Giá theo giờ chỉ là một trong bốn con số trên bảng giá của một API phiên âm. Đơn vị tính phí, mức tối thiểu cho mỗi tác vụ và cách bán tín dụng có thể làm hóa đơn chênh nhiều hơn một mức giá rẻ hơn. Dưới đây là các ví dụ đã tính, với phép toán thật.
Hầu hết các bài so sánh giá API phiên âm xếp một con số cho mỗi nhà cung cấp: giá cho mỗi phút hoặc mỗi giờ âm thanh. Con số đó quan trọng, nhưng không phải là thứ bạn trả. Bạn trả mức giá nhân với lượng âm thanh mà nhà cung cấp tính, và nhà cung cấp tính âm thanh theo quy tắc riêng của họ. Hai trong số các quy tắc đó quyết định phần lớn chênh lệch: đơn vị tính phí (theo giây, theo 15 giây, theo phút) và mức tối thiểu cho mỗi tác vụ. Quy tắc thứ ba, cách bán tín dụng (trả trước, gói hằng tháng có tín dụng, hoặc hợp đồng theo khối lượng), quyết định bạn thực sự dùng được bao nhiêu trong số những gì đã trả.
Bài viết này đưa cùng các khối lượng công việc qua những quy tắc ấy ở một mức giá cố định, để có thể thấy riêng từng quy tắc. Số liệu của chính VocalStack được dùng ở chỗ cần giá thật, như được liệt kê trên trang bảng giá vào tháng 11 năm 2026.
Trước khi so sánh các nhà cung cấp, hãy ghi lại bốn điều cho từng nhà:
Con số thứ tư xứng đáng có một bài riêng, và trang bảng giá có một bảng giá niêm yết theo giờ âm thanh của các nhà cung cấp khác, đã gồm phụ phí, lấy từ trang giá của từng nhà vào tháng 10 năm 2026. Phần còn lại của bài này nói về con số thứ hai và thứ ba, vì đó là những thứ mà phép so sánh theo phút che đi.
Lấy một trung tâm liên lạc gửi 1,000 cuộc gọi đã ghi âm mỗi tháng, mỗi cuộc từ ba đến bảy phút. Để phép tính kiểm tra được, hãy giả sử năm độ dài cuộc gọi, mỗi loại 200 cuộc:
Các cuộc gọi cộng lại thành 302,000 giây âm thanh, hay 5,033 phút. Đây là số mỗi quy tắc tính cho chúng:
Mức giá không hề đổi. Làm tròn mỗi cuộc gọi lên phút kế tiếp cộng thêm 11.3 phần trăm vào hóa đơn, vì trung bình mỗi cuộc gọi trả tiền cho khoảng nửa phút mà không ai nói. Bước 15 giây thu hẹp phần lãng phí đó còn vài giây cho mỗi cuộc gọi. Hóa đơn theo giây với mức tối thiểu 5 phút nằm ở giữa: các cuộc gọi dài được tính đúng, các cuộc ngắn bị độn lên đến năm phút.
Với mức giá tệp của VocalStack là $0.20 một giờ, hóa đơn theo giây cho 1,000 cuộc gọi này là $16.78. Cũng các cuộc gọi đó với cách làm tròn theo phút sẽ là $18.67 ở cùng mức giá. Chênh lệch tính bằng đô la ở đây nhỏ vì mức giá thấp, và nó tăng theo mức giá: ở mức giá cao gấp mười lần, 11 phần trăm đó là số đô la nhiều gấp mười lần, mỗi tháng.
Theo quy tắc chung, làm tròn lãng phí khoảng nửa đơn vị cho mỗi tác vụ. Với làm tròn theo phút và các cuộc gọi trung bình năm phút, đó là khoảng 10 phần trăm. Với bước 15 giây là khoảng 2.5 phần trăm. Với tính phí theo giây thì thực tế bằng không.
Mức tối thiểu trông vô hại trên các bản ghi dài và chi phối hóa đơn trên các bản ngắn. Lấy 10,000 tin nhắn thoại, mỗi tin 40 giây, tổng cộng 111 giờ âm thanh, cùng mức $0.20 một giờ:
Mức tối thiểu 5 phút tính mỗi tin nhắn thoại 40 giây là 300 giây, gấp bảy lần rưỡi lượng âm thanh. Làm tròn theo phút, vốn làm trung tâm liên lạc tốn thêm 11 phần trăm, làm khối lượng tin nhắn thoại tốn thêm 50 phần trăm. Tệp điển hình càng ngắn, đơn vị và mức tối thiểu càng quyết định hóa đơn, và mức giá càng ít vai trò.
Vì vậy trước khi so sánh mức giá, hãy xem phân bố độ dài của chính bạn. Hãy xuất độ dài các tệp của tháng trước và cho chúng chạy qua quy tắc của từng nhà cung cấp. Một bảng tính có một cột cho mỗi quy tắc mất mười phút và trả lời câu hỏi tốt hơn bất kỳ bảng giá nào.
Hai dịch vụ giọng nói đám mây lớn tính phí theo giây. Tính đến tháng 11 năm 2026, trang giá của Amazon Transcribe nói rằng "usage is billed in one-second increments, with no minimum applied" (aws.amazon.com/transcribe/pricing), và trang giá của Google Cloud Speech-to-Text nói rằng "each request is rounded up to the nearest increment of 1 seconds" (cloud.google.com/speech-to-text/pricing). Quy tắc tính phí vẫn khác nhau giữa các dịch vụ: có nơi làm tròn lên phút, có nơi đặt mức tối thiểu cho mỗi tác vụ, có nơi làm cả hai. Hãy đọc đoạn nói về tính phí ở từng trang giá, thường là chữ nhỏ dưới bảng, thay vì tự suy đoán.
