Melhor modelo de IA para transcrever áudio
Transformar reuniões, entrevistas e vídeos em texto, ou gerar legendas. Não há placar aberto de qualidade de transcrição nas fontes consultadas, então a lista é ordenada por preço, não por qualidade, com uma alternativa com pesos abertos.
Modelos indicados
Atenção: a ordem desta lista é por preço, não por qualidade. Não há placar aberto de qualidade para transcrever áudio nas fontes consultadas, então entra um modelo principal por empresa, do menor para o maior preço por minuto de áudio na página oficial de cada uma.
1 Grok Speech to Text xAI
Por que serve: Modelo principal da xAI para transcrever áudio. Segundo a página oficial: Idiomas: mais de 38, com português do Brasil · Separação de falantes: sim · Tempo real: sim, por WebSocket · Além disso: tempo por palavra e arquivos de até 500 MB (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 0,10 por hora (equivale a US$ 0,001667 por minuto) (fonte: xAI, página oficial; envio de arquivo; em tempo real, US$ 0,20 por hora)?o que é
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,10 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Whisper large-v3
2 ElevenLabs Scribe v3 ElevenLabs
Por que serve: Modelo principal da ElevenLabs para transcrever áudio. Segundo a página oficial: Idiomas: mais de 90 · Separação de falantes: sim, até 32 pessoas · Tempo real: na versão Scribe v3 Live · Além disso: até 1.000 termos-chave (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 0,20 por hora (equivale a US$ 0,003333 por minuto) (fonte: ElevenLabs, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,20 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Whisper large-v3 · mais barato: Grok Speech to Text, US$ 0,001667 por minuto
3 AssemblyAI Universal-3.5 Pro AssemblyAI
Por que serve: Modelo principal da AssemblyAI para transcrever áudio. Segundo a página oficial: Idiomas: 18, com português e sotaques regionais · Separação de falantes: não informado · Tempo real: não informado · Além disso: aceita prompt e termos-chave (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 0,21 por hora (equivale a US$ 0,0035 por minuto) (fonte: AssemblyAI, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,21 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Whisper large-v3 · mais barato: Grok Speech to Text, US$ 0,001667 por minuto
4 gpt-transcribe OpenAI
Por que serve: Modelo principal da OpenAI para transcrever áudio. Segundo a página oficial: Idiomas: detecta o idioma e aceita dica de idiomas · Separação de falantes: não informado · Tempo real: não informado · Além disso: arquivos de até 25 MB, com prompt e palavras-chave (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 0,0045 por minuto (fonte: OpenAI, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,27 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Whisper large-v3 · mais barato: Grok Speech to Text, US$ 0,001667 por minuto
5 MiniMax ASR MiniMax
Por que serve: Modelo principal da MiniMax para transcrever áudio. Segundo a página oficial: Idiomas: multilíngue, com detecção automática · Separação de falantes: sim · Tempo real: sim, por streaming · Além disso: exporta legendas SRT e VTT (página oficial)
Ordem pelo preço, não pela qualidade.
- Preço: US$ 0,38 por hora (equivale a US$ 0,006333 por minuto) (fonte: MiniMax, página oficial)?
- Custo estimado (veja o bloco Como calculamos): cerca de US$ 0,38 (estimativa)
- Pesos: Não informados?
- Alternativa: com pesos abertos: Whisper large-v3 · mais barato: Grok Speech to Text, US$ 0,001667 por minuto
Como calculamos
Ajuste os números que o custo de cada modelo da página é recalculado na hora. Sem JavaScript, valem os valores padrão abaixo.
Com esses números: 60 minutos de áudio (estimativa).
Custo de cada modelo = quantidade × preço por minuto de áudio publicado pela empresa. Quando a empresa usa outra unidade, a conversão aparece ao lado do preço. É uma conta de referência e não muda a ordem da lista.
Outros modelos pagos avaliados
Outras versões e empresas, com o preço da página oficial de cada uma. Ficam fora da lista acima quando já há um modelo da mesma empresa entre os cinco primeiros, quando não entram no critério desta página ou quando a empresa não publica preço por minuto de áudio.
| Modelo | Preço e fonte | Custo estimado |
|---|---|---|
| gpt-4o-mini-transcribe OpenAI | US$ 0,003 por minuto (fonte: OpenAI, página oficial) | cerca de US$ 0,18 (estimativa) |
| Whisper (API) OpenAI | US$ 0,006 por minuto (fonte: OpenAI, página oficial) | cerca de US$ 0,36 (estimativa) |
| Deepgram Nova-3 Deepgram | US$ 0,0077 por minuto (fonte: Deepgram, página oficial; monolíngue, cobrado pelo uso; o preço é o de streaming) | cerca de US$ 0,46 (estimativa) |
Perguntas frequentes
Qual o melhor modelo de IA para transcrever áudio?
Pela regra desta página, a lista começa com Grok Speech to Text, ElevenLabs Scribe v3, AssemblyAI Universal-3.5 Pro, gpt-transcribe, MiniMax ASR. Atenção: a ordem desta lista é por preço, não por qualidade. Não há placar aberto de qualidade para transcrever áudio nas fontes consultadas, então entra um modelo principal por empresa, do menor para o maior preço por minuto de áudio na página oficial de cada uma.
Quanto custa transcrever áudio com IA?
Com os valores padrão do bloco Como calculamos, a estimativa vai de US$ 0,10 a US$ 0,38 entre os modelos da lista que têm preço publicado. É só uma estimativa e você pode ajustar os números na página.
Tem opção com pesos abertos para transcrever áudio?
Sim: Whisper large-v3.
Esta página usa IA para recomendar?
Não. A recomendação vem de regras fixas sobre dados públicos de Epoch AI, OpenRouter, Hugging Face e das páginas oficiais de preço de cada empresa, na versão mais recente consultada. O texto digitado só é comparado com palavras-chave.
Termos usados nesta página
Casos de uso com página própria
Páginas oficiais de preço consultadas
- ElevenLabs, versão mais recente consultada.
- AssemblyAI, versão mais recente consultada.
- OpenAI, versão mais recente consultada.
- MiniMax, versão mais recente consultada.
- Deepgram, versão mais recente consultada.
- xAI, versão mais recente consultada.
Fontes
- Hugging Face Hub, metadados públicos do Hub; licença de cada modelo no repositório, versão mais recente consultada.
Datas vêm das fontes: entrada no OpenRouter ou criação do repositório no Hugging Face, que podem não coincidir com o lançamento oficial. Família e versão foram agrupadas por regra a partir do nome.