Última atualização: 2026-06-22

O custo de transcrição de áudio explicado

O custo de transcrição de áudio de uma API de fala para texto é o preço cobrado para converter uma gravação em texto escrito, calculado a partir da duração do áudio e da tarifa por minuto publicada pelo provedor. Quem precisa orçar transcrições de podcasts, atas de reuniões, registros de central de atendimento ou geração de legendas depende desse valor, pois a transcrição hospedada é medida pelo tempo de duração do áudio, e não pela quantidade de palavras que ele contém.

Como a transcrição é cobrada

Os provedores de fala para texto cotam uma tarifa por minuto de áudio de origem. O número de palavras ditas nesse minuto não altera a conta — um minuto de diálogo denso e um minuto de narração lenta custam o mesmo. Os minutos parciais costumam ser arredondados para cima, de modo que uma gravação de três minutos e dez segundos é cobrada como quatro minutos por alguns provedores. O modelo aqui usa a duração exata; se o seu provedor arredonda, arredonde a duração para cima antes de inseri-la.

A fórmula

Com uma gravação de duração $t$ minutos e um preço $p$ por minuto, o custo é o produto dos dois:

Quando a duração é fornecida em outra unidade de tempo, ela é primeiro convertida para minutos, já que a tarifa é cotada por minuto. A relação é linear: cada minuto adicional de áudio acrescenta exatamente a tarifa por minuto à conta.

Exemplo resolvido

Considere uma entrevista de 47 minutos transcrita a uma tarifa de $0,006 por minuto, um nível comum de fala para texto hospedada. O custo é

de modo que a entrevista completa custa pouco mais de um quarto de dólar. Um podcast semanal com essa duração custaria cerca de $15 por ano para transcrever — valor baixo o suficiente para que a duração, e não a tarifa, seja em geral o dado que vale a pena conferir.

Notas e variações

Recursos opcionais alteram a tarifa efetiva. Diarização de falantes, marcas de tempo por palavra e identificação de idioma às vezes são cobradas a uma tarifa por minuto maior ou como complementos separados, então defina a tarifa para o nível que você de fato utiliza. Gravações estéreo com vários canais podem ser cobradas por canal; mesclar para mono antes do envio evita pagar duas vezes pelo mesmo conteúdo. Cortar o silêncio inicial e final reduz diretamente a duração cobrada.

Aplicação

O custo por gravação é o bloco de construção de orçamentos maiores de transcrição. Multiplicá-lo pelo número de gravações por mês fornece o gasto recorrente. Para o sentido inverso — sintetizar fala a partir de texto em vez de transcrevê-lo — consulte a Calculadora de Custo de Texto para Fala. Quando a transcrição é um item de uma carga de trabalho de IA mais ampla, inclua-a na Calculadora de Custo Mensal de LLM.