स्पीच-टू-टेक्स्ट मॉडल की कीमतों की तुलना
BibiGPT जिन ट्रांसक्रिप्शन मॉडल को चला सकता है उन सबकी प्रति घंटा लागत, साथ में कुछ रेफ़रेंस API। टोकन के हिसाब से बिल होने वाले मॉडल को हमारे मापे गए घनत्व से बदला गया है।
कीमतें 2026-10-26 को जाँची गईं। ये अपस्ट्रीम की लिस्ट कीमतें हैं, BibiGPT की कीमतें नहीं।
| मॉडल | प्रति घंटा | 10 घंटे | लिस्ट कीमत | खूबियाँ | BibiGPT में |
|---|---|---|---|---|---|
Bibi Local ऑन-डिवाइस ट्रांसक्रिप्शन Bibi Local डेस्कटॉप ऐप SenseVoice / Whisper (on device)ऑडियो आपकी मशीन से बाहर नहीं जाता। रफ़्तार आपके कंप्यूटर पर निर्भर है। | $0 | $0 | मुफ़्त (आपके कंप्यूटर पर चलता है) | zh/en/ja/ko/yue और अन्य शब्द टाइमस्टैम्प | डिवाइस पर डेस्कटॉप ऐप, लोकल मोड Bibi Local डाउनलोड करें |
Qwen-Audio-3.1 ASRसबसे सस्ता Alibaba Qwen qwen-audio-3.1-asr-flash-filetransहमारे चीनी सैंपल पर लगभग ¥0.075–0.10 प्रति घंटा, हमारे मापे में सबसे सस्ता क्लाउड विकल्प। प्रोडक्ट नामों पर Paraformer से बेहतर; फ़िलर शब्द बने रहते हैं। | $0.0136मापा गया | $0.136 | ¥0.8 इनपुट / ¥2.7 आउटपुट प्रति 10 लाख टोकन (बीजिंग क्षेत्र) | 30 भाषाएँ + 10 चीनी बोलियाँ शब्द टाइमस्टैम्पस्पीकर लेबलहॉटवर्डबोलियाँ | BibiGPT में |
StepAudio 2.5 ASR StepFun stepaudio-2.5-asrअवधि के हिसाब से बिल होने वाला सबसे सस्ता API। मंदारिन में मज़बूत; बोलियाँ और स्पीकर लेबल नहीं। | $0.0211 | $0.211 | ¥0.15/घंटा ($0.022/घंटा) | चीनी, अंग्रेज़ी शब्द टाइमस्टैम्पहॉटवर्ड | BibiGPT में |
Paraformer v2 Alibaba Qwen paraformer-v2चीनी वीडियो के लिए BibiGPT का डिफ़ॉल्ट, स्पीकर लेबल और फ़िलर हटाना चालू। ब्रांड नामों में कमज़ोर। | $0.0406 | $0.406 | ¥0.00008/सेकंड | zh/en/ja/ko/de/fr/ru + ~18 लहजे शब्द टाइमस्टैम्पस्पीकर लेबलहॉटवर्डफ़िलर हटानाबोलियाँ | BibiGPT में |
DeepSeek POST /v1/tools/asrFLEURS पर मापा गया: चीनी में CER 1.9% (6 में दूसरा), अंग्रेज़ी में WER 6.4%, हर क्लिप लगभग 1 सेकंड में। एक फ़ाइल अधिकतम 120 सेकंड और टाइमस्टैम्प नहीं, इसलिए यह सबटाइटल के बजाय वॉइस इनपुट के लिए ठीक है। | $0.058 | $0.58 | $0.116/घंटा (सीमित समय 50% छूट: $0.058), प्रति सेकंड बिलिंग | कैंटोनीज़ सहित 21 भाषाएँ, अपने आप पहचान बोलियाँ | BibiGPT में नहीं |
Grok Voice Transcribe 2.0 xAI grok-voice-transcribe-2.0अंग्रेज़ी और अन्य गैर-CJK ऑडियो के लिए सस्ता विकल्प। चीनी के लिए नहीं। | $0.1 | $1 | $0.10/घंटा (बैच) | 25 भाषाएँ (CJK नहीं) शब्द टाइमस्टैम्पस्पीकर लेबल | BibiGPT में |
