Час созвона через API стоит от 2,4 до 192 ₽. Разброс задают две вещи: модель и провайдер. Ниже цены на минуту, час и 100 часов в месяц у российских провайдеров, официальные цены OpenAI, Google, Яндекса и Сбера, и что ещё влияет на счёт: разделение по спикерам, размер файла, округление и итоговое резюме встречи.
Цены провайдеров взяты из каталога LLMFinder по данным на 4 октября 2026 года. Доллары пересчитаны по курсу ЦБ на 3 октября 2026 года — 83,4839 ₽ (ЦБ РФ).
Цена минуты: Whisper, GPT-4o Transcribe и GPT-transcribe
У OpenAI на 5 октября 2026 года пять моделей для расшифровки готовых записей (цены OpenAI):
| Модель | Официальная цена за минуту | В рублях | Polza.ai | ProxyAPI | AITUNNEL |
|---|---|---|---|---|---|
| whisper-1 | $0,006 | 0,50 ₽ | 0,43 ₽ | 1,55 ₽ | 1,2 ₽ |
| gpt-4o-mini-transcribe | $0,003 | 0,25 ₽ | 0,35 ₽ | 0,77 ₽ | 0,9–1,2 ₽ |
| gpt-4o-transcribe | $0,006 | 0,50 ₽ | 0,70 ₽ | 1,55 ₽ | 1,8–2,4 ₽ |
| gpt-4o-transcribe-diarize | $0,006 | 0,50 ₽ | — | 1,55 ₽ | 2,2–3 ₽ |
| gpt-transcribe | $0,0045 | 0,38 ₽ | — | — | 0,9 ₽ |
ProxyAPI указывает цены с НДС 5 %. У Polza.ai и AITUNNEL ставка НДС в нашем каталоге не указана. Официальные цены OpenAI — без НДС. Как сравнивать цены с разным НДС, разобрано в статье про наценку провайдеров.
У Polza.ai whisper-1 стоит дешевле официальной цены OpenAI, пересчитанной по курсу ЦБ. Остальные модели у всех трёх провайдеров дороже официальной цены.
Почему у AITUNNEL две цены за минуту
Модели семейства gpt-4o-transcribe OpenAI тарифицирует не по минутам, а по токенам: за аудио на входе и за текст на выходе. Цена за минуту на странице OpenAI — оценка, она так и подписана: «Estimated cost».
AITUNNEL берёт за эти модели тоже по токенам. Например, у gpt-4o-mini-transcribe аудио на входе стоит 600 ₽ за 1 млн токенов, текст на выходе — 1 000 ₽ (страница модели). Два числа за минуту — это, по документации AITUNNEL, «ориентир цены за минуту аудио в рублях»: нижняя и верхняя оценка (документация). Сколько списали на самом деле, видно в ответе API: поле usage.cost_rub. За whisper-1 и gpt-transcribe AITUNNEL берёт поминутно, и цена у них одна.
ZvenoAI публикует для gpt-4o-transcribe и его вариантов только цену за токены: от 1 100 ₽ за 1 млн входных и от 1 833 ₽ за 1 млн выходных (страница модели). Сколько токенов уходит на минуту записи, ZvenoAI не пишет, поэтому в таблицу мы его не включили.
Сколько стоит час и 100 часов в месяц
100 часов — это 6 000 минут. Примерно столько набирается у команды, которая расшифровывает по пять часов звонков в рабочий день.
| Модель и провайдер | 1 час | 100 часов в месяц |
|---|---|---|
| gpt-4o-mini-transcribe, Polza.ai | 21 ₽ | 2 107 ₽ |
| whisper-1, Polza.ai | 26 ₽ | 2 592 ₽ |
| gpt-4o-transcribe, Polza.ai | 42 ₽ | 4 214 ₽ |
| gpt-4o-mini-transcribe, ProxyAPI | 46 ₽ | 4 639 ₽ |
| gpt-transcribe, AITUNNEL | 54 ₽ | 5 400 ₽ |
| whisper-1, AITUNNEL | 72 ₽ | 7 200 ₽ |
| whisper-1, ProxyAPI | 93 ₽ | 9 300 ₽ |
| gpt-4o-transcribe-diarize, ProxyAPI | 93 ₽ | 9 300 ₽ |
| gpt-4o-transcribe-diarize, AITUNNEL | 132–180 ₽ | 13 200–18 000 ₽ |
Минимальное пополнение — 100 ₽ у Polza.ai и 500 ₽ у AITUNNEL. Прежде чем пополнять на месяц вперёд, проверьте, что будет с остатком: у кого баланс сгорает и кто возвращает деньги.
