直接答案：2026 年语音转写的公开分钟价大致是：OpenAI gpt-4o-mini-transcribe 0.003 美元/分钟、gpt-4o-transcribe/Whisper 0.006 美元/分钟、实时转写 0.017 美元/分钟；AWS Transcribe 批量 0.006 美元/分钟、流式 0.01 美元/分钟、Call Analytics 0.03 美元/分钟起；Google Speech-to-Text V2 标准 0.016 美元/分钟（首 50 万分钟），动态批量 0.003 美元/分钟。10 万分钟/月的 API 费大约在 300–1,600 美元，但人工校对、双声道计费、PII 脱敏、存储和集成往往更贵。本文只算语音转写，不重复客服机器人/坐席整包价格。
本文面向正在做会议转写、客服质检、销售通话分析、巡检语音记录或语音 Agent 的企业运营、客服、IT、数据和采购团队。资料截止 2026-10-31；价格来自 OpenAI、AWS、Google Cloud 官方页面。Azure Speech 的公开页本次未取得稳定单价，故不列入数值对比。所有价格未含税；美元与人民币不换算、不排名。本文是公开资料研究与编辑测算，不是报价，也不承诺识别准确率、节省比例或上线周期。
批量、流式、实时是三种价格；双声道在 Google 按两个声道分别计费，AWS 最多两个声道只按总时长；人工校对、PII 脱敏和存储常比转写 API 更贵。
2026 年语音转写的官方分钟价是多少？
批量约 0.003–0.006 美元/分钟，流式约 0.01–0.017 美元/分钟，Call Analytics 约 0.03 美元/分钟起；先分清批量/流式/实时。
“语音转写”至少有四种买法：异步批量文件、流式实时、通话分析（含说话人/情绪/摘要）、带 PII 脱敏或自定义语言模型的增强版。价格与计费单位不同，不能只拿一个“每分钟”数字横向比较。
| 服务 / 模式 | 计费单位 | 官方公开价 | 备注 |
|---|---|---|---|
| OpenAI gpt-4o-mini-transcribe | 分钟 | 0.003 美元/分钟 | 官方估算；按音频分钟 |
| OpenAI gpt-4o-transcribe / Whisper | 分钟 | 0.006 美元/分钟 | Whisper 与 gpt-4o-transcribe 估算同价 |
| OpenAI gpt-4o-transcribe-diarize | 分钟 | 0.006 美元/分钟 | 含说话人分离（diarization） |
| OpenAI 实时转写 | 分钟 | 0.017 美元/分钟 | gpt-live-transcribe / gpt-realtime-whisper |
| AWS Transcribe 批量 | 分钟 | 0.006 美元/分钟 | US East（N. Virginia）示例；按秒计费，无最低 |
| AWS Transcribe 流式 | 分钟 | 0.01 美元/分钟 | 含自定义词表、说话人分离、语言识别 |
| AWS Transcribe Call Analytics | 分钟 | 0.03 美元/分钟起（首 25 万分钟） | 阶梯价；PII 脱敏/生成式摘要另计 |
| Google Speech-to-Text V2 标准 | 分钟 | 0.016 美元/分钟（首 50 万分钟） | 50 万–100 万 0.01；100 万–200 万 0.008；200 万以上 0.004 |
| Google 动态批量 | 分钟 | 0.003 美元/分钟 | 低优先级批处理；价格更低 |
| Google V1（含数据记录） | 分钟 | 0.016 美元/分钟（60 分钟后） | 前 60 分钟/月免费；不含数据记录 0.024 |
官方公开价，美元、未含税，截至 2026-10-31。OpenAI 为官方“estimated cost per minute”；AWS 为 US East（N. Virginia）示例；Google 为 V2 标准/动态批量/V1 价格。Azure Speech 价格页本次未取得稳定单价，不列入数值对比。具体区域、币种、阶梯和附加功能以官方页面与合同为准。
