एउटै दर। सबै कुरा समावेश।

सबैका लागि एउटै मूल्य, एप र API दुवैमा। वक्ता विभाजन, वक्ता नामकरण, सारांश, कुनै पनि भाषामा अनुवाद, आवाज, प्रसारण र साझेदारी हरेक योजनामा समावेश छन्।

प्रयोग अनुसार भुक्तानी

क्रेडिट टप-अप गर्नुहोस्
आवश्यकताअनुसार

निःशुल्क सुरु गर्नुहोस्

$5 एकपटकको साइनअप क्रेडिट, कार्ड आवश्यक छैन
1 समवर्ती सत्र
हरेक सुविधा समावेश
कागजातबाट स्वयं-सहायता

Premium

$40

प्रति महिना

वार्षिक बिलिङ

सदस्यता लिनुहोस्

हरेक महिना $50 क्रेडिट+$10 बोनस
5 समवर्ती सत्र
प्रायः तातो सर्भर सुरुवात
इमेल सहायता

Enterprise

अनुकूल मूल्य

हामीसँग कुरा गर्नुहोस्

अनुकूल क्रेडिट र थोक दर
असीमित समवर्ती सत्र
समर्पित इन्जिन पूल, सधैँ तातो
खाता प्रबन्धक र अनुकूल SLA

प्रयोग अनुसार भुक्तानी

निःशुल्क सुरु गर्नुहोस्, र आवश्यकताअनुसार क्रेडिट टप-अप गर्नुहोस्

निःशुल्क सुरु गर्नुहोस्

Premium

पावर प्रयोगकर्ता र डेभलपरहरूका लागि उपयुक्त

सदस्यता लिनुहोस्

Enterprise

थोक दर र समर्पित पूर्वाधार

हामीसँग कुरा गर्नुहोस्

	$0आवश्यकताअनुसार क्रेडिट टप-अप गर्नुहोस् कार्ड आवश्यक छैन	$40 प्रति महिना वार्षिक बिलिङ	अनुकूल मूल्य

मूल्यएपमा र API मार्फत, हरेक योजनामा उही दर। बिलिङ प्रति सेकेन्ड, प्रति ट्रान्सक्रिप्सन कम्तीमा 5 मिनेट।

समावेश क्रेडिट	$5 एकपटकको साइनअप क्रेडिट	हरेक महिना $50 क्रेडिट(250 घण्टा फाइल वा 83 घण्टा लाइभ)	अनुकूल
फाइलहरू	प्रति घण्टा $0.20	प्रति घण्टा $0.20	थोक दर
लाइभ	प्रति घण्टा $0.60	प्रति घण्टा $0.60	थोक दर
प्रति ट्रान्सक्रिप्सन न्यूनतम	5 मिनेट	5 मिनेट	अनुकूल
क्रेडिट सकिँदा	तुरुन्तै रोकिन्छ	ग्रेस अवधि	ग्रेस अवधि
अनुवाद, सारांश, आवाज, प्रसारण र साझेदारीका लागि कुनै अतिरिक्त शुल्क छैन

क्षमताबढी क्षमता र छिटो सुरुवात उच्च योजनाहरूमा।

सुरु हुने गति	प्रायः चिसो सुरुवात	प्रायः तातो सुरुवात	सधैँ तातो
समवर्ती ट्रान्सक्रिप्सनहरू	1	5	असीमित
फाइल अपलोडको अधिकतम आकार	2 GB	5 GB	अनुकूल
लाइभ रेकर्डिङको अधिकतम लम्बाइ	5 घण्टा	10 घण्टा	24 घण्टा
समर्पित इन्जिन पूल

भण्डारण अवधिट्रान्सक्रिप्सनको प्रत्येक भाग कति समयसम्म फाइलमा राखिन्छ। तपाईं जुनसुकै बेला छिटो मेटाउन सक्नुहुन्छ।

स्रोत अडियो	7 दिन	असीमित	असीमित
आवाज	7 दिन	असीमित	असीमित
ट्रान्सक्रिप्सनहरू	30 दिन	असीमित	असीमित

सहायता

कागजात
इमेल सहायता
खाता प्रबन्धक
अनुकूल SLA

डेभलपरहरूAPI ले ड्यासबोर्डले गर्ने सबै कुरा, तपाईंको आफ्नै कोडबाट। समावेश छ हरेक योजनामा, र बिलिङ ड्यासबोर्डकै दरमा.

