तासाचा दर हा ट्रान्सक्रिप्शन API च्या किंमत यादीवरील चार आकड्यांपैकी फक्त एक आहे. बिलिंग वाढ, प्रति जॉब किमान मर्यादा आणि क्रेडिट कसे विकले जाते हे स्वस्त दरापेक्षा जास्त बिल बदलू शकतात. येथे खऱ्या गणितासह सोडवलेली उदाहरणे आहेत.
ट्रान्सक्रिप्शन API किमतीची बहुतेक तुलना प्रत्येक विक्रेत्यासाठी एक आकडा मांडते: ऑडिओच्या प्रति मिनिट किंवा प्रति तास किंमत. तो आकडा महत्त्वाचा आहे, पण तुम्ही तो भरत नाही. तुम्ही दर गुणिले विक्रेता मोजतो तो ऑडिओ भरता, आणि विक्रेता ऑडिओ स्वतःच्या नियमांनी मोजतो. यातील दोन नियम बहुतेक फरक ठरवतात: बिलिंग वाढ (प्रति सेकंद, प्रति 15 सेकंद, प्रति मिनिट) आणि प्रति जॉब किमान मर्यादा. तिसरा, क्रेडिट कसे विकले जाते (प्रीपेड, क्रेडिटसह मासिक प्लॅन, किंवा व्हॉल्यूम करार), तुम्ही भरलेल्यापैकी प्रत्यक्षात किती वापरता हे ठरवतो.
हा लेख हेच नियम एका निश्चित दरावर तीच कामे चालवून दाखवतो, म्हणजे नियम स्वतंत्रपणे दिसू शकतात. खऱ्या किमती हव्या असतील तिथे VocalStack चे स्वतःचे आकडे वापरले आहेत, जे नोव्हेंबर 2026 मध्ये pricing page वर दिलेले आहेत.
विक्रेत्यांची तुलना करण्यापूर्वी, प्रत्येकासाठी चार गोष्टी लिहून ठेवा:
चौथ्या आकड्याला स्वतःचा लेख हवा, आणि pricing page वर इतर विक्रेत्यांच्या ऑडिओच्या प्रति तास यादी किमतींची तक्ता आहे, ॲड-ऑन्ससह, प्रत्येक विक्रेत्याच्या किंमत पानावरून ऑक्टोबर 2026 मध्ये घेतलेली. या लेखाचा उर्वरित भाग दुसऱ्या आणि तिसऱ्या आकड्याबद्दल आहे, कारण प्रति मिनिट तुलना त्यांनाच लपवते.
महिन्याला 1,000 रेकॉर्ड केलेले कॉल्स पाठवणारे कॉन्टॅक्ट सेंटर घ्या, प्रत्येक तीन ते सात मिनिटांचा. गणित तपासता यावे म्हणून पाच कॉल लांबी गृहीत धरा, प्रत्येकी 200 कॉल्स:
कॉल्स मिळून 302,000 सेकंद ऑडिओ, म्हणजे 5,033 मिनिटे होतात. प्रत्येक नियम त्यांच्यासाठी काय बिल करतो ते असे:
दर कधीच बदलला नाही. प्रत्येक कॉल पुढच्या मिनिटापर्यंत वर पूर्णांकित केल्याने बिलात 11.3 टक्के भर पडते, कारण सरासरीने प्रत्येक कॉल कोणी न बोललेल्या सुमारे अर्ध्या मिनिटाचे पैसे भरतो. 15 सेकंदांची वाढ हा अपव्यय प्रति कॉल काही सेकंदांपर्यंत आणते. 5 मिनिटांच्या किमान मर्यादेसह प्रति सेकंद बिल मधेच येते: लांब कॉल्स अचूक बिल होतात, लहान कॉल्स पाच मिनिटांपर्यंत भरले जातात.
VocalStack च्या फाइल दरावर, $0.20 प्रति तास, या 1,000 कॉल्सचे प्रति सेकंद बिल $16.78 आहे. तेच कॉल्स त्याच दराने प्रति मिनिट पूर्णांकनासह $18.67 होतील. येथे डॉलरमध्ये फरक छोटा आहे कारण दर कमी आहे, आणि तो दराबरोबर वाढतो: दहापट जास्त दरावर ते 11 टक्के दहापट जास्त डॉलर असतील, दर महिन्याला.
नियम म्हणून, पूर्णांकनामुळे प्रति जॉब सुमारे अर्धी वाढ वाया जाते. प्रति मिनिट पूर्णांकन आणि सरासरी पाच मिनिटांच्या कॉल्ससह हे सुमारे 10 टक्के आहे. 15 सेकंदांच्या वाढीसह सुमारे 2.5 टक्के. प्रति सेकंद बिलिंगसह प्रत्यक्षात शून्य.
