Скільки коштує година аудіо
Усі п'ять варіантів нижче — сервіси розшифровки через API, тобто оплата за хвилину аудіо без місячної підписки. Ціни взято зі сторінок тарифів OpenAI, Google Cloud Speech-to-Text, Deepgram і AssemblyAI 28 жовтня 2026 року. Для Deepgram і AssemblyAI — тарифи для готових записів, а не для розшифровки наживо. Гривні — за курсом Національного банку на 28 жовтня, 45,6008 гривні за долар.
| Сервіс і модель | За хвилину | За годину | 10 годин на місяць | 100 годин на місяць |
|---|---|---|---|---|
| AssemblyAI Universal-2 | $0,0025 | 6,84 грн | 68 грн | 684 грн |
| AssemblyAI Universal-2 з розподілом за мовцями | $0,0028 | 7,75 грн | 78 грн | 775 грн |
| OpenAI gpt-4o-mini-transcribe | $0,003 | 8,21 грн | 82 грн | 821 грн |
| Google Speech-to-Text V2, відкладена обробка | $0,003 | 8,21 грн | 82 грн | 821 грн |
| Deepgram Nova-3, одна мова | $0,0043 | 11,77 грн | 118 грн | 1 177 грн |
| OpenAI gpt-transcribe | $0,0045 | 12,31 грн | 123 грн | 1 231 грн |
| OpenAI gpt-4o-transcribe-diarize | $0,006 | 16,42 грн | 164 грн | 1 642 грн |
| Google Speech-to-Text V2, стандартна обробка | $0,016 | 43,78 грн | 438 грн | 4 378 грн |
| Whisper на власному комп'ютері | — | 0 грн за API | 0 грн | 0 грн |
AssemblyAI вказує ціну за годину: $0,15 за Universal-2 і ще $0,02 за розподіл за мовцями; у таблиці перераховано на хвилину й округлено. Розподіл за мовцями в Deepgram для готових записів входить у ціну. Відкладена обробка в Google (dynamic batch) дешевша вп'ятеро, бо результат приходить не одразу.
6 000 хвилин × ціна за хвилину × 45,6008 грн/$ (курс НБУ на 28.10.2026). Тарифи перевірено 28 жовтня 2026 року на сторінках постачальників. Без пільгових обсягів і без вартості зберігання файлів.
Навіть найдорожчий рядок — 4 378 гривень за 100 годин, тобто 20 робочих днів по п'ять годин записів щодня. Для малої команди ціна розшифровки рідко буде головною витратою. Важливіше, чи сервіс правильно розпізнає вашу мову і чи можна віддавати йому ці записи.
Безкоштовні обсяги для старту: AssemblyAI дає до 185 годин розшифровки записів, Deepgram — $200 кредиту. Google у версії V1 API не бере плату за перші 60 хвилин на місяць.
Що з українською
Українську мову кожен постачальник описує по-своєму, і це видно лише в документації, а не на сторінці тарифів.
Джерела: довідка OpenAI про розпізнавання мовлення, таблиця мов Google Speech-to-Text V2, огляд моделей Deepgram, сторінка мов AssemblyAI, репозиторій openai/whisper. Точність ми не вимірювали: оцінки — дані самих постачальників.
Деталі, які з таблиці не видно.
OpenAI радить для нових проєктів gpt-transcribe. Окремого списку мов для неї немає: довідка каже, що модель приймає коди ISO 639-1 і повертає мови, які змогла надійно визначити. Код української — uk. Розподіл за мовцями є лише в моделі gpt-4o-transcribe-diarize, а її разом з whisper-1, gpt-4o-transcribe і gpt-4o-mini-transcribe позначено застарілою: ці моделі вимкнуть 26 лютого 2027 року.
Google підтримує uk-UA у моделях chirp, chirp_2, chirp_3, long і short, але не в усіх регіонах. Для chirp_3 у таблиці мов позначено автоматичну пунктуацію, а розподілу за мовцями для української не позначено.
AssemblyAI найновішу модель Universal-3.5 Pro випустила для 18 мов, і української серед них немає. Українська є в Universal-2, і компанія відносить її до групи «висока точність» — частка помилкових слів до 10% за власним заміром. Якщо вказати мову вручну, а функцію для неї не підтримано, API поверне помилку замість тихого пропуску.
Whisper — відкрита модель OpenAI з ліцензією MIT. У репозиторії для швидкої моделі turbo вказано близько 6 ГБ відеопам'яті, для large — близько 10 ГБ. Розподілу за мовцями серед її можливостей у README немає.
Чотири пастки в ціні
- Стереозапис дзвінка в Google коштує вдвічі. За умовами Google кожен аудіоканал тарифікується окремо. Дзвінок, записаний у два канали (менеджер і клієнт), рахується як дві хвилини за кожну хвилину розмови: 100 годин стандартної обробки стають 8 755 гривнями замість 4 378.
