La tarifa por hora es solo uno de los cuatro números de la lista de precios de una API de transcripción. El incremento de facturación, el mínimo por trabajo y la forma de vender el crédito pueden mover la factura más de lo que lo haría una tarifa más barata. Aquí tienes los ejemplos resueltos, con aritmética real.
La mayoría de las comparaciones de precios de APIs de transcripción alinean un número por proveedor: el precio por minuto o por hora de audio. Ese número importa, pero no es lo que pagas. Pagas la tarifa multiplicada por el audio que el proveedor cuenta, y el proveedor cuenta el audio con sus propias reglas. Dos de esas reglas deciden la mayor parte de la diferencia: el incremento de facturación (por segundo, por 15 segundos, por minuto) y el mínimo por trabajo. Una tercera, cómo se vende el crédito (prepago, un plan mensual con crédito o un contrato por volumen), decide cuánto de lo que pagaste usas de verdad.
Este artículo pasa las mismas cargas de trabajo por esas reglas con una tarifa fija, para que las reglas se vean por separado. Se usan las cifras propias de VocalStack donde hacen falta precios reales, tal como aparecen en la página de precios en noviembre de 2026.
Antes de comparar proveedores, anota cuatro cosas de cada uno:
El cuarto número merece su propio artículo, y la página de precios incluye una tabla con los precios de lista por hora de audio de otros proveedores, extras incluidos, tomados de la página de precios de cada proveedor en octubre de 2026. El resto de este artículo trata del segundo y del tercero, porque son los que una comparación por minuto oculta.
Imagina un centro de contacto que envía 1,000 llamadas grabadas al mes, cada una de entre tres y siete minutos. Para que la aritmética se pueda comprobar, supón cinco duraciones de llamada, 200 llamadas de cada una:
Las llamadas suman 302,000 segundos de audio, o 5,033 minutos. Esto es lo que factura cada regla por ellas:
La tarifa no cambió nunca. Redondear cada llamada al minuto siguiente añade un 11,3 por ciento a la factura, porque de media cada llamada paga por cerca de medio minuto que nadie habló. Los incrementos de 15 segundos reducen ese desperdicio a unos pocos segundos por llamada. Una factura por segundo con un mínimo de 5 minutos queda en un punto intermedio: las llamadas largas se facturan exactamente, las cortas se rellenan hasta cinco minutos.
Con la tarifa de archivos de VocalStack, $0.20 por hora, la factura por segundo de estas 1,000 llamadas es de $16.78. Las mismas llamadas con redondeo por minuto serían $18.67 con la misma tarifa. La diferencia es pequeña en dólares aquí porque la tarifa es baja, y crece con la tarifa: con una tarifa diez veces mayor, ese 11 por ciento son diez veces más dólares, cada mes.
Como regla, el redondeo desperdicia aproximadamente medio incremento por trabajo. Con redondeo por minuto y llamadas de cinco minutos de media, eso es más o menos un 10 por ciento. Con incrementos de 15 segundos es cerca de un 2,5 por ciento. Con facturación por segundo es prácticamente cero.
Los mínimos parecen inofensivos en grabaciones largas y dominan la factura en las cortas. Toma 10,000 mensajes de voz de 40 segundos cada uno, 111 horas de audio en total, con los mismos $0.20 la hora:
Un mínimo de 5 minutos factura cada mensaje de voz de 40 segundos como 300 segundos, siete veces y media el audio. El redondeo por minuto, que le costó un 11 por ciento al centro de contacto, le cuesta un 50 por ciento a la carga de mensajes de voz. Cuanto más corto es el archivo típico, más deciden la factura el incremento y el mínimo, y menos la tarifa.
Así que antes de comparar tarifas, mira tu propia distribución de duraciones. Exporta las duraciones de los archivos del mes pasado y pásalas por las reglas de cada proveedor. Una hoja de cálculo con una columna por regla lleva diez minutos y responde a la pregunta mejor que cualquier tarifario.