Что дешевле Whisper
Кроме моделей OpenAI, у тех же провайдеров есть открытые модели расшифровки и модели российских разработчиков. Они в разы дешевле:
| Модель | Провайдер | За минуту | 1 час | 100 часов |
|---|---|---|---|---|
| Whisper Large V3 Turbo | AITUNNEL | 0,04 ₽ | 2,40 ₽ | 240 ₽ |
| Parakeet TDT 0.6B v3 | Polza.ai | 0,11 ₽ | 6,48 ₽ | 648 ₽ |
| Aiesa Транскрипция | Polza.ai | 0,12 ₽ | 7,20 ₽ | 720 ₽ |
| GigaAM-v3 | Polza.ai | 0,25 ₽ | 15 ₽ | 1 505 ₽ |
| Chirp 3 | Polza.ai | 1,15 ₽ | 69 ₽ | 6 918 ₽ |
Официальные цены для сравнения. Parakeet — открытая модель NVIDIA под лицензией CC BY 4.0, она распознаёт 25 европейских языков, включая русский и украинский (карточка модели). В прайсе Together AI она стоит $0,0015 за минуту аудио, около 0,13 ₽ (цены Together AI). Chirp 3 работает в Google Cloud Speech-to-Text V2, там минута стоит $0,016 при объёме до 500 тысяч минут в месяц, около 1,34 ₽ (цены Google Cloud).
Качество на ваших записях эти цены не покажут. Перед тем как отправлять архив, расшифруйте одну и ту же типичную запись двумя-тремя моделями и сравните текст.
Яндекс и Сбер: официальные тарифы
У Yandex SpeechKit цена указана за 15 секунд аудио с НДС (тарифы SpeechKit):
| Режим | За 15 секунд | За минуту | 1 час | 100 часов |
|---|---|---|---|---|
| Асинхронное распознавание файлов | 0,1515 ₽ | 0,61 ₽ | 36 ₽ | 3 636 ₽ |
| Асинхронное, отложенный режим | 0,0381 ₽ | 0,15 ₽ | 9,14 ₽ | 914 ₽ |
| Синхронное распознавание | 0,1626 ₽ | 0,65 ₽ | 39 ₽ | 3 902 ₽ |
В отложенном режиме файл встаёт в очередь с низким приоритетом. По документации, асинхронное распознавание в обоих режимах может длиться от нескольких минут до 24 часов. Файл передаётся ссылкой на бакет Object Storage, максимум 1 ГБ и 4 часа (документация SpeechKit).
SaluteSpeech от Сбера с 15 июля 2026 года не подключает новых клиентов: физлицам перестали продавать пакеты, а юрлицам — пакеты и оплату по факту (тарифы для физлиц, для юрлиц). В тарифах для юрлиц распознавание в пакете стоит 0,6 ₽ за минуту с НДС.
Округление: за что платите на коротких записях
На часовой записи округление ничего не меняет. На голосовых сообщениях по 5–10 секунд оно может увеличить счёт в разы. Что сказано в официальных документах на 5 октября 2026 года:
- Yandex SpeechKit, асинхронный режим: тарифицируется каждая секунда, но минимум 15 секунд на запрос. Моно- и стереозапись стоят одинаково: число каналов округляется до чётного. В синхронном режиме единица — 15 секунд, 1 секунда превращается в 15 (тарифы).
- Google Cloud Speech-to-Text: каждый запрос округляется вверх до целой секунды (цены).
- ProxyAPI: оплачиваются секунды звучания, паузы и тишина оплачиваются так же, как речь (документация).
