Stawka za godzinę to tylko jedna z czterech liczb w cenniku API do transkrypcji. Krok rozliczeniowy, minimum na zadanie i sposób sprzedaży kredytu mogą zmienić rachunek bardziej niż tańsza stawka. Oto przykłady z prawdziwymi obliczeniami.
Większość porównań cenników API do transkrypcji zestawia po jednej liczbie na dostawcę: cenę za minutę lub godzinę dźwięku. Ta liczba jest ważna, ale to nie ją płacisz. Płacisz stawkę razy dźwięk, który zlicza dostawca, a dostawca zlicza dźwięk według własnych zasad. Dwie z nich decydują o większości różnicy: krok rozliczeniowy (co sekundę, co 15 sekund, co minutę) i minimum na zadanie. Trzecia, czyli sposób sprzedaży kredytu (przedpłata, miesięczny plan z kredytem albo umowa wolumenowa), decyduje o tym, ile z zapłaconego naprawdę wykorzystasz.
Ten artykuł przepuszcza te same obciążenia przez te zasady przy jednej stałej stawce, żeby zasady było widać osobno. Tam, gdzie potrzebne są prawdziwe ceny, użyto liczb samego VocalStack, tak jak podano je w cenniku w listopadzie 2026.
Zanim zaczniesz porównywać dostawców, zapisz cztery rzeczy dla każdego z nich:
Czwarta liczba zasługuje na osobny artykuł, a cennik zawiera tabelę cen katalogowych innych dostawców za godzinę dźwięku, z dodatkami, wziętych ze stron cenowych każdego z nich w październiku 2026. Reszta tego artykułu dotyczy drugiej i trzeciej, bo to je ukrywa porównanie za minutę.
Weźmy call center, które wysyła 1,000 nagranych rozmów miesięcznie, każdą od trzech do siedmiu minut. Żeby rachunek dało się sprawdzić, przyjmijmy pięć długości rozmów, po 200 rozmów każdej:
Rozmowy dają razem 302,000 sekund dźwięku, czyli 5,033 minuty. Oto, ile liczy za nie każda zasada:
Stawka się nie zmieniła. Zaokrąglenie każdej rozmowy do następnej minuty dodaje do rachunku 11.3 procent, bo przeciętnie każda rozmowa płaci za około pół minuty, w której nikt nie mówił. Kroki po 15 sekund zmniejszają to marnotrawstwo do kilku sekund na rozmowę. Rozliczanie co sekundę z minimum 5 minut leży pomiędzy: długie rozmowy są liczone dokładnie, krótkie dopełniane do pięciu minut.
Przy stawce VocalStack za pliki, $0.20 za godzinę, rachunek co sekundę za te 1,000 rozmów wynosi $16.78. Te same rozmowy z zaokrąglaniem do minuty kosztowałyby $18.67 przy tej samej stawce. Różnica jest tu w dolarach niewielka, bo stawka jest niska, a rośnie razem ze stawką: przy stawce dziesięć razy wyższej te 11 procent to dziesięć razy więcej dolarów, co miesiąc.
Zasadniczo zaokrąglanie marnuje około pół kroku na zadanie. Przy zaokrąglaniu do minuty i rozmowach średnio pięciominutowych to mniej więcej 10 procent. Przy krokach po 15 sekund około 2.5 procent. Przy rozliczaniu co sekundę praktycznie zero.
Minima wyglądają niewinnie przy długich nagraniach, a przy krótkich dominują rachunek. Weźmy 10,000 wiadomości głosowych po 40 sekund, razem 111 godzin dźwięku, przy tych samych $0.20 za godzinę:
Minimum 5 minut rozlicza każdą 40-sekundową wiadomość głosową jako 300 sekund, siedem i pół raza więcej niż dźwięku. Zaokrąglanie do minuty, które call center kosztowało 11 procent, wiadomości głosowe kosztuje 50 procent. Im krótszy typowy plik, tym bardziej o rachunku decydują krok i minimum, a tym mniej stawka.
Dlatego zanim porównasz stawki, spójrz na własny rozkład długości. Wyeksportuj czasy trwania plików z zeszłego miesiąca i przepuść je przez zasady każdego dostawcy. Arkusz z jedną kolumną na zasadę zajmuje dziesięć minut i odpowiada na to pytanie lepiej niż jakikolwiek cennik.
Dwie duże usługi mowy w chmurze rozliczają co sekundę. Według stanu na listopad 2026 strona cenowa Amazon Transcribe mówi, że „usage is billed in one-second increments, with no minimum applied” (aws.amazon.com/transcribe/pricing), a strona cenowa Google Cloud Speech-to-Text mówi, że „each request is rounded up to the nearest increment of 1 seconds” (cloud.google.com/speech-to-text/pricing). Zasady rozliczania nadal różnią się między usługami: niektóre zaokrąglają do minuty, niektóre wprowadzają minimum na zadanie, a niektóre jedno i drugie. Zamiast zgadywać, przeczytaj akapit o rozliczaniu na każdej stronie cenowej, zwykle drobnym drukiem pod tabelą.
