Prezzi dei modelli speech-to-text a confronto
Costo orario di ogni modello di trascrizione che BibiGPT può eseguire, più alcune API di riferimento. I modelli fatturati a token sono convertiti con le densità che abbiamo misurato.
Prezzi verificati il 2026-10-26. Sono prezzi di listino upstream, non i prezzi di BibiGPT.
| Modello | all'ora | 10 h | Prezzo di listino | Punti di forza | In BibiGPT |
|---|---|---|---|---|---|
Trascrizione sul dispositivo Bibi Local App desktop Bibi Local SenseVoice / Whisper (on device)L'audio non lascia mai il tuo computer. La velocità dipende dal tuo computer. | $0 | $0 | Gratis (gira sul tuo computer) | zh/en/ja/ko/yue e altre Timestamp per parola | Sul dispositivo App desktop, modalità locale Scarica Bibi Local |
Qwen-Audio-3.1 ASRPiù economico Alibaba Qwen qwen-audio-3.1-asr-flash-filetransCirca ¥0.075–0.10 all'ora sui nostri campioni in cinese, l'opzione cloud più economica che abbiamo misurato. Meglio di Paraformer sui nomi di prodotto; i riempitivi vengono mantenuti. | $0.0136Misurato | $0.136 | ¥0.8 in input / ¥2.7 in output per milione di token (regione di Pechino) | 30 lingue + 10 dialetti cinesi Timestamp per parolaEtichette dei parlantiHotwordDialetti | In BibiGPT |
StepAudio 2.5 ASR StepFun stepaudio-2.5-asrL'API a durata più economica. Ottima sul mandarino; niente dialetti né etichette dei parlanti. | $0.0211 | $0.211 | ¥0.15/h ($0.022/h) | Cinese, inglese Timestamp per parolaHotword | In BibiGPT |
Paraformer v2 Alibaba Qwen paraformer-v2Il default di BibiGPT per i video in cinese, con etichette dei parlanti e rimozione dei riempitivi attive. Debole sui nomi di marca. | $0.0406 | $0.406 | ¥0.00008/s | zh/en/ja/ko/de/fr/ru + ~18 accenti Timestamp per parolaEtichette dei parlantiHotwordRimozione dei riempitiviDialetti | In BibiGPT |
DeepSeek POST /v1/tools/asrMisurato su FLEURS: CER 1,9% in cinese (2° su 6), WER 6,4% in inglese, circa 1 s per clip. Massimo 120 s per file e niente timestamp: adatto alla dettatura più che ai sottotitoli. | $0.058 | $0.58 | 0,116 $/ora (sconto del 50% a tempo limitato: 0,058 $), al secondo | 21 lingue incluso il cantonese, rilevamento automatico Dialetti | Non in BibiGPT |
Grok Voice Transcribe 2.0 xAI grok-voice-transcribe-2.0Una scelta economica per l'inglese e altre lingue non CJK. Non per il cinese. | $0.1 | $1 | $0.10/h (batch) | 25 lingue (senza CJK) Timestamp per parolaEtichette dei parlanti | In BibiGPT |
Whisper large-v3 (Groq) OpenAI open source / Groq whisper-large-v3Il maggior numero di lingue e molto veloce. Niente etichette dei parlanti; può allucinare sui silenzi. | $0.111 | $1.11 | $0.111/h | 99 lingue Timestamp per parola | In BibiGPT |
Qwen3-ASR Flash Alibaba Qwen qwen3-asr-flash-filetransRestituisce etichette di emozione, che la 3.1 non offre. Niente etichette dei parlanti. | $0.112 | $1.12 | ¥0.00022/s | ~27 lingue + 4 dialetti Timestamp per parolaEmozioneDialetti | In BibiGPT |
Qwen-Audio-3.0 ASR Alibaba Qwen qwen-audio-3.0-asr-flash-filetransElenco di dialetti più ampio della 3.1, a un prezzo circa 8–10 volte superiore. | $0.112 | $1.12 | ¥0.00022/s | La più ampia copertura dei dialetti cinesi Timestamp per parolaDialetti | In BibiGPT |
ElevenLabs Scribe v2 ElevenLabs scribe_v2Affidabile in molte lingue, con etichette dei parlanti. Usa la tua chiave ElevenLabs. | $0.22 | $2.2 | $0.22/h (batch) | 90+ lingue Timestamp per parolaEtichette dei parlantiEventi sonoriHotword | In BibiGPT · tua chiave |