किमान मर्यादा लांब रेकॉर्डिंगवर निरुपद्रवी दिसतात पण लहान रेकॉर्डिंगवर बिलावर वर्चस्व गाजवतात. प्रत्येकी 40 सेकंदांचे 10,000 व्हॉइसमेल घ्या, एकूण 111 तास ऑडिओ, त्याच $0.20 प्रति तासावर:
5 मिनिटांची किमान मर्यादा प्रत्येक 40 सेकंदांच्या व्हॉइसमेलला 300 सेकंद म्हणून बिल करते, म्हणजे ऑडिओच्या साडेसात पट. प्रति मिनिट पूर्णांकन, ज्याने कॉन्टॅक्ट सेंटरला 11 टक्के खर्च आणला, ते व्हॉइसमेल कामाला 50 टक्के खर्च आणते. ठराविक फाइल जितकी लहान, तितके बिल वाढ आणि किमान मर्यादा ठरवतात आणि दर कमी ठरवतो.
म्हणून दरांची तुलना करण्यापूर्वी, तुमच्या स्वतःच्या लांबींचे वितरण पाहा. मागील महिन्याच्या फाइल्सचे कालावधी एक्स्पोर्ट करा आणि प्रत्येक विक्रेत्याच्या नियमांतून चालवा. प्रत्येक नियमासाठी एक स्तंभ असलेली स्प्रेडशीट दहा मिनिटे घेते आणि कोणत्याही दर पत्रकापेक्षा प्रश्नाचे चांगले उत्तर देते.
दोन मोठ्या क्लाउड स्पीच सेवा प्रति सेकंद बिल करतात. नोव्हेंबर 2026 नुसार, Amazon Transcribe किंमत पान म्हणते की "usage is billed in one-second increments, with no minimum applied" (aws.amazon.com/transcribe/pricing), आणि Google Cloud Speech-to-Text किंमत पान म्हणते की "each request is rounded up to the nearest increment of 1 seconds" (cloud.google.com/speech-to-text/pricing). तरीही सेवांमध्ये बिलिंग नियम वेगळे असतात: काही मिनिटापर्यंत वर पूर्णांकित करतात, काही प्रति जॉब किमान मर्यादा ठेवतात, आणि काही दोन्ही करतात. गृहीत धरण्याऐवजी प्रत्येक किंमत पानावरील बिलिंग परिच्छेद वाचा, जो सहसा तक्त्याखाली बारीक अक्षरांत असतो.
नोव्हेंबर 2026 नुसार, pricing page हे दर देते, डॅशबोर्डवर आणि API द्वारे सारखेच:
काही परिणाम, गणित करून:
दोन कामांच्या भाराकडे परत. 1,000 कॉल्स Premium वर (किमान मर्यादा नाही) $16.78 आणि Pay as you go वर $18.39 ला पडतात, जिथे पाच मिनिटांपेक्षा लहान 400 कॉल्स प्रत्येकी पाच म्हणून बिल होतात. 10,000 व्हॉइसमेल Premium वर $22.22 आणि Pay as you go वर $166.67 ला पडतात. लहान फाइल्सच्या मोठ्या संख्येसाठी, किमान मर्यादा नसलेला प्लॅन निवडावा, आणि व्हॉइसमेलचे उदाहरण किती फरक पडतो ते दाखवते.
ट्रान्सक्रिप्शन किमतीचा दुसरा अर्धा भाग म्हणजे तुम्ही ऑडिओसाठी कसे पैसे भरता. तीन सामान्य मॉडेल आहेत, आणि VocalStack तिन्ही वापरते, प्रत्येक प्लॅनसाठी एक:
प्रीपेड क्रेडिट. तुम्ही शिल्लक विकत घेता आणि ऑडिओचा प्रत्येक सेकंद ती खर्च करतो. VocalStack च्या Pay as you go वर, नवे खाते $5 साइनअप क्रेडिटसह सुरू होते, जे 25 तास फाइल्स किंवा सुमारे 8.3 तास लाइव्ह ऑडिओसाठी पुरेसे आहे, आणि कार्ड लागत नाही. त्यानंतर तुम्ही Billing पान वरून टॉप-अप करता: प्रीसेट $10, $25 आणि $50 आहेत, आणि $10 ते $500 पर्यंत कोणतीही रक्कम स्वीकारली जाते. ऑटोमॅटिक टॉप-अप तुम्ही चालू केल्याशिवाय बंद असते; चालू असताना, शिल्लक तुम्ही ठरवलेल्या मर्यादेपर्यंत घसरली की ते निवडलेली रक्कम जोडते. तुम्ही विकत घेतलेले क्रेडिट कधीही कालबाह्य होत नाही. Pay as you go वर, शिल्लक शून्यावर पोहोचली की लाइव्ह ट्रान्सक्रिप्शन थांबते, म्हणून मोठ्या कार्यक्रमापूर्वी कमी-शिल्लक अलर्ट सेट करा किंवा ऑटोमॅटिक टॉप-अप चालू करा.