- Година наради не влазить в один запит OpenAI. Ліміт файлу — 25 МБ. Година mp3 з бітрейтом 64 кбіт/с важить 28,8 МБ, а на 25 МБ вистачає лише на 52 хвилини. Мовлення можна стиснути до 32 кбіт/с моно — тоді година важить 14,4 МБ, — або різати запис на частини.
- Застарілі моделі OpenAI ще в прайсі. Чотири моделі з таблиці вище працюватимуть до 26 лютого 2027 року. Якщо будуєте процес зараз, беріть gpt-transcribe, щоб не переробляти інтеграцію через чотири місяці.
- Знижки Deepgram стосуються розшифровки наживо. На сторінці тарифів акційні ціни позначено для стрімінгу; для готових записів у таблиці вище стоять звичайні тарифи.
Нарада, голосові чи дзвінки
Перше питання — не «який сервіс найкращий», а що саме ви розшифровуєте. Від цього залежить, чи потрібен розподіл за мовцями і чи взагалі можна віддати запис у хмару.
- У записі можуть прозвучати дані про здоров'я, паспорт, картку чи комерційна таємниця?Консультація лікаря, юриста, обговорення угоди. Хмарний сервіс тут означає передачу таких даних за кордон. Так → Whisper на власному комп'ютері
- Говорять кілька людей, і важливо, хто що сказав?Нарада, на якій розподіляють задачі, або інтерв'ю. Без розподілу за мовцями протокол доведеться розмічати вручну. Так → Deepgram Nova-3 або AssemblyAI Universal-2 з розподілом
- Це дзвінки з телефонії, записані у два канали?Канали вже розділяють менеджера й клієнта, тож розподіл за мовцями не потрібен, але двоканальний запис у Google коштує вдвічі. Так → уточніть, чи сервіс рахує канали окремо; розрахунок для відділу продажів — у статті про аналіз дзвінків
- Це короткі голосові повідомлення від клієнтів, один мовець?Вистачить найдешевшого варіанта з підтримкою української. Ціна тут визначається кількістю повідомлень, а не моделлю. Так → AssemblyAI Universal-2 або OpenAI gpt-transcribe
Розрахунок для відділу продажів — скільки хвилин дзвінків, які метрики й що вимагає закон про персональні дані при записі розмови — є в статті про ШІ в продажах і аналіз дзвінків.
Куди можна віддавати записи
Запис голосу людини — її персональні дані. Загальне правило таке ж, як для будь-якого ШІ-сервісу: потрібна підстава для обробки, договір із сервісом і розуміння, де зберігатимуть записи. Світлофор «що можна, а що ні» — у статті про дані для ШІ-асистента.
Для API OpenAI довідка про дані каже: з 1 березня 2023 року дані, надіслані в API, не використовуються для навчання моделей, якщо ви самі на це не погодились. При цьому журнали для контролю зловживань за замовчуванням зберігаються до 30 днів. Режим без зберігання (Zero Data Retention) вмикають лише після погодження з OpenAI. У Deepgram, AssemblyAI і Google умови свої — читайте договір про обробку даних перед підключенням.
Whisper на власному комп'ютері знімає це питання: запис нікуди не передається. Ціна — відеокарта, налаштування і відсутність розподілу за мовцями.
Скільки коштує ШІ для всієї команди, якщо до розшифровки додати підписки на асистентів, — у статті про бюджет на ШІ для десяти людей.
Наша позиція
Для українських нарад беріть сервіс, у якого українська є в документації разом із розподілом за мовцями: на 28 жовтня 2026 року це Deepgram Nova-3 і AssemblyAI Universal-2. Різниця в ціні між ними й найдешевшим варіантом — сотні гривень на місяць навіть на 100 годинах, а ручна розмітка «хто що сказав» у протоколі коштує більше. Перед підключенням проженіть 3–5 власних записів через два сервіси й порівняйте тексти: оцінки точності на сайтах постачальників зроблено не на ваших записах.
Позиція не діє, якщо в записах є дані про здоров'я клієнтів, паспортні дані чи предмет комерційної таємниці. Тоді хмарний сервіс без окремого договору про обробку даних не підходить за жодною ціною, і варіант один — локальний Whisper, навіть з ручним розподілом за мовцями.
Перевірено 28 жовтня 2026 року на сторінках тарифів OpenAI, Google Cloud Speech-to-Text, Deepgram і AssemblyAI, у довідці OpenAI про розпізнавання мовлення і про дані API, у таблиці мов Google Speech-to-Text V2, огляді моделей Deepgram, сторінці мов AssemblyAI, репозиторії openai/whisper і за курсом НБУ на bank.gov.ua.