Deepgram Nova-3 Deepgram deepgram/nova-3Una scelta consolidata per chiamate e riunioni in inglese. Selezionabile con una chiave OpenRouter. | $0.258 | $2.58 | $0.0043/min (OpenRouter) | Multilingue, più forte in inglese Timestamp per parolaEtichette dei parlantiHotword | In BibiGPT · tua chiave |
GPT Transcribe OpenAI openai/gpt-transcribeSelezionabile con una chiave OpenRouter. Solo testo, senza timestamp né parlanti. | $0.27 | $2.7 | $0.0045/min (OpenRouter) | Multilingue | In BibiGPT · tua chiave |
Gemini 3.5 Transcribe Google gemini-3.5-transcribeRimuove nativamente riempitivi e autocorrezioni. Usa la tua chiave Gemini. | $0.31Stima | $3.1 | $2 in input audio / $12 in output di testo per milione di token (stima ufficiale di circa $0.005/min) | 85+ lingue Timestamp per parolaEtichette dei parlantiRimozione dei riempitivi | In BibiGPT · tua chiave |
ASR Doubao per registrazioni ByteDance Volcengine volc.bigasr.aucForte su cinese e dialetti. Richiede un AppID e un token Volcengine. | $0.324 | $3.24 | Standard ¥2.3/h; fuori picco ¥1.2; ASR su file 2.0 ¥0.8 | zh/en + 5 dialetti Timestamp per parolaEtichette dei parlantiHotwordDialetti | In BibiGPT · tua chiave |
MAI-Transcribe 1.5 Microsoft microsoft/mai-transcribe-1.5Selezionabile nel trascrittore con una chiave OpenRouter. | $0.36 | $3.6 | $0.36/h (OpenRouter) | Multilingue Timestamp per parola | In BibiGPT · tua chiave |
Fish Audio Transcribe Pro Fish Audio transcribe-1-proTag per parlanti ed eventi sonori; BibiGPT rimuove dai sottotitoli eventi come [click]. Nella media sui nomi cinesi. | $0.36 | $3.6 | $0.0001/s | 83 lingue (dichiarato dal fornitore) Timestamp per parolaEtichette dei parlantiEventi sonori | In BibiGPT · tua chiave |
StepAudio 3 ASR StepFun stepaudio-3-asr-maxPrimo a pari merito nel WER batch di Artificial Analysis. Senza hotword ha capito «BibiGPT» come «Bilibili GPT». | $0.394 | $3.94 | ¥2.8/h (sito internazionale $0.40/h) | Cinese, inglese Timestamp per parolaHotword | In BibiGPT · tua chiave |
- Input audio Gemini: 25 token al secondo; output della trascrizione circa 3 token al secondo.
- Qwen-Audio-3.1: circa 20 token in input + 4 in output al secondo, misurati sui nostri campioni in cinese.
- CNY ↔ USD a 7.1.
FAQ
Qual è il modello di trascrizione più economico?
Sui nostri campioni la trascrizione di file con Qwen-Audio-3.1 è costata circa ¥0.075–0.10 all'ora, meno di StepAudio 2.5 (¥0.15/h) e Paraformer v2 (¥0.288/h). I modelli sul dispositivo nell'app desktop Bibi Local non costano nulla.
Che differenza c'è tra STT, live e TTS?
L'STT trasforma una registrazione finita in testo ed è fatturato a ora di audio. I modelli live fanno lo stesso mentre parli, oppure rispondono a voce, e costano di più. Il TTS fa il contrario: testo in ingresso, voce in uscita, di solito fatturato a carattere.
Perché alcuni prezzi sono contrassegnati «Stima»?
Quei modelli fatturano a token, non a minuti. Convertiamo con le densità di token indicate sotto la tabella; la fattura reale varia con la velocità del parlato e la lingua.
Posso usare questi modelli in BibiGPT?
I modelli contrassegnati «In BibiGPT» sono inclusi nell'abbonamento. I modelli «Tua chiave» sono selezionabili dopo aver incollato la tua chiave API. I modelli «Sul dispositivo» girano gratis nell'app desktop Bibi Local. Le righe «Non in BibiGPT» sono elencate solo come riferimento.
Provali sul tuo audio
Incolla un link YouTube, Bilibili o di un podcast in BibiGPT e scegli il motore nelle impostazioni di trascrizione. Per le registrazioni private, Bibi Local trascrive direttamente sul tuo computer.