Quanto custa transcrever áudio por API

A conta é direta: US$ 0,03 por hora de áudio processada, ou US$ 0,05 com separação de falantes. Sem assinatura, sem valor mínimo, sem plano.

O que costuma variar entre fornecedores não é o número da tabela: é o que acontece em volta dele. Este post é sobre isso.

A conta, para valores reais

A última linha já tem o desconto de volume embutido: acima de 10.000 horas transcritas pela conta, a tarifa cai para US$ 0,02 (ou US$ 0,03 com falantes). O desconto é automático, sem contrato e sem negociação: passou do limiar, as próximas transcrições saem mais baratas.

Armadilha 1: o piso por requisição

Muita API cobra por bloco, arredondando cada arquivo para cima. Numa fila de recados de voz de 40 segundos, um piso de um centavo por transcrição faz o preço real ser 30 vezes o anunciado.

Aqui a cobrança é proporcional ao segundo, sobre a duração real medida no processamento. Dois minutos a US$ 0,03/h custam US$ 0,001. Os valores voltam com fração de centavo, exatamente por isso:

{
	"data": {
		"currency": "USD",
		"total": 187.4062,
		"reserved": 40.5,
		"available": 146.9062
	}
}

Se você guarda esses valores em coluna inteira, ou passa por parseInt, troque para decimal antes de conciliar. O corte é silencioso.

Armadilha 2: cobrar o que falhou

O débito acontece quando a transcrição fica done. Enquanto processa, o cost é 0, e transcrição que falha não é cobrada. Vale conferir isso em qualquer fornecedor que você avalie: "cobra por áudio enviado" e "cobra por áudio transcrito" são coisas diferentes no dia em que 200 arquivos de um lote vêm com o codec errado.

Armadilha 3: o saldo que trava a fila

Sem crédito, novas transcrições são recusadas com 402 insufficient_balance. Nada é apagado, mas a fila para. Duas coisas evitam isso:

• GET /v1/balance devolve total, reserved e available. O que importa monitorar é o available: ele já desconta o que as transcrições em andamento seguraram, então é o que a próxima pode gastar de fato.
• Recarga automática, ligada no painel, resolve o caso sem alguém de plantão.

O que não entra na conta

• Armazenamento: não cobramos por guardar o áudio enviado nem o transcrito.
• Requisição: consultar o status ou o saldo não custa nada. Ainda assim, prefira webhookUrl a polling em laço, por latência, não por preço.
• Idioma: transcrever em português custa o mesmo que em qualquer um dos mais de 90 idiomas suportados.
• Diarização que você não pediu: speakers é opt-in. Sem o campo, a tarifa é a de transcrição pura.

Como testar antes de decidir

Toda conta nova recebe US$ 2 em créditos, sem cartão. São cerca de 65 horas de áudio, o suficiente para rodar o seu material real e comparar o texto, e não a tabela de preços. É o único jeito honesto de avaliar: WER publicado por fornecedor não se compara entre fornecedores, porque cada um normaliza o texto do seu jeito, e a diferença entre normalizadores é de vários pontos.

A tabela completa, com os limites de tamanho e de requisição, está em preços e limites.