10k、100k、1M 分钟一个月多少钱？
批量约 30–160 美元/1 万分钟；10 万分钟约 300–1,600 美元；100 万分钟约 3,000–13,000 美元，流式和 Call Analytics 更高。
| 方案 | 10,000 分钟 | 100,000 分钟 | 1,000,000 分钟 | 模式 |
|---|---|---|---|---|
| OpenAI gpt-4o-mini-transcribe | 30 美元 | 300 美元 | 3,000 美元 | 批量/按分钟 |
| OpenAI gpt-4o-transcribe / Whisper | 60 美元 | 600 美元 | 6,000 美元 | 批量/按分钟 |
| OpenAI 实时转写 | 170 美元 | 1,700 美元 | 17,000 美元 | 实时 |
| AWS 批量 | 60 美元 | 600 美元 | 6,000 美元 | 异步 |
| AWS 流式 | 100 美元 | 1,000 美元 | 10,000 美元 | 实时 |
| AWS Call Analytics | 300 美元 | 3,000 美元 | 21,450 美元 | 通话分析/阶梯 |
| Google V2 标准 | 160 美元 | 1,600 美元 | 13,000 美元 | 标准 |
| Google 动态批量 | 30 美元 | 300 美元 | 3,000 美元 | 低优先级批量 |
编辑测算：分钟 × 单价；未含税、存储、人工校对、PII 脱敏、摘要、集成和重试。AWS Call Analytics 1M 分钟按首 25 万 0.03 + 75 万 0.0186 估算为 21,450 美元；Google V2 1M 分钟按首 50 万 0.016 + 50 万 0.01 估算为 13,000 美元。OpenAI 实时/批量按官方估算；具体账单以实际模型和区域为准。
双声道/多声道为什么会让成本翻倍？
Google 明确每个声道分别计费；AWS 最多两个声道只按总音频时长计费。双声道录音在 Google 可能按 2 倍分钟计，这是最容易被忽略的差异。
客服电话、会议和访谈常用双声道（客服/客户各一路）或多声道录音。Google 的计费说明写明：每个音频声道分别计费，30 秒 4 声道会按 120 秒计；AWS 则说明最多两个声道的对话只按总音频时长计，不按声道分别收费。OpenAI 的转写按音频分钟估算，未按声道拆分；采购时要在合同中确认多声道规则。
| 方案 | 100k 分钟双声道计费 | 按 200k 分钟估算 | 备注 |
|---|---|---|---|
| Google V2 标准 | 200,000 分钟 | 3,200 美元 | 每声道分别计费 |
| AWS 批量 | 100,000 分钟 | 600 美元 | 最多两个声道按总时长 |
| OpenAI 批量 | 100,000 分钟 | 600 美元 | 按音频分钟；多声道需合同确认 |
编辑测算；未含税、人工校对、存储和集成。Google 的 200k 分钟仍落在首 50 万分钟档，按 0.016 美元/分钟估算；AWS/OpenAI 按 0.006 美元/分钟估算。多声道/双声道规则必须用实际音频和账单验证。
为什么 API 费不是语音项目预算？
因为人工校对、PII 脱敏、存储、摘要、集成和异常处理才是大头；转写 API 只解决“把声音变文字”。
| 成本项 | 是否在 API 单价内 | 怎么计量 | 常见漏项 |
|---|---|---|---|
| 转写 API | 是 | 音频分钟 × 单价；声道规则 | 双声道、流式/批量差异 |
| 人工校对/标注 | 否 | 音频分钟 ÷ 校对速度 × 人力单价 | 假设 ASR 可直接入库 |
| PII 脱敏/合规 | 部分 | 脱敏分钟、审计、权限 | 客户身份证/银行卡/地址泄露 |
| 存储/带宽 | 否 | 音频/转写文本留存、区域、加密 | 原始音频无限期保留 |
| 摘要/LLM 分析 | 否 | token 或按次 | 把摘要成本漏掉 |