API पहुँच
MCP सर्भर
SDK हरू (TypeScript, Python)
API दर सीमा	प्रति घण्टा 10 ट्रान्सक्रिप्सन	प्रति घण्टा 100 ट्रान्सक्रिप्सन	अनुकूल

VocalStack तुलनामा

अडियोको प्रति घण्टा, प्रत्येक विक्रेताको मूल्य पृष्ठबाट सूची मूल्य, अक्टोबर 2026 मा जाँचिएको। यसमा कुनै कुरा गलत लाग्यो भने, कृपया हामीलाई सम्पर्क गर्नुहोस्.

अनुवाद गरिने भाषा

1 भाषा

+$भुक्तानी गरिने एड-अनसावधानी, विवरणका लागि होभर गर्नुहोस्

मोडेल र मूल्य			सुविधा, प्रति अडियो घण्टा
प्रदायक / मोडेल			ट्रान्सक्रिप्सन			श्रोता		आवाज		वक्ता		पोस्ट-प्रोसेसिङ
प्रदायक / मोडेल				स्ट्रिम इन्गेस्ट	पङ्क्तिबद्धता	अनुवाद	प्रसारण	TTS	क्लोनिङ	वक्ता विभाजन	नामकरण	सारांश	अनुच्छेदहरू	शीर्षकहरू	निर्यात
VocalStack लाइभ ट्रान्सक्रिप्सन	$0.60	$0.60	100	समावेश	समावेश	समावेश	समावेश	समावेश	समावेश	समावेश	समावेश	समावेश	समावेश	समावेश	SRT, PDF, Excel, JSON
AssemblyAI Universal-Streaming	$0.15	$0.27	6		समावेश					+$0.12		प्रति टोकन			JSON
AssemblyAI Universal-3.6 Pro Realtime	$0.45	$0.57	32		समावेश					+$0.12		प्रति टोकन			JSON
Deepgram Nova-3 monolingual streaming	$0.46	$2.08	63		समावेश			+$1.50		+$0.12		पछि
Deepgram Nova-3 multilingual streaming	$0.55	$2.17	10		समावेश			+$1.50		+$0.12		पछि
OpenAI gpt-live-transcribe	$1.02	$3.81	—			+$2.04		+$0.75
Gladia Solaria-1 Realtime (Starter)	$0.75	$0.75	100		समावेश	समावेश						समावेश			JSON
Speechmatics Linden 1	$0.30	$0.85	55					+$0.55		समावेश	समावेश
Speechmatics Standard realtime	$0.45	$1.65	55			+$0.65		+$0.55		समावेश	समावेश
Speechmatics Enhanced realtime	$0.80	$2.00	55			+$0.65		+$0.55		समावेश	समावेश
Google Chirp 3 streaming	$0.96	$5.46	111		आंशिक			+$1.50	+$3.00
AWS Transcribe streaming	$0.60	$0.80	99		समावेश			$0.20–5.00		समावेश
ElevenLabs Scribe v2 Realtime	$0.39	$4.39	100		समावेश			+$2.00	+$2.00