Tính đến tháng 11 năm 2026, trang bảng giá liệt kê các mức giá này, giống nhau trong Bảng điều khiển và qua API:
Một vài hệ quả, đã tính:
Quay lại hai khối lượng công việc. 1,000 cuộc gọi tốn $16.78 ở Premium (không có mức tối thiểu) và $18.39 ở gói Trả theo mức dùng, nơi 400 cuộc gọi dưới năm phút mỗi cuộc bị tính là năm. 10,000 tin nhắn thoại tốn $22.22 ở Premium và $166.67 ở gói Trả theo mức dùng. Với khối lượng lớn các tệp ngắn, gói không có mức tối thiểu là lựa chọn nên chọn, và ví dụ tin nhắn thoại cho thấy chênh lệch bao nhiêu.
Nửa còn lại của định giá phiên âm là cách bạn trả tiền cho âm thanh. Có ba mô hình phổ biến, và VocalStack dùng cả ba, mỗi gói một mô hình:
Tín dụng trả trước. Bạn mua một số dư và mỗi giây âm thanh trừ vào đó. Ở gói Trả theo mức dùng của VocalStack, tài khoản mới bắt đầu với $5 tín dụng đăng ký, đủ cho 25 giờ tệp hoặc khoảng 8.3 giờ âm thanh trực tiếp, và không cần thẻ. Sau đó bạn nạp thêm từ trang Billing: các mức có sẵn là $10, $25 và $50, và chấp nhận mọi số tiền từ $10 đến $500. Nạp tiền tự động tắt trừ khi bạn bật; khi bật, nó nạp thêm một số tiền đã chọn khi số dư giảm xuống ngưỡng bạn đặt. Tín dụng bạn mua không bao giờ hết hạn. Ở gói Trả theo mức dùng, phiên âm trực tiếp dừng khi số dư về không, nên hãy đặt cảnh báo số dư thấp, hoặc bật nạp tiền tự động, trước một sự kiện dài.
Gói có tín dụng. Bạn trả một số tiền cố định mỗi tháng và nhận tín dụng lại. Premium của VocalStack là $25 một tháng và bao gồm $25 tín dụng mỗi tháng: 125 giờ tệp hoặc khoảng 42 giờ âm thanh trực tiếp. Thanh toán theo năm là $240 một năm ($20 một tháng) và vẫn bao gồm $25 tín dụng mỗi tháng, nên một năm tín dụng dùng hết có giá trị $300 với giá $240. Điều đó tương đương hiệu quả $0.16 cho mỗi giờ tệp và $0.48 cho mỗi giờ trực tiếp, nếu bạn dùng hết tín dụng: tín dụng hằng tháng đi kèm được làm mới mỗi tháng và không cộng dồn. Ở Premium, phiên âm trực tiếp vẫn tiếp tục chạy dưới không, đến một giới hạn, để sự kiện không bị cắt giữa chừng; số phút vượt thêm được tính sau ở cùng mức giá.
Quyết định giữa hai gói chủ yếu là phép tính. Nếu dù sao bạn cũng chi $25 trở lên mỗi tháng, gói hằng tháng không tốn thêm gì và loại bỏ mức tối thiểu 5 phút. Nếu bạn chi ít hơn, tín dụng hằng tháng không dùng sẽ mất, và tín dụng trả trước, không bao giờ hết hạn, rẻ hơn.
Hợp đồng theo khối lượng. Trên một khối lượng nhất định, bảng giá thôi là giá. Gói Enterprise của VocalStack có mức giá theo khối lượng tùy chỉnh và tín dụng tùy chỉnh, đặt theo khối lượng dự kiến của bạn, và bổ sung năng lực chuyên dụng, một quản lý tài khoản, SLA và tùy chọn giữ tệp trong kho lưu trữ đám mây của riêng bạn. Hãy xin báo giá kèm số giờ dự kiến mỗi tháng, tỷ lệ giữa tệp và trực tiếp, và phân bố độ dài của bạn, vì cả ba đều định hình một mức giá khối lượng hợp lý.
Giá không phải là thứ duy nhất một gói quyết định. Các giới hạn quyết định một lô lớn chạy qua nhanh đến đâu, điều trở nên quan trọng ngay khi khối lượng quan trọng:
Các giới hạn về số phiên âm cùng lúc và về độ dài là giới hạn an toàn, để một script lỗi không thể khởi động hàng trăm phiên âm, và bộ phận hỗ trợ nâng chúng lên khi có yêu cầu. Với một đống tồn, hãy kiểm tra chúng trước khi lên kế hoạch di chuyển.
Một mức giá thấp hơn 10 phần trăm có thể thua một quy tắc tính phí lãng phí 11 phần trăm, và một gói rẻ hơn có thể thua một mức tối thiểu tính tệp 40 giây là năm phút. Hãy làm phép tính trên chính các tệp của bạn. Nếu bạn muốn thử trên âm thanh thật, tín dụng đăng ký đủ cho 25 giờ tệp, và hướng dẫn về tệp đưa tệp đầu tiên qua API chỉ trong vài phút.