| 集成/回写 | 否 | CRM/工单/数据仓库接口、队列、重试 | 只转写，不进入业务流程 |
| 维护/版本 | 否 | 模型/词表更新、回归测试 | 口音/产品名变化后没人维护 |
编辑建议，不是会计科目；具体以企业财务制度、供应商合同和实际账单为准。
100k 分钟，人工校对要多少？
若 10% 音频需校对、按音频时长的 2 倍校对、150 元/小时，约 333 小时、50,000 元；已远高于批量转写的 300–1,600 美元 API 费。
| 校对比例假设 | 需校对音频 | 校对工时（音频时长 × 2） | 人力成本（150 元/小时） | 适用 |
|---|---|---|---|---|
| 5% | 5,000 分钟 | 166.7 小时 | 25,000 元 | 内部会议纪要、低风险 |
| 10% | 10,000 分钟 | 333.3 小时 | 50,000 元 | 客服质检、销售复盘 |
| 100% | 100,000 分钟 | 3,333 小时 | 500,000 元 | 医疗/法律/合规逐字稿 |
100,000 分钟/月；校对比例、按音频时长 × 2 校对和 150 元/小时均为编辑假设，不是行业标准或报价。API 费按美元、人工费按人民币分别列示，不换算、不相加；企业应替换为自己的 WER、校对速度和人力成本。
按场景怎么选？
会议纪要选批量+diarization；客服质检选 Call Analytics/PII；实时语音 Agent 选流式；双声道先确认声道计费。
| 场景 | 优先能力 | 理由 | 不能忽略 |
|---|---|---|---|
| 会议/访谈纪要 | 批量 + 说话人分离 | 非实时、可容忍延迟；diarization 区分发言人 | 口音、重叠说话、专业术语 |
| 客服通话质检 | Call Analytics/PII 脱敏 | 需要说话人、情绪、关键词和脱敏 | 按分钟阶梯、摘要另计、存储合规 |
| 实时语音 Agent | 流式/实时转写 | 低延迟，边说话边识别 | 0.01–0.017 美元/分钟，网络/打断 |
| 双声道录音 | 确认声道计费 | Google 按声道分别计费，AWS 两声道按总时长 | 不要用单声道价格估算 |
| 医疗/法律逐字稿 | 高精度模型 + 人工 | 错误代价高，需逐字校对 | 隐私、留存、专业词表 |
| 海量离线归档 | 动态批量/低优先级 | 价格最低，可等待 | 延迟、失败重跑、存储 |
编辑建议，不是供应商排名。先用 1–2 小时真实音频（含口音/噪声/专业词）测 WER、diarization 和校对工时，再按业务量估算。
采购和验收应该看什么？
看 WER、专业词、说话人分离、时间戳、PII 脱敏、声道规则和每千分钟成本；不要只看厂商演示或单价。
| 验收项 | 建议口径 | 要留的证据 |
|---|---|---|
| WER/CER | 按语言/口音/噪声/场景分别统计 | 标注音频、评分脚本 |
| 专业术语 | 产品名/型号/材料/工艺词命中率 | 词表、抽检记录 |
| 说话人分离 | 说话人数量/轮次/重叠段准确率 | diarization 输出、人工核对 |
| 时间戳/分段 | 句级/词级时间戳可用性 | 转写 JSON、对齐检查 |
| PII 脱敏 | 身份证/银行卡/电话/地址召回与误杀 | 脱敏样本、审计日志 |
| 声道规则 | 双声道是否按 1× 或 2× 计费 | 账单、合同、测试音频 |
| 每千分钟成本 | （API + 校对 + 存储 + 集成）÷ 千分钟 | 账单、工时、项目投入 |
| 数据边界 | 区域、留存、训练使用、权限、DPA | 合同、配置、审计日志 |
没有统一的“够用”WER；会议纪要和医疗逐字稿的风险不同。高风险场景应逐字校对，不能只用厂商平均准确率。
谁该读、谁不适合？
适合正在做会议转写、客服质检、销售通话分析或语音 Agent 的团队；不适合只有几小时音频、没有校对/合规方案的项目。