Dos grandes servicios de voz en la nube facturan por segundo. A noviembre de 2026, la página de precios de Amazon Transcribe dice que «usage is billed in one-second increments, with no minimum applied» (aws.amazon.com/transcribe/pricing), y la página de precios de Google Cloud Speech-to-Text dice que «each request is rounded up to the nearest increment of 1 seconds» (cloud.google.com/speech-to-text/pricing). Aun así, las reglas de facturación difieren entre servicios: algunos redondean al minuto, algunos fijan un mínimo por trabajo y algunos hacen las dos cosas. Lee el párrafo de facturación de cada página de precios, normalmente en letra pequeña bajo la tabla, en lugar de suponerlo.
A noviembre de 2026, la página de precios lista estas tarifas, las mismas en el panel y a través de la API:
Algunas consecuencias, calculadas:
Volvamos a las dos cargas de trabajo. Las 1,000 llamadas cuestan $16.78 en Premium (sin mínimo) y $18.39 en Pay as you go, donde las 400 llamadas de menos de cinco minutos se facturan cada una como cinco. Los 10,000 mensajes de voz cuestan $22.22 en Premium y $166.67 en Pay as you go. Para un volumen alto de archivos cortos, el plan sin mínimo es el que hay que elegir, y el ejemplo de los mensajes de voz muestra por cuánto.
La segunda mitad de los precios de transcripción es cómo pagas el audio. Hay tres modelos habituales, y VocalStack usa los tres, uno por plan:
Crédito prepago. Compras un saldo y cada segundo de audio lo gasta. En Pay as you go de VocalStack, una cuenta nueva empieza con $5 de crédito de registro, suficiente para 25 horas de archivos o unas 8,3 horas de audio en directo, y no hace falta tarjeta. Después recargas desde la página Billing: los importes predefinidos son $10, $25 y $50, y se acepta cualquier cantidad de $10 a $500. La recarga automática está desactivada salvo que la actives; cuando está activada, añade una cantidad elegida cuando el saldo baja hasta un umbral que fijas. El crédito que compras nunca caduca. En Pay as you go, una transcripción en directo se detiene cuando el saldo llega a cero, así que configura una alerta de saldo bajo, o activa la recarga automática, antes de un evento largo.
Un plan con crédito. Pagas una cantidad fija cada mes y recibes crédito. Premium de VocalStack cuesta $25 al mes e incluye $25 de crédito cada mes: 125 horas de archivos o unas 42 horas de audio en directo. Facturado anualmente son $240 al año ($20 al mes) y sigue incluyendo $25 de crédito cada mes, así que un año de crédito totalmente usado vale $300 por $240. Eso sale a unos $0.16 efectivos por hora de archivo y $0.48 por hora en directo, si usas todo el crédito: el crédito mensual incluido se renueva cada mes y no se acumula. En Premium, una transcripción en directo sigue funcionando por debajo de cero, hasta un límite, para que un evento no se corte; los minutos extra se facturan después a la misma tarifa.
La decisión entre los dos es sobre todo aritmética. Si ibas a gastar $25 o más al mes de todos modos, el plan mensual no cuesta nada extra y elimina el mínimo de 5 minutos. Si gastas menos, el crédito mensual no usado se pierde, y el crédito prepago, que nunca caduca, sale más barato.
Contratos por volumen. A partir de cierto volumen, la lista de precios deja de ser el precio. El plan Enterprise de VocalStack tiene tarifas de volumen personalizadas y crédito personalizado, fijados según tu volumen previsto, y añade capacidad dedicada, un gestor de cuenta, un SLA y la opción de guardar los archivos en tu propio almacenamiento en la nube. Pide un presupuesto con tus horas mensuales previstas, el reparto entre archivos y directo y tu distribución de duraciones, ya que los tres factores determinan una tarifa de volumen justa.
El precio no es lo único que fija un plan. Los límites deciden con qué rapidez pasa un lote grande, lo que importa en cuanto importa el volumen:
Los límites de transcripciones simultáneas y de duración son límites de seguridad, para que un script descontrolado no pueda iniciar cientos de transcripciones, y el soporte los amplía si se pide. Para un atraso, compruébalos antes de planificar la migración.
Una tarifa un 10 por ciento más baja puede perder frente a una regla de facturación que desperdicia un 11 por ciento, y un plan más barato puede perder frente a un mínimo que factura un archivo de 40 segundos como cinco minutos. Haz la aritmética con tus propios archivos. Si quieres probarlo con audio real, el crédito de registro cubre 25 horas de archivos, y el tutorial de archivos lleva el primero por la API en unos minutos.