रियलटाइम स्पीच मॉडल की कीमतों की तुलना
“लाइव” के दो प्रकार: कैप्शन के लिए स्ट्रीमिंग ट्रांसक्रिप्शन और वॉइस चैट के लिए स्पीच-टू-स्पीच मॉडल। दोनों को प्रति घंटा लागत में बदला गया है।
कीमतें 2026-10-26 को जाँची गईं। ये अपस्ट्रीम की लिस्ट कीमतें हैं, BibiGPT की कीमतें नहीं।
लाइव ट्रांसक्रिप्शन
| मॉडल | प्रति घंटा | 10 घंटे | लिस्ट कीमत | खूबियाँ | BibiGPT में |
|---|---|---|---|---|---|
Apple Speech (ऑन-डिवाइस, macOS) Apple SFSpeechRecognizerमुफ़्त और ऑफ़लाइन चलता है; क्लाउड मॉडल से कम सटीक। | $0 | $0 | मुफ़्त (सिस्टम में शामिल) | सिस्टम की भाषाएँ कम लेटेंसी | डिवाइस पर Mac ऐप, लाइव माइक डिक्टेशन |
Qwen-Audio-3.1 ASR Streamingसबसे सस्ता Alibaba Qwen qwen-audio-3.1-asr-flash-streamingवेंडर पहले टोकन तक ~160 ms का दावा करता है (मापा नहीं गया)। फ़ाइल वर्शन से कई गुना ऊपर। | $0.07अनु. | $0.7 | ¥6 इनपुट / ¥4.5 आउटपुट प्रति 10 लाख टोकन (बीजिंग क्षेत्र) | 30 भाषाएँ + 10 बोलियाँ कम लेटेंसीहॉटवर्डबोलियाँ | BibiGPT में नहीं |
Soniox Real-time Soniox stt-rtचीन के बाहर हमें मिला सबसे सस्ता रियलटाइम ट्रांसक्रिप्शन; साथ-साथ अनुवाद भी कर सकता है। | $0.12 | $1.2 | $0.12/घंटा | 60 भाषाएँ कम लेटेंसीस्पीकर लेबलशब्द टाइमस्टैम्प | BibiGPT में नहीं |
Paraformer Realtime v2 Alibaba Qwen paraformer-realtime-v2चीन में सबसे सस्ता और सबसे अनुमानित रियलटाइम ASR। | $0.122 | $1.22 | ¥0.00024/सेकंड (हर महीने 10 घंटे मुफ़्त) | zh/en/ja/ko + लहजे कम लेटेंसीहॉटवर्डबोलियाँ | BibiGPT में नहीं |
Doubao स्ट्रीमिंग ASR 2.0 ByteDance Volcengine Doubao streaming ASR model 2.0Paraformer Realtime के लगभग बराबर कीमत पर मज़बूत रियलटाइम चीनी। | $0.141 | $1.41 | ¥1/घंटा (प्रति मोनो चैनल, टियर वाला) | zh/en + बोलियाँ कम लेटेंसीहॉटवर्डबोलियाँ | BibiGPT में नहीं |
AssemblyAI Universal-Streaming AssemblyAI universal-streamingवॉइस एजेंट के लिए आम “सिर्फ़ कान” वाली परत। Pro Realtime टियर $0.45/घंटा है। | $0.15 | $1.5 | $0.15/घंटा | अंग्रेज़ी + बहुभाषी कम लेटेंसीशब्द टाइमस्टैम्प | BibiGPT में नहीं |
Qwen3-ASR Flash Realtime Alibaba Qwen qwen3-asr-flash-realtimeचीन से भावना लेबल वाला रियलटाइम ASR। | $0.167 | $1.67 | ¥0.00033/सेकंड (fun-asr-realtime के बराबर) | ~27 भाषाएँ + 4 बोलियाँ कम लेटेंसीभावनाबोलियाँ | BibiGPT में नहीं |
Grok Voice Transcribe (स्ट्रीमिंग) xAI grok-voice-transcribe-2.0अंग्रेज़ी के लिए सस्ते लाइव कैप्शन; चीनी नहीं। | $0.2 | $2 | $0.20/घंटा (WebSocket) | 25 भाषाएँ (CJK नहीं) कम लेटेंसीशब्द टाइमस्टैम्पस्पीकर लेबल | BibiGPT में नहीं |
Deepgram Nova-3 Streaming Deepgram nova-3अंग्रेज़ी कॉल और मीटिंग के लिए पुराना भरोसेमंद विकल्प। मौजूदा कीमत सीमित समय का प्रोमो है। | $0.288 | $2.88 | $0.0048/मिनट (एकभाषी, प्रोमो कीमत; बहुभाषी $0.0058) | बहुभाषी, अंग्रेज़ी में सबसे मज़बूत कम लेटेंसीस्पीकर लेबलहॉटवर्ड | BibiGPT में नहीं |