该读：客服、销售运营、会议/知识管理、IT/数据、合规和采购团队；正在比较 OpenAI、AWS Transcribe、Google Speech-to-Text；需要判断“批量/流式/实时、双声道、PII、人工校对怎么算”的团队。不适合：只有几小时音频、想用免费额度解决生产；没有标注样本/校对流程；把转写直接当法律/医疗逐字稿；把客服机器人整包价格和转写 API 价格混在一起。能支持：分钟价对比、10k/100k/1M 分钟算例、双声道乘数、人工校对 TCO、场景选择和验收指标。
凌壹信息不转售语音 API，也不承诺某家识别“最准”。若需要语音转写接入 CRM/工单、私有网关、权限与审计，可参考 LingHarness；如果只是调用公开 API 做会议纪要试点，直接用云厂商通常更快。需要梳理语音场景、数据边界和验收清单，可联系我们。
已有 AI 客服成本、文档 OCR 成本 和 私有化 TCO；本文只处理语音转写 API，不重复客服坐席/机器人整包或 OCR。
常见问题
批量、流式、实时转写怎么选？
会议纪要、录音归档用批量，价格最低；客服实时辅助、语音 Agent 用流式/实时，价格更高但延迟低；通话质检用 Call Analytics/PII 能力。先按业务是否需要“边说边出字”排除，再比价格。
双声道为什么会让 Google 贵一倍？
Google 官方说明每个音频声道分别计费；双声道 100k 分钟可能按 200k 分钟计。AWS 说明最多两个声道的对话只按总音频时长计，不按声道分别收费。OpenAI 按音频分钟估算，多声道规则需在合同中确认。
OpenAI 和 AWS 批量都是 0.006 美元/分钟吗？
公开估算都接近 0.006 美元/分钟，但模型、功能、区域、免费额度和附加能力不同。OpenAI 有 0.003 的 mini 档和 0.017 的实时档；AWS 有流式 0.01、Call Analytics 0.03 起。不能只看一个批量价。
100,000 分钟一个月大概多少钱？
批量约 300–1,600 美元：OpenAI mini 300、OpenAI 4o/Whisper 600、AWS 批量 600、Google V2 1,600、Google 动态批量 300；流式 1,000–1,700 美元；Call Analytics 3,000 美元起。再加人工校对、PII、存储和集成；上表是编辑测算，不是报价。
人工校对要多少？
若 10% 音频需校对、按音频时长的 2 倍校对、150 元/小时，约 333 小时、50,000 元；100% 逐字校对约 3,333 小时、500,000 元。API 费可能只有几百到一千多美元，校对才是主成本；这是编辑假设，不是报价。
怎么验收语音转写质量？
用同一批真实音频（含口音、噪声、专业词、双声道）测 WER/CER、专业词命中、说话人分离、时间戳、PII 脱敏和每千分钟成本。不要只看厂商平均准确率或演示音频；医疗/法律/合规内容必须逐字校对。
研究方法与局限
本文只使用 2026-10-31 可访问的官方定价页，未使用未公开合同、客户账单或厂商内部数据。价格、区域、免费额度、模型和附加功能可能变化；本文没有企业协议价、税费、汇率、人工校对和存储的实际数据，因此所有月成本都是编辑测算，不是报价。Azure Speech 价格页本次未取得稳定单价，不列入数值对比；OpenAI 多声道计费规则、AWS/Google 的阶梯和附加功能以合同/账单为准。双声道、校对比例和人力成本均为假设。
数据来源与口径
资料截止 2026-10-31；以下为官方定价/产品页面，具体价格、区域、额度和条款以原文及合同为准。
- OpenAI, API Pricing：platform.openai.com/docs/pricing。gpt-4o-transcribe / mini / diarize / Whisper / 实时转写的每分钟估算。
- AWS, Amazon Transcribe Pricing：aws.amazon.com/transcribe/pricing。批量 0.006、流式 0.01、Call Analytics 0.03 起、PII/摘要附加费和双声道规则。
- Google Cloud, Speech-to-Text pricing：cloud.google.com/speech-to-text/pricing。V2 标准阶梯、动态批量 0.003、V1 价格与多声道分别计费规则。