語音轉文字模型價格比較
BibiGPT 可用的轉錄模型與幾家參照 API，統一換算成每小時音訊多少錢。依 token 計費的模型，按我們實測的 token 密度換算。
價格核對於 2026-10-26。這裡是上游牌價，不是 BibiGPT 的售價。
| 模型 | 每小時 | 10 小時 | 官方牌價 | 能力 | 在 BibiGPT 中 |
|---|---|---|---|---|---|
Bibi Local 本機轉寫 BibiGPT 桌面版 SenseVoice / Whisper（本機）音訊不離開本機，適合隱私內容；速度取決於電腦。 | ¥0 | ¥0 | 免費（用自己的電腦運算） | 中英日韓粵等 逐字時間戳記 | 本機免費 桌面版「本機處理」 下載 Bibi Local |
Qwen-Audio-3.1 ASR最便宜 阿里通義 qwen-audio-3.1-asr-flash-filetrans實測三段中文樣本約 ¥0.075–0.10/小時，是目前最便宜的雲端轉寫；專有名詞比 Paraformer 準，但不會自動去除贅詞。 | ¥0.0965實測 | ¥0.965 | 輸入 ¥0.8 / 輸出 ¥2.7 每百萬 token（華北 2） | 30 種語言 + 10 種方言 逐字時間戳記說話者分離熱詞方言 | BibiGPT 可直接使用 |
StepAudio 2.5 ASR 階躍星辰 stepaudio-2.5-asr依時數計費中最便宜的一檔，普通話表現位居第一梯隊；不支援方言，沒有說話者分離。 | ¥0.15 | ¥1.5 | ¥0.15/小時（$0.022/小時） | 中文、英文 逐字時間戳記熱詞 | BibiGPT 可直接使用 |
Paraformer v2 阿里通義 paraformer-v2BibiGPT 中文影片的預設路徑：說話者分離與去除贅詞都已開啟。專有名詞容易聽錯。 | ¥0.288 | ¥2.88 | ¥0.00008/秒 | 中英日韓德法俄 + 約 18 種口音 逐字時間戳記說話者分離熱詞去除贅詞方言 | BibiGPT 可直接使用 |
DeepSeek POST /v1/tools/asr實測 FLEURS 中文字錯率 1.9%（六家第二），英文 6.4%；約 1 秒回傳。單檔最長 120 秒、不給時間戳，適合語音輸入，不能直接出字幕。 | ¥0.412 | ¥4.12 | $0.116/小時（限時半價 $0.058），按秒計 | 21 種語言含粵語，自動辨識 方言 | 未接入 |
Grok Voice Transcribe 2.0 xAI grok-voice-transcribe-2.0英文等非中文內容的便宜選擇；中文請勿選用。 | ¥0.71 | ¥7.1 | $0.10/小時（batch） | 25 種語言（不含中日韓） 逐字時間戳記說話者分離 | BibiGPT 可直接使用 |
Whisper large-v3（Groq） OpenAI 開源 / Groq whisper-large-v3語言最多、速度快；沒有說話者分離，中文偶爾會出現幻覺。 | ¥0.788 | ¥7.88 | $0.111/小時 | 99 種語言 逐字時間戳記 | BibiGPT 可直接使用 |
Qwen3-ASR Flash 阿里通義 qwen3-asr-flash-filetrans提供情感標籤，3.1 沒有這項；沒有說話者分離。 | ¥0.792 | ¥7.92 | ¥0.00022/秒 | 約 27 種語言 + 粵川閩吳 逐字時間戳記情感標籤方言 | BibiGPT 可直接使用 |
Qwen-Audio-3.0 ASR 阿里通義 qwen-audio-3.0-asr-flash-filetrans方言涵蓋比 3.1 更廣；價格約為 3.1 的 8–10 倍。 | ¥0.792 | ¥7.92 | ¥0.00022/秒 | 粵吳閩客贛湘晉等方言最齊全 逐字時間戳記方言 | BibiGPT 可直接使用 |
ElevenLabs Scribe v2 ElevenLabs scribe_v2多語言與說話者分離都穩定，海外內容常用；需要自己的 ElevenLabs Key。 | ¥1.56 | ¥15.6 | $0.22/小時（batch） | 90+ 種語言 逐字時間戳記說話者分離聲音事件熱詞 | BibiGPT 可選 · 自備 Key |