Whisper large-v3 (Groq) OpenAI ओपन सोर्स / Groq whisper-large-v3ज़्यादातर भाषाएँ और बहुत तेज़। स्पीकर लेबल नहीं; खामोशी में गलत टेक्स्ट गढ़ सकता है। | $0.111 | $1.11 | $0.111/घंटा | 99 भाषाएँ शब्द टाइमस्टैम्प | BibiGPT में |
Qwen3-ASR Flash Alibaba Qwen qwen3-asr-flash-filetransभावना लेबल देता है, जो 3.1 नहीं देता। स्पीकर लेबल नहीं। | $0.112 | $1.12 | ¥0.00022/सेकंड | ~27 भाषाएँ + 4 बोलियाँ शब्द टाइमस्टैम्पभावनाबोलियाँ | BibiGPT में |
Qwen-Audio-3.0 ASR Alibaba Qwen qwen-audio-3.0-asr-flash-filetrans3.1 से लंबी बोली-सूची, लगभग 8–10 गुना कीमत पर। | $0.112 | $1.12 | ¥0.00022/सेकंड | चीनी बोलियों का सबसे व्यापक कवरेज शब्द टाइमस्टैम्पबोलियाँ | BibiGPT में |
ElevenLabs Scribe v2 ElevenLabs scribe_v2स्पीकर लेबल के साथ कई भाषाओं में भरोसेमंद। अपनी ElevenLabs कुंजी लाएँ। | $0.22 | $2.2 | $0.22/घंटा (बैच) | 90+ भाषाएँ शब्द टाइमस्टैम्पस्पीकर लेबलसाउंड इवेंटहॉटवर्ड | BibiGPT में · आपकी कुंजी |
Deepgram Nova-3 Deepgram deepgram/nova-3अंग्रेज़ी कॉल और मीटिंग के लिए पुराना भरोसेमंद विकल्प। OpenRouter कुंजी के साथ चुना जा सकता है। | $0.258 | $2.58 | $0.0043/मिनट (OpenRouter) | बहुभाषी, अंग्रेज़ी में सबसे मज़बूत शब्द टाइमस्टैम्पस्पीकर लेबलहॉटवर्ड | BibiGPT में · आपकी कुंजी |
GPT Transcribe OpenAI openai/gpt-transcribeOpenRouter कुंजी के साथ चुना जा सकता है। सिर्फ़ टेक्स्ट, टाइमस्टैम्प या स्पीकर नहीं। | $0.27 | $2.7 | $0.0045/मिनट (OpenRouter) | बहुभाषी | BibiGPT में · आपकी कुंजी |
Gemini 3.5 Transcribe Google gemini-3.5-transcribeफ़िलर और खुद की गलती-सुधार अपने आप हटाता है। अपनी Gemini कुंजी लाएँ। | $0.31अनु. | $3.1 | $2 ऑडियो इनपुट / $12 टेक्स्ट आउटपुट प्रति 10 लाख टोकन (आधिकारिक अनुमान लगभग $0.005/मिनट) | 85+ भाषाएँ शब्द टाइमस्टैम्पस्पीकर लेबलफ़िलर हटाना | BibiGPT में · आपकी कुंजी |
Doubao रिकॉर्डेड-ऑडियो ASR ByteDance Volcengine volc.bigasr.aucचीनी और बोलियों में मज़बूत। Volcengine AppID और टोकन चाहिए। | $0.324 | $3.24 | स्टैंडर्ड ¥2.3/घंटा; ऑफ़-पीक ¥1.2; फ़ाइल ASR 2.0 ¥0.8 | zh/en + 5 बोलियाँ शब्द टाइमस्टैम्पस्पीकर लेबलहॉटवर्डबोलियाँ | BibiGPT में · आपकी कुंजी |