- SaluteSpeech при оплате по факту: секунды за месяц суммируются и округляются до целого; двухканальная запись стоит вдвое больше одноканальной (тарифы для юрлиц).
Если про округление в документах провайдера ничего нет, отправьте десяток коротких файлов и сверьте списание с длительностью. У AITUNNEL длительность и стоимость приходят в ответе API, в полях usage.seconds и usage.cost_rub.
Раз платите и за тишину, обрежьте длинные паузы в начале и конце записи до отправки.
Как разделить запись по спикерам
Модели whisper-1, gpt-4o-transcribe и gpt-transcribe возвращают сплошной текст без указания, кто говорит. Разделить реплики можно так:
- gpt-4o-transcribe-diarize. Возвращает реплики с меткой говорящего и временем начала и конца. Можно передать до четырёх образцов голосов по 2–10 секунд, чтобы модель подписала реплики именами, а не буквами. Подсказки (
prompt) эта модель не принимает. Для записей длиннее 30 секунд нужен параметрchunking_strategy(документация OpenAI). - Aiesa Транскрипция у Polza.ai. Разметка говорящих включена по умолчанию, метки технические, вроде SPEAKER_01, сопоставить их с людьми нужно самому. Обработка асинхронная (страница модели).
- Yandex SpeechKit. Размечает дикторов только в монозаписи и не больше двух (документация).
- Chirp 3. Google заявляет разметку говорящих (описание моделей). В каталоге AITUNNEL у chirp-3 стоит отметка, что разметки нет (каталог). Если она нужна, уточните у провайдера.
- Стерео. Если телефония или программа записи пишет каждого собеседника на свой канал, разделите каналы и отправьте их отдельными файлами. Метки не понадобятся, а модель можно взять любую.
Лимит 25 МБ: когда резать запись
OpenAI принимает файлы до 25 МБ в форматах mp3, mp4, mpeg, mpga, m4a, wav и webm. Для записей больше OpenAI советует сжать звук или разрезать файл на куски до 25 МБ и не резать посреди фразы (документация). У посредников тот же лимит: AITUNNEL прямо пишет про 25 МБ и советует куски по 5–10 минут, чтобы при ошибке повторять только кусок (документация).
Сколько минут помещается в 25 МБ, зависит от формата:
| Формат | Примерно минут в 25 МБ |
|---|---|
| MP3 или M4A, моно, 64 кбит/с | 50 |
| MP3, 128 кбит/с | 26 |
| WAV, 16 кГц, 16 бит, моно | 13 |
Запись часового созвона в MP3 64 кбит/с придётся разрезать на два куска, а в WAV на пять.
Если режете запись для gpt-4o-transcribe-diarize, передайте в каждом запросе одни и те же образцы голосов. Тогда реплики из разных кусков получат одинаковые подписи. Для остальных моделей OpenAI предлагает передавать в prompt контекст из предыдущего куска.
Резюме встречи: сколько стоит текстовая модель
Расшифровку обычно отдают текстовой модели, чтобы получить итоги и список задач. Это стоит меньше, чем сама расшифровка моделями OpenAI.
Для расчёта возьмём час разговора как 50 тысяч знаков текста. Это допущение: темп речи у всех разный, точное число покажет ваша первая расшифровка. У токенизатора o200k_base это около 12 тысяч токенов на входе, по нашему замеру для русского текста. Резюме на страницу — около 1 500 токенов на выходе.
| Модель | Провайдер | Цена за 1 млн токенов, вход / выход | Резюме часа |
|---|---|---|---|
| GPT 6 Luna | Polza.ai | 5,85 / 29,27 ₽ | 0,11 ₽ |
| GPT 6 Luna | ProxyAPI | 30 / 150 ₽ | 0,59 ₽ |
| GPT 6 Sol | Polza.ai | 117 / 585 ₽ | 2,28 ₽ |
| GPT 6 Sol | ProxyAPI | 420 / 2 100 ₽ | 8,19 ₽ |
| GigaChat 2 Pro | GigaChat | 500 / 500 ₽ | 5,75 ₽ |
Для GigaChat вход посчитан как 10 тысяч токенов: его токенизатор укладывает русский текст плотнее. Даже на дорогой модели резюме обходится в единицы рублей.