Deepgram Nova-3 Deepgram deepgram/nova-3英文會議、客服錄音的老牌選擇；透過 OpenRouter Key 可選用。 | ¥1.83 | ¥18.3 | $0.0043/分鐘（OpenRouter） | 多語言（英文最強） 逐字時間戳記說話者分離熱詞 | BibiGPT 可選 · 自備 Key |
GPT Transcribe OpenAI openai/gpt-transcribe透過 OpenRouter Key 可選用；只回傳文字，沒有時間戳記與說話者。 | ¥1.92 | ¥19.2 | $0.0045/分鐘（OpenRouter） | 多語言 | BibiGPT 可選 · 自備 Key |
Gemini 3.5 Transcribe Google gemini-3.5-transcribe原生支援去除贅詞與自我修正；需要自己的 Gemini Key。 | ¥2.2估算 | ¥22 | 音訊輸入 $2 / 文字輸出 $12 每百萬 token（官方估計約 $0.005/分鐘） | 85+ 種語言 逐字時間戳記說話者分離去除贅詞 | BibiGPT 可選 · 自備 Key |
豆包錄音檔辨識大模型 位元組火山引擎 volc.bigasr.auc中文與方言表現都強，需要火山 AppID + Token。 | ¥2.3 | ¥23 | 大模型標準版 ¥2.3/小時；閒時版 ¥1.2；錄音檔 2.0 ¥0.8 | 中英 + 滬閩川陝粵 逐字時間戳記說話者分離熱詞方言 | BibiGPT 可選 · 自備 Key |
MAI-Transcribe 1.5 Microsoft microsoft/mai-transcribe-1.5透過 OpenRouter Key 可在轉錄選擇器中選用。 | ¥2.56 | ¥25.6 | $0.36/小時（OpenRouter） | 多語言 逐字時間戳記 | BibiGPT 可選 · 自備 Key |
Fish Audio Transcribe Pro Fish Audio transcribe-1-pro提供說話者與聲音事件標籤；BibiGPT 會把 [click] 這類聲音事件從字幕中剔除。中文專有名詞表現普通。 | ¥2.56 | ¥25.6 | $0.0001/秒 | 官方稱 83 種 逐字時間戳記說話者分離聲音事件 | BibiGPT 可選 · 自備 Key |
StepAudio 3 ASR 階躍星辰 stepaudio-3-asr-maxArtificial Analysis 非串流 WER 並列第一；不帶熱詞時會把 BibiGPT 聽成 Bilibili GPT。 | ¥2.8 | ¥28 | ¥2.8/小時（國際站 $0.40/小時） | 中文、英文 逐字時間戳記熱詞 | BibiGPT 可選 · 自備 Key |
- Gemini 音訊輸入每秒 25 個 token；轉寫文字輸出約每秒 3 個 token。
- Qwen-Audio-3.1：約每秒 20 個輸入 + 4 個輸出 token，來自我們自己的中文樣本實測。
- 人民幣與美元按 7.1 換算。
常見問題
哪個語音轉文字模型最便宜？
在我們的樣本上，Qwen-Audio-3.1 錄音檔轉寫約 ¥0.075–0.10/小時，低於 StepAudio 2.5（¥0.15/小時）和 Paraformer v2（¥0.288/小時）。Bibi Local 桌面版的本機模型不用花錢。
STT、即時、TTS 有什麼差別？
STT 把錄好的音訊轉成文字，依音訊時數計費。即時模型邊說邊轉，或直接用語音回應你，通常更貴。TTS 則相反，輸入文字、輸出語音，多半依字元計費。
為什麼有些價格標示「估算」？
這些模型依 token 計費，不依時數。我們用表格下方註明的 token 密度換算，實際帳單會隨語速與語言浮動。
這些模型能在 BibiGPT 裡使用嗎？
標示「BibiGPT 可直接使用」的由會員額度涵蓋；標示「自備 Key」的，填入自己的 API Key 即可選用；標示「本機免費」的在 Bibi Local 桌面版中於本機執行；「未接入」僅供參考。
拿你自己的音訊試試看
把 YouTube、Bilibili 或 Podcast 連結貼進 BibiGPT，在轉錄設定中選擇引擎。私密錄音可以用 Bibi Local 在自己的電腦上轉寫。