MAI-Transcribe 1.5 Microsoft microsoft/mai-transcribe-1.5OpenRouter कुंजी के साथ ट्रांसक्राइबर में चुना जा सकता है। | $0.36 | $3.6 | $0.36/घंटा (OpenRouter) | बहुभाषी शब्द टाइमस्टैम्प | BibiGPT में · आपकी कुंजी |
Fish Audio Transcribe Pro Fish Audio transcribe-1-proस्पीकर और साउंड-इवेंट टैग; BibiGPT सबटाइटल से [click] जैसे इवेंट हटा देता है। चीनी नामों पर औसत। | $0.36 | $3.6 | $0.0001/सेकंड | 83 भाषाएँ (वेंडर का दावा) शब्द टाइमस्टैम्पस्पीकर लेबलसाउंड इवेंट | BibiGPT में · आपकी कुंजी |
StepAudio 3 ASR StepFun stepaudio-3-asr-maxArtificial Analysis के बैच WER में पहले स्थान पर बराबरी। हॉटवर्ड के बिना उसने “BibiGPT” को “Bilibili GPT” सुना। | $0.394 | $3.94 | ¥2.8/घंटा (अंतरराष्ट्रीय साइट $0.40/घंटा) | चीनी, अंग्रेज़ी शब्द टाइमस्टैम्पहॉटवर्ड | BibiGPT में · आपकी कुंजी |
- Gemini ऑडियो इनपुट: 25 टोकन प्रति सेकंड; ट्रांसक्रिप्ट आउटपुट लगभग 3 टोकन प्रति सेकंड।
- Qwen-Audio-3.1: हमारे अपने चीनी सैंपल पर मापा गया, लगभग 20 इनपुट + 4 आउटपुट टोकन प्रति सेकंड।
- CNY ↔ USD दर 7.1।
अक्सर पूछे जाने वाले सवाल
सबसे सस्ता ट्रांसक्रिप्शन मॉडल कौन सा है?
हमारे सैंपल पर Qwen-Audio-3.1 से फ़ाइल ट्रांसक्रिप्शन लगभग ¥0.075–0.10 प्रति घंटा रहा, जो StepAudio 2.5 (¥0.15/घंटा) और Paraformer v2 (¥0.288/घंटा) से कम है। Bibi Local डेस्कटॉप ऐप के ऑन-डिवाइस मॉडल मुफ़्त हैं।
STT, लाइव और TTS में क्या फ़र्क है?
STT तैयार रिकॉर्डिंग को टेक्स्ट में बदलता है और ऑडियो घंटे के हिसाब से बिल होता है। लाइव मॉडल यही काम आपके बोलते समय करते हैं, या आवाज़ में जवाब देते हैं, और महँगे होते हैं। TTS उलटा काम करता है: टेक्स्ट अंदर, आवाज़ बाहर, और आमतौर पर प्रति अक्षर बिल होता है।
कुछ कीमतों पर “अनु.” क्यों लिखा है?
ये मॉडल मिनट के बजाय टोकन के हिसाब से बिल करते हैं। हम टेबल के नीचे दिए टोकन घनत्व से बदलते हैं; आपका असली बिल बोलने की रफ़्तार और भाषा के साथ बदलता है।
क्या मैं इन मॉडल को BibiGPT में इस्तेमाल कर सकता/सकती हूँ?
“BibiGPT में” वाले मॉडल मेंबरशिप में शामिल हैं। “आपकी कुंजी” वाले मॉडल तब चुने जा सकते हैं जब आप अपनी API कुंजी पेस्ट कर दें। “डिवाइस पर” वाले मॉडल Bibi Local डेस्कटॉप ऐप में मुफ़्त चलते हैं। “BibiGPT में नहीं” वाली पंक्तियाँ सिर्फ़ संदर्भ के लिए हैं।
अपने ऑडियो पर आज़माएँ
BibiGPT में YouTube, Bilibili या पॉडकास्ट का लिंक पेस्ट करें और ट्रांसक्रिप्शन सेटिंग में इंजन चुनें। निजी रिकॉर्डिंग के लिए Bibi Local आपके अपने कंप्यूटर पर ट्रांसक्राइब करता है।