Według stanu na listopad 2026 cennik podaje te stawki, takie same w Dashboardzie i przez API:
Kilka konsekwencji, policzonych:
Wracając do dwóch obciążeń. 1,000 rozmów kosztuje $16.78 w Premium (bez minimum) i $18.39 w planie Pay as you go, gdzie 400 rozmów krótszych niż pięć minut jest rozliczanych po pięć. 10,000 wiadomości głosowych kosztuje $22.22 w Premium i $166.67 w planie Pay as you go. Przy dużej liczbie krótkich plików właściwy jest plan bez minimum, a przykład wiadomości głosowych pokazuje, o ile.
Druga połowa cennika transkrypcji to sposób, w jaki płacisz za dźwięk. Są trzy częste modele i VocalStack używa wszystkich trzech, po jednym na plan:
Kredyt przedpłacony. Kupujesz saldo i każda sekunda dźwięku je zużywa. W planie Pay as you go VocalStack nowe konto zaczyna z $5 kredytu na start, wystarczającym na 25 godzin plików lub około 8.3 godziny dźwięku na żywo, bez karty. Potem doładowujesz ze strony Billing: ustawienia wstępne to $10, $25 i $50, a przyjmowana jest dowolna kwota od $10 do $500. Automatyczne doładowanie jest wyłączone, dopóki go nie włączysz; po włączeniu dodaje wybraną kwotę, gdy saldo spadnie do ustawionego progu. Kupiony kredyt nigdy nie wygasa. W planie Pay as you go transkrypcja na żywo zatrzymuje się, gdy saldo dojdzie do zera, więc przed długim wydarzeniem ustaw alert o niskim saldzie albo włącz automatyczne doładowanie.
Plan z kredytem. Płacisz stałą kwotę co miesiąc i dostajesz kredyt z powrotem. Premium w VocalStack kosztuje $25 miesięcznie i obejmuje $25 kredytu co miesiąc: 125 godzin plików lub około 42 godzin dźwięku na żywo. Przy rozliczeniu rocznym to $240 rocznie ($20 miesięcznie) i nadal $25 kredytu co miesiąc, więc rok w pełni wykorzystanego kredytu jest wart $300 za $240. Daje to efektywnie $0.16 za godzinę plików i $0.48 za godzinę na żywo, jeśli wykorzystasz cały kredyt: wliczony miesięczny kredyt odnawia się co miesiąc i nie przechodzi na następny. W Premium transkrypcja na żywo działa dalej także poniżej zera, do pewnego limitu, więc wydarzenie nie zostaje urwane; dodatkowe minuty są rozliczane później według tej samej stawki.
Wybór między jednym a drugim to głównie arytmetyka. Jeśli i tak wydałbyś $25 lub więcej miesięcznie, plan miesięczny nie kosztuje nic ekstra i znosi minimum 5 minut. Jeśli wydajesz mniej, niewykorzystany miesięczny kredyt przepada, a kredyt przedpłacony, który nie wygasa, jest tańszy.
Umowy wolumenowe. Powyżej pewnego wolumenu cennik przestaje być ceną. Plan Enterprise w VocalStack ma indywidualne stawki wolumenowe i indywidualny kredyt, ustalone pod twój przewidywany wolumen, a do tego dedykowaną przepustowość, opiekuna konta, SLA i możliwość trzymania plików we własnej chmurze. Poproś o wycenę z przewidywaną liczbą godzin miesięcznie, podziałem na pliki i dźwięk na żywo oraz rozkładem długości, bo wszystkie trzy kształtują uczciwą stawkę wolumenową.
Cena nie jest jedyną rzeczą, jaką ustala plan. Limity decydują o tym, jak szybko przechodzi duża partia, co ma znaczenie, gdy tylko rośnie wolumen:
Limity transkrypcji naraz i długości to limity bezpieczeństwa, żeby skrypt, który poszedł źle, nie uruchomił setek transkrypcji, a wsparcie podnosi je na prośbę. Przy zaległościach sprawdź je, zanim zaplanujesz migrację.
Stawka niższa o 10 procent może przegrać z zasadą rozliczania, która marnuje 11 procent, a tańszy plan może przegrać z minimum, które rozlicza 40-sekundowy plik jak pięć minut. Zrób rachunek na własnych plikach. Jeśli chcesz to wypróbować na prawdziwym dźwięku, kredyt na start pokrywa 25 godzin plików, a samouczek o plikach przeprowadza pierwszy z nich przez API w kilka minut.