प्रसारण

बारम्बार सोधिने प्रश्नहरू

: हरेक योजनामा अडियोको प्रत्येक सेकेन्डका आधारमा, प्रति घण्टा $0.60 दरमा, प्रति ट्रान्सक्रिप्सन कम्तीमा 5 मिनेटसहित। 10 भाषासम्मका अनुवाद, बोलिने अनुवाद र प्रसारण त्यही दरभित्र पर्छन्, अतिरिक्त शुल्क होइन।
श्रोता र भाषाको संख्याले बिल परिवर्तन गर्दैन। एउटै भाषामा 5 जनाले पढेको सत्रको मूल्य 10 भाषामा 500 जनाले पढेको सत्रजत्तिकै हुन्छ।
निश्चित लम्बाइको लाइभ अडियोको मूल्य हेर्न स्लाइडर तान्नुहोस्:
30 मिनेट
फाइल, कुनै पनि योजना
$0.1000
लाइभ ट्रान्सक्रिप्सन, कुनै पनि योजना
$0.3000
: होइन। क्लोन गरिएको आवाजले अनुवाद गरिएको ट्रान्सक्रिप्टलाई त्यही वक्ताको आफ्नै आवाजमा, कुनै पनि भाषामा, बोलेर सुनाउँछ। राम्रो अडियोको 30 सेकेन्ड पर्याप्त हुन्छ। एकपटक आवाज बनेपछि, भविष्यका रेकर्डिङहरूमा वक्ता स्वतः पहिचान भएर नामसहित चिनिन्छन्।
रेकर्डिङ सकिएपछि सारांश तपाईंका लागि लेखिन्छ, र ट्रान्सक्रिप्ट समय-चिह्न र वक्ता लेबलसहित PDF वा प्रत्येक खण्डका लागि एउटा पङ्क्ति भएको Excel मा निर्यात गर्न सकिन्छ। कार्यक्रम पछि गरिएका सुधारहरू उही ट्रान्सक्रिप्टमा सुरक्षित हुन्छन्। यी कुनै पनि छुट्टै मिटरमा गणना हुँदैनन्; बिलमा अडियो मात्र जोडिन्छ।
: लाइभ ट्रान्सक्रिप्सनले सम्पूर्ण कार्यक्रमभर वक्तासँगै चल्नुपर्छ, ताकि बोलेका शब्दहरू केही क्षणमै, सबै भाषामा एकैसाथ, श्रोतासम्म पुग्छन्। यो काम विरामी र ताली बजाउँदा पनि निरन्तर चलिरहन्छ।
फाइलका लागि कुनै श्रोता पर्खिरहेका हुँदैनन्। तिनलाई वास्तविक समयभन्दा धेरै गुणा छिटो, समानान्तर रूपमा प्रशोधन गरिन्छ, जसले गर्दा रेकर्ड गरिएको एक घण्टाको अडियो $0.60 को सट्टा $0.20 मा पर्छ। कार्यक्रम हुँदाहुँदै कसैले पढ्नु नपर्ने भएमा, रेकर्डिङ पछि अपलोड गरेर फाइलको दर तिर्नुहोस्।
: होइन। हरेक लाइभ ट्रान्सक्रिप्सन Auto, Speed वा Accuracy मोडमा चल्न सक्छ, र तीनै प्रति घण्टा उही $0.60 मा बिलिङ हुन्छन्।
Speed ले शब्दहरू श्रोतासम्म सकेसम्म छिटो पुर्‍याउँछ। Accuracy ले सबैभन्दा सटीक ट्रान्सक्रिप्टलाई पहिलो राख्छ। Auto ले कार्यक्रम अघि बढ्दै गर्दा दुईबीच सन्तुलन मिलाउँछ। कोठाअनुसार जुन उपयुक्त लाग्छ छान्नुहोस्; यो मोड गुणस्तरको छनोट हो, मूल्य तहको होइन।
: प्रकाशित बेन्चमार्क छिट्टै आउँदैछन्। तबसम्म: शब्द त्रुटि दर उद्योगका अग्रणी ट्रान्सक्रिप्सन मोडेलहरूसरह छ, त्यसैले स्क्रिनमा देखिने कुरा नै बोलिएको कुरा हो।