Когда готовый сервис дешевле API
С API нужен код: нарезать файлы, отправить, собрать текст. Готовый сервис даёт редактор, разметку спикеров и резюме из коробки. Цены двух российских сервисов на 5 октября 2026 года:
- Teamlogs: от 10 ₽ за минуту при разовой покупке до 6 ₽ при пакете от 5 000 минут. Час — 360–600 ₽, купленные минуты не сгорают (тарифы).
- Speech2Text: для компаний тариф «Старт» без абонентской платы — 2 ₽ за минуту, «Базовый» — 2 300 ₽ в месяц за 90 часов. Для физлиц «Старт» — 500 ₽ в месяц за 6 часов (тарифы).
Час через Speech2Text на «Старте» стоит 120 ₽, через Teamlogs — от 360 ₽. Это дороже любого варианта из таблиц выше.
На больших объёмах картина другая. «Базовый» у Speech2Text при полном расходе 90 часов выходит около 0,43 ₽ за минуту. Это столько же, сколько whisper-1 у Polza.ai, и дешевле whisper-1 у AITUNNEL и ProxyAPI. Если расшифровок много, а писать интеграцию некому, подписка может обойтись дешевле API у дорогого провайдера.
Разовые записи без интеграции удобнее расшифровывать в сервисе. Поток записей, который должен сам попадать в CRM или базу знаний, удобнее вести через API: там вы платите только за минуты.
Персональные данные в записях
В записи звонка с клиентом есть его голос, имя, иногда телефон и детали заказа. Поэтому до отправки записи посреднику стоит выяснить три вещи.
Где обрабатываются данные
Российский провайдер передаёт запрос к модели OpenAI или Google дальше, разработчику модели или другой площадке. В нашем каталоге ни у одного предложения whisper-1 и gpt-4o-transcribe нет отметки «Данные хранятся в РФ». У Polza.ai такая отметка стоит у Aiesa Транскрипции и GigaAM-v3, у Aiesa ещё и «152-ФЗ: да» (страница Aiesa, GigaAM-v3). В каталоге есть фильтр «Данные хранятся в РФ».
Что говорит закон
Поручить обработку персональных данных другому лицу оператор может с согласия человека и по договору с этим лицом (152-ФЗ, ч. 3 ст. 6). До начала трансграничной передачи оператор обязан уведомить Роскомнадзор (ст. 12). Как это применяется к вашим записям, решит юрист: многое зависит от того, кто записан и на что он давал согласие.
Есть ли согласие на запись
Правила записи разговоров зависят от того, кто записывает, с кем говорит и зачем. Проверьте их с юристом до того, как расшифровки станут частью рабочего процесса.
Как компании выбрать провайдера с договором, закрывающими документами и НДС, разобрано в статье «API нейросетей для юрлиц и ИП» и на странице для бизнеса. Вопросы провайдеру о хранении данных есть в чек-листе перед пополнением.
Как выбрать
- Голосовые сообщения и черновые расшифровки. Whisper Large V3 Turbo или Parakeet: 2–7 ₽ за час. Если сообщения короткие, учитывайте минимум за запрос.
- Созвоны, где важно, кто что сказал. gpt-4o-transcribe-diarize, Aiesa Транскрипция или запись в стерео с разделением каналов.
- Обычная расшифровка. OpenAI рекомендует для неё gpt-transcribe. Если важна цена, начните с gpt-4o-mini-transcribe или whisper-1 у недорогого провайдера.
- Субтитры. whisper-1: у OpenAI таймкоды по словам есть только у него (документация), а через AITUNNEL он отдаёт форматы srt и vtt.
- Записи с персональными данными клиентов. Модели с отметкой о данных в РФ и разговор с юристом до запуска.
- Много часов без разработчика. Готовый сервис с подпиской: на объёме он сравним с API.
Цены всех моделей расшифровки по провайдерам собраны на странице «Речь → текст». Если цена у провайдера заметно ниже официальной, проверить, какая модель отвечает на самом деле, помогут способы из статьи о подмене моделей. Чем провайдеры различаются, кроме цены, показывает рейтинг провайдеров.