क्रेडिटसह प्लॅन. तुम्ही दरमहा ठराविक रक्कम भरता आणि क्रेडिट परत मिळवता. VocalStack चा Premium दरमहा $25 आहे आणि दर महिन्याला $25 क्रेडिट समाविष्ट करतो: 125 तास फाइल्स किंवा सुमारे 42 तास लाइव्ह ऑडिओ. वार्षिक बिल केल्यास तो दरवर्षी $240 ($20 प्रति महिना) आहे आणि तरीही दर महिन्याला $25 क्रेडिट समाविष्ट करतो, म्हणून पूर्ण वापरलेल्या क्रेडिटचे एक वर्ष $240 साठी $300 चे आहे. तुम्ही सर्व क्रेडिट वापरल्यास हे प्रभावी $0.16 प्रति फाइल तास आणि $0.48 प्रति लाइव्ह तास होते: समाविष्ट मासिक क्रेडिट दर महिन्याला नूतनीकरण होते आणि पुढे ओढले जात नाही. Premium वर, लाइव्ह ट्रान्सक्रिप्शन एका मर्यादेपर्यंत शून्याच्या खाली चालू राहते, म्हणून कार्यक्रम तुटत नाही; अतिरिक्त मिनिटे नंतर त्याच दराने बिल होतात.
दोघांमधील निर्णय बहुतांश गणिताचा आहे. तुम्ही तरीही दरमहा $25 किंवा अधिक खर्च करणार असाल, तर मासिक प्लॅनला काहीही जास्त पडत नाही आणि 5 मिनिटांची किमान मर्यादा जाते. तुम्ही कमी खर्च करत असाल, तर न वापरलेले मासिक क्रेडिट वाया जाते, आणि कधीही कालबाह्य न होणारे प्रीपेड क्रेडिट स्वस्त पडते.
व्हॉल्यूम करार. विशिष्ट व्हॉल्यूमच्या वर, किंमत यादी हीच किंमत राहत नाही. VocalStack च्या Enterprise प्लॅनमध्ये तुमच्या अपेक्षित व्हॉल्यूमनुसार ठरवलेले सानुकूल व्हॉल्यूम दर आणि सानुकूल क्रेडिट असते, आणि त्यात समर्पित क्षमता, अकाउंट मॅनेजर, SLA आणि फाइल्स तुमच्या स्वतःच्या क्लाउड स्टोरेजमध्ये ठेवण्याचा पर्याय जोडला जातो. तुमचे अपेक्षित मासिक तास, फाइल्स आणि लाइव्हची विभागणी आणि तुमचे लांबी वितरण यासह कोट मागा, कारण या तिन्हींवरून योग्य व्हॉल्यूम दर ठरतो.
प्लॅन फक्त किंमतच ठरवत नाही. मर्यादा मोठी बॅच किती वेगाने पार होते ते ठरवतात, जे व्हॉल्यूम वाढताच महत्त्वाचे ठरते:
एकाच वेळच्या ट्रान्सक्रिप्शन्सवरील आणि लांबीवरील मर्यादा सुरक्षा मर्यादा आहेत, म्हणजे चुकलेली स्क्रिप्ट शेकडो ट्रान्सक्रिप्शन्स सुरू करू शकत नाही, आणि सपोर्ट विनंतीवरून त्या वाढवतो. साठवलेल्या कामासाठी, स्थलांतराचे नियोजन करण्यापूर्वी त्या तपासा.
10 टक्क्यांनी कमी दर 11 टक्के वाया घालवणाऱ्या बिलिंग नियमाकडून हरू शकतो, आणि स्वस्त प्लॅन 40 सेकंदांच्या फाइलला पाच मिनिटे म्हणून बिल करणाऱ्या किमान मर्यादेकडून हरू शकतो. तुमच्या स्वतःच्या फाइल्सवर गणित करा. खऱ्या ऑडिओवर वापरून पाहायचे असेल, तर साइनअप क्रेडिट 25 तास फाइल्सना पुरते, आणि फाइल ट्यूटोरियल पहिली फाइल API द्वारे काही मिनिटांत पार करून देते.