Dernière mise à jour : 2026-06-22

Le coût de transcription audio expliqué

Le coût de transcription audio d'une API de reconnaissance vocale est le prix facturé pour convertir un enregistrement en texte écrit, calculé à partir de la durée de l'audio et du tarif à la minute publié par le fournisseur. Toute personne qui établit un budget pour des transcriptions de podcasts, des comptes rendus de réunion, des journaux de centre d'appels ou la génération de sous-titres a besoin de ce chiffre, car la transcription hébergée est facturée selon la durée de l'audio, et non selon le nombre de mots qu'il contient.

Comment la transcription est facturée

Les fournisseurs de reconnaissance vocale annoncent un tarif à la minute d'audio source. Le nombre de mots prononcés pendant cette minute ne change pas la facture : une minute de dialogue dense et une minute de narration lente coûtent le même prix. Les minutes entamées sont couramment arrondies à la minute supérieure, si bien qu'un enregistrement de trois minutes et dix secondes est facturé comme quatre minutes chez certains fournisseurs. Le modèle utilisé ici prend la durée exacte ; si votre fournisseur arrondit, arrondissez la durée à la minute supérieure avant de la saisir.

La formule

Pour un enregistrement de durée $t$ minutes et un prix $p$ par minute, le coût est le produit des deux :

Lorsque la durée est donnée dans une autre unité de temps, elle est d'abord convertie en minutes, puisque le tarif est annoncé à la minute. La relation est linéaire : chaque minute d'audio supplémentaire ajoute exactement le tarif à la minute à la facture.

Exemple détaillé

Prenons un entretien de 47 minutes transcrit au tarif de $0,006 la minute, un palier courant de reconnaissance vocale hébergée. Le coût est

l'entretien complet revient donc à un peu plus d'un quart de dollar. Un podcast hebdomadaire de cette durée coûterait environ $15 par an à transcrire — assez peu pour que ce soit la durée, et non le tarif, qui mérite généralement d'être vérifiée.

Remarques et variantes

Les fonctions optionnelles modifient le tarif effectif. La diarisation des locuteurs, l'horodatage au niveau du mot et l'identification de la langue sont parfois facturés à un tarif à la minute plus élevé ou comme options distinctes ; réglez donc le tarif sur le palier que vous utilisez réellement. Les enregistrements stéréo à plusieurs canaux peuvent être facturés par canal ; les convertir en mono avant l'envoi évite de payer deux fois le même contenu. La suppression des silences en début et en fin réduit directement la durée facturée.

Application

Le coût par enregistrement est la brique de base de budgets de transcription plus larges. Le multiplier par le nombre d'enregistrements par mois donne la dépense récurrente. Pour le sens inverse — synthétiser de la parole à partir de texte plutôt que la transcrire — voir le Calcul du coût de synthèse vocale. Lorsque la transcription est un poste parmi d'autres dans une charge de travail d'IA plus vaste, intégrez-la dans le Calculateur de coût mensuel d'un LLM.