. | $0.27 | $2.7 | $0.0045/min (OpenRouter) | Multilingue | Dans BibiGPT · votre clé |
Gemini 3.5 Transcribe Google gemini-3.5-transcribeSupprime nativement les hésitations et les auto-corrections. Apportez votre propre clé Gemini. | $0.31Est. | $3.1 | $2 entrée audio / $12 sortie texte par million de tokens (estimation officielle d'environ $0.005/min) | 85+ langues Horodatage des motsLocuteursSuppression des hésitations | Dans BibiGPT · votre clé |
ASR Doubao pour enregistrements ByteDance Volcengine volc.bigasr.aucExcellent en chinois et en dialectes. Nécessite un AppID et un token Volcengine. | $0.324 | $3.24 | Standard ¥2.3/h ; heures creuses ¥1.2 ; ASR de fichiers 2.0 ¥0.8 | zh/en + 5 dialectes Horodatage des motsLocuteursMots-clésDialectes | Dans BibiGPT · votre clé |
MAI-Transcribe 1.5 Microsoft microsoft/mai-transcribe-1.5Sélectionnable dans le transcripteur avec une clé OpenRouter. | $0.36 | $3.6 | $0.36/h (OpenRouter) | Multilingue Horodatage des mots | Dans BibiGPT · votre clé |
Fish Audio Transcribe Pro Fish Audio transcribe-1-proBalises de locuteurs et d'événements sonores ; BibiGPT retire de ses sous-titres les événements comme [click]. Correct sur les noms chinois. | $0.36 | $3.6 | $0.0001/s | 83 langues (selon le fournisseur) Horodatage des motsLocuteursÉvénements sonores | Dans BibiGPT · votre clé |
StepAudio 3 ASR StepFun stepaudio-3-asr-maxPremier ex aequo au WER par lot d'Artificial Analysis. Sans mots-clés, il a entendu « BibiGPT » comme « Bilibili GPT ». | $0.394 | $3.94 | ¥2.8/h (site international $0.40/h) | Chinois, anglais Horodatage des motsMots-clés | Dans BibiGPT · votre clé |
- Entrée audio Gemini : 25 tokens par seconde ; sortie de transcription d'environ 3 tokens par seconde.
- Qwen-Audio-3.1 : environ 20 tokens en entrée + 4 en sortie par seconde, mesurés sur nos propres échantillons en chinois.
- CNY ↔ USD à 7.1.
FAQ
Quel modèle de transcription est le moins cher ?
Sur nos échantillons, la transcription de fichiers avec Qwen-Audio-3.1 est revenue à environ ¥0.075–0.10 l'heure, en dessous de StepAudio 2.5 (¥0.15/h) et de Paraformer v2 (¥0.288/h). Les modèles sur l'appareil de l'application de bureau Bibi Local ne coûtent rien.
Quelle différence entre STT, live et TTS ?
Le STT transforme un enregistrement terminé en texte et se facture à l'heure d'audio. Les modèles live font la même chose pendant que vous parlez, ou vous répondent à la voix, et coûtent plus cher. Le TTS fait l'inverse : du texte en entrée, de la parole en sortie, généralement facturé au caractère.
Pourquoi certains prix sont-ils marqués « Est. » ?
Ces modèles facturent au token, pas à la minute. Nous convertissons avec les densités de tokens indiquées sous le tableau ; votre facture réelle varie selon le débit de parole et la langue.
Puis-je utiliser ces modèles dans BibiGPT ?
Les modèles marqués « Dans BibiGPT » sont couverts par l'abonnement. Ceux marqués « Votre clé » sont sélectionnables dès que vous collez votre propre clé d'API. Les modèles « Sur l'appareil » tournent gratuitement dans l'application de bureau Bibi Local. Les lignes « Pas dans BibiGPT » sont données à titre de référence.
Essayez-les sur vos propres fichiers audio
Collez un lien YouTube, Bilibili ou de podcast dans BibiGPT et choisissez le moteur dans les paramètres de transcription. Pour les enregistrements privés, Bibi Local transcrit directement sur votre ordinateur.