ढिलाइ डिजाइनअनुसार मध्यम स्तरको छ। VocalStack इन्जिन धेरै भाषामा पढिने ट्रान्सक्रिप्टका लागि बनाइएको हो, त्यसैले यसले एकपटकमा एउटा वाक्यांश मात्र पक्का गर्छ — अल्पविराम वा वाक्यको अन्त्य जस्ता स्वाभाविक विरामहरूमा, नाम, संख्या र विराम चिह्न सही बनाउन पर्याप्त सन्दर्भ सुनेपछि — शब्दशः अड्कलहरू देखाएर आफैं बदलिने गरी होइन। श्रोताले स्थिर, अन्तिम पङ्क्तिहरू पाउँछन् जुन सबै भाषामा सफासँग अनुवाद हुन्छन्, र तपाईंले लाइभ पछ्याउने ट्रान्सक्रिप्ट नै तपाईंले राख्ने ट्रान्सक्रिप्ट हो।
: हो। प्रसारण एउटा सार्वजनिक लिङ्क हो, र त्यसमा जतिसुकै लाइभ ट्रान्सक्रिप्सन जोड्न सकिन्छ: मञ्चको माइक्रोफोन, रेडियो स्ट्रिम, HLS वा DASH फिड, वा YouTube लाइभ। श्रोताहरू उही लिङ्क खोल्छन् र एकपटक आफ्नो भाषा छान्छन्।
जोडिएको प्रत्येक ट्रान्सक्रिप्सन आफ्नै अडियो मिनेटका लागि, प्रति ट्रान्सक्रिप्सन कम्तीमा 5 मिनेटसहित बिलिङ हुन्छ। प्रसारण आफैं, लिङ्क, QR कोड र त्यसलाई पढ्ने सबैको लागि कुनै शुल्क लाग्दैन। पासवर्डले सुरक्षित निजी प्रसारणको बिलिङ पनि उस्तै हुन्छ।
: प्रयोग अनुसार भुक्तानी योजनामा, ब्यालेन्स शून्य भएपछि लाइभ ट्रान्सक्रिप्सन तुरुन्तै रोकिन्छ, र श्रोताले क्रेडिट सकिएको ठाउँमा ट्रान्सक्रिप्ट अन्त्य भएको देख्छन्। क्रेडिट थपेर फेरि सुरु गर्नुहोस्; प्रसारणको लिङ्क उही रहन्छ, त्यसैले कसैले फेरि सामेल हुनु पर्दैन।
Premium र Enterprise मा ग्रेस अवधि हुन्छ। कार्यक्रम अवरुद्ध नहोस् भनेर ट्रान्सक्रिप्सन चलिरहन्छ, र थप मिनेटको शुल्क पछि उही दरमा लाग्छ। वक्ता वा श्रोताका लागि सत्रमा केही पनि परिवर्तन हुँदैन।
: प्रयोग अनुसार भुक्तानी योजनामा, ट्रान्सक्रिप्सन 30 दिनसम्म र स्रोत अडियो तथा क्लोन गरिएका आवाज 7 दिनसम्म राखिन्छ। तपाईंलाई राख्न मन लाग्ने कुरा त्यसअघि निर्यात गर्नुहोस्।
Premium र Enterprise मा तपाईंले मेटाउँदासम्म सबै कुरा राखिन्छ। रेकर्डिङ मेटाउनुले अडियो र त्यसको ट्रान्सक्रिप्ट दुवै सदाका लागि हटाउँछ।
: होइन। API, MCP सर्भर र SDK हरू हरेक योजनामा समावेश छन् र ड्यासबोर्डकै दरमा ठ्याक्कै बिलिङ हुन्छन्: फाइलका लागि प्रति घण्टा $0.20 र लाइभका लागि प्रति घण्टा $0.60, प्रति ट्रान्सक्रिप्सन 5 मिनेटको न्यूनतम सहित। योजनाको क्रेडिट API प्रयोगमा पनि लाग्छ।
ठूलो मात्राको दर, असीमित समवर्ती ट्रान्सक्रिप्सन, 24 घण्टाका लाइभ रेकर्डिङ, समर्पित इन्जिन पूल, सधैँ तातो सुरुवात, खाता प्रबन्धक वा अनुकूल SLA चाहिँदा Enterprise का लागि बिक्री टोलीसँग कुरा गर्नुहोस्।