Fish Audio Transcribe Stream Fish Audio transcribe-stream-1सेशन घंटे के हिसाब से बिल, खामोशी समेत। | $0.36 | $3.6 | $0.36/सेशन घंटा (प्रीव्यू) | बहुभाषी कम लेटेंसी | BibiGPT में नहीं |
ElevenLabs Scribe v2 Realtime ElevenLabs scribe_v2_realtimeबहुभाषी लाइव कैप्शन, ~150 ms लेटेंसी (वेंडर का आँकड़ा)। | $0.39 | $3.9 | $0.39/घंटा | 90+ भाषाएँ कम लेटेंसीशब्द टाइमस्टैम्प | BibiGPT में नहीं |
Gemini 3.5 Transcribe Live Google gemini-3.5-transcribe-liveफ़ाइल वर्शन से लगभग 80% महँगा, बदले में बोलते-बोलते टेक्स्ट मिलता है। | $0.542अनु. | $5.42 | $3.50 ऑडियो इनपुट / $21 टेक्स्ट आउटपुट प्रति 10 लाख टोकन (आधिकारिक अनुमान लगभग $0.009/मिनट) | 85+ भाषाएँ कम लेटेंसीस्पीकर लेबलफ़िलर हटाना | BibiGPT में लाइव ट्रांसक्रिप्शन (वेब / डेस्कटॉप) |
GPT Live Transcribe OpenAI gpt-live-transcribeलाइव कैप्शन के लिए महँगे सिरे पर; gpt-realtime-translate $0.034/मिनट है। | $1.02 | $10.2 | $0.017/मिनट | बहुभाषी कम लेटेंसी | BibiGPT में नहीं |
रियलटाइम वॉइस बातचीत
| मॉडल | प्रति घंटा | 10 घंटे | लिस्ट कीमत | खूबियाँ | BibiGPT में |
|---|---|---|---|---|---|
Qwen-Audio-3.1 Realtime Plus Alibaba Qwen qwen-audio-3.1-realtime-plusमेनलैंड चीन से पहुँच वाला स्पीच-टू-स्पीच। लिस्ट कीमत 3.0 के बराबर; कॉन्टेक्स्ट का बिल हर टर्न दोबारा बनता है। | $0.602अनु. | $6.02 | ¥40 ऑडियो इनपुट / ¥150 ऑडियो आउटपुट प्रति 10 लाख टोकन (बीजिंग क्षेत्र) | पहले चीनी और अंग्रेज़ी स्पीच-टू-स्पीचकम लेटेंसी | BibiGPT में नहीं |
Gemini 3.1 Flash Live Google gemini-3.1-flash-live-previewइनपुट और आउटपुट दोनों नेटिव ऑडियो, स्क्रीन शेयरिंग के साथ काम करता है। यहाँ का सबसे सस्ता स्पीच-टू-स्पीच विकल्प। | $0.675अनु. | $6.75 | $3 ऑडियो इनपुट / $12 ऑडियो आउटपुट प्रति 10 लाख टोकन (आधिकारिक अनुमान $0.005 / $0.018 प्रति मिनट) | बहुभाषी स्पीच-टू-स्पीचकम लेटेंसी | BibiGPT में Gemini Desktop और वेब Live वॉइस चैट |
GPT Realtime Mini OpenAI gpt-realtime-miniकिफ़ायती GPT Realtime, पूरे मॉडल का लगभग एक-तिहाई। | $0.9अनु. | $9 | $10 ऑडियो इनपुट / $20 ऑडियो आउटपुट प्रति 10 लाख टोकन | बहुभाषी स्पीच-टू-स्पीचकम लेटेंसी | BibiGPT में नहीं |
GPT Realtime OpenAI gpt-realtimeवॉइस एजेंट के लिए आम बेसलाइन; लंबे सेशन में कॉन्टेक्स्ट टोकन का भी भुगतान होता है। | $2.88अनु. | $28.8 | $32 ऑडियो इनपुट / $64 ऑडियो आउटपुट प्रति 10 लाख टोकन (gpt-realtime-2 का ऑडियो भी यही) | बहुभाषी स्पीच-टू-स्पीचकम लेटेंसी | BibiGPT में नहीं |
Grok Voice 3.0 xAI grok-voice-3.0प्रति मिनट तय कीमत: बजट बनाना आसान, यहाँ की सबसे ऊँची दर। | $4.8 | $48 | $0.08/मिनट (टेक्स्ट इनपुट अलग) | बहुभाषी स्पीच-टू-स्पीचकम लेटेंसी | BibiGPT में नहीं |
- 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।
- वॉइस बातचीत में माना गया है कि यूज़र घंटे का 50% बोलता है और बाकी समय मॉडल।
- 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।