Ultimo aggiornamento: 2026-06-22

Che cos'è il costo di trascrizione audio

Il costo di trascrizione audio di un'API di riconoscimento vocale è il prezzo addebitato per convertire una registrazione in testo scritto, calcolato a partire dalla lunghezza dell'audio e dalla tariffa al minuto pubblicata dal fornitore. Chiunque debba preventivare la trascrizione di podcast, verbali di riunione, registri di call center o la generazione di sottotitoli ha bisogno di questa cifra, perché la trascrizione gestita è misurata in base a quanto dura l'audio, non a quante parole contiene.

Come viene fatturata la trascrizione

I fornitori di riconoscimento vocale indicano una tariffa al minuto di audio sorgente. Il numero di parole pronunciate in quel minuto non cambia l'importo: un minuto di dialogo fitto e un minuto di narrazione lenta costano uguale. I minuti parziali vengono comunemente arrotondati per eccesso, quindi una registrazione di tre minuti e dieci secondi viene fatturata come quattro minuti da alcuni fornitori. Questo modello usa la durata esatta; se il proprio fornitore arrotonda, conviene arrotondare la durata per eccesso prima di inserirla.

La formula

Con una registrazione di durata $t$ minuti e un prezzo $p$ al minuto, il costo è il prodotto dei due:

Quando la durata è espressa in un'altra unità di tempo, viene prima convertita in minuti, poiché la tariffa è indicata al minuto. La relazione è lineare: ogni minuto di audio aggiuntivo aggiunge esattamente la tariffa al minuto all'importo.

Esempio svolto

Si consideri un'intervista di 47 minuti trascritta a una tariffa di $0,006 al minuto, una fascia diffusa per il riconoscimento vocale gestito. Il costo è

quindi l'intera intervista costa poco più di un quarto di dollaro. Un podcast settimanale di questa lunghezza costerebbe circa $15 all'anno da trascrivere — abbastanza poco perché di solito sia la durata, e non la tariffa, la cifra che vale la pena controllare.

Note e varianti

Le funzioni opzionali cambiano la tariffa effettiva. La diarizzazione dei parlanti, i marcatori temporali a livello di parola e l'identificazione della lingua vengono talvolta fatturate a una tariffa al minuto più alta o come componenti aggiuntivi separati, quindi conviene impostare la tariffa sulla fascia effettivamente in uso. Le registrazioni stereo con più canali possono essere fatturate per canale; la conversione in mono prima del caricamento evita di pagare due volte per lo stesso contenuto. Eliminare il silenzio iniziale e finale riduce direttamente la durata fatturata.

Applicazione

Il costo per registrazione è il mattone di base per budget di trascrizione più ampi. Moltiplicarlo per il numero di registrazioni al mese fornisce la spesa ricorrente. Per la direzione inversa — sintetizzare il parlato dal testo anziché trascriverlo — si veda il Calcolatore del costo della sintesi vocale. Quando la trascrizione è una voce di spesa all'interno di un carico di lavoro di IA più ampio, la si inserisce nel Calcolatore del costo mensile di un LLM.