Распознавание речи API: цена и калькулятор

Базовая формула проста: Стоимость = Длительность аудио (сек) × Тариф за секунду (₽/с). Однако на практике добавляются коэффициенты за дополнительные опции и округление. Полная формула выглядит так:

Где ceil — округление вверх до целых минут, а K_опций — сумма коэффициентов доп. услуг (например, 0,25 за контекстные подсказки). Рассмотрим на примере.

Допустим, у вас запись лекции длительностью 2 минуты 15 секунд (135 с). Вы используете API Яндекс SpeechKit с тарифом 0,08 ₽/с и подключаете опцию «контекстные подсказки» (K=0,3). Без опций стоимость составила бы: 135 × 0,08 = 10,8 ₽. Но из-за округления до минут: ceil(135/60)=3 минуты → 3×60=180 с → 180×0,08 = 14,4 ₽. С опцией: 180×0,08×1,3 = 18,72 ₽. Разница с базовым расчётом без округления — почти 75%.

Обратите внимание: даже если аудио длится 1 секунду, вы платите за полную минуту. Всегда проверяйте политику округления в документации.

Помните, что у некоторых провайдеров есть бесплатные лимиты (например, 60 минут в месяц). Также актуальны цены 2026 года — используйте наш Калькулятор стоимости распознавания речи API для точного сравнения.

Многие API предлагают опции, повышающие точность, но увеличивающие цену:

• Контекстные подсказки — +20-30% к тарифу. Полезно для специфической лексики.
• Повышенная точность (multi-channel, эхоподавление) — до +50%.
• Транскрибация с временными метками — +10-20%.
• Определение говорящих (диаризация) — +15-25%.

Пример: базовая стоимость минуты 0,08×60 = 4,8 ₽. С двумя опциями (подсказки + метки) = 4,8×1,4 = 6,72 ₽ за минуту. Если у вас 100 минут, разница составит 192 ₽.

Ошибка 1: Не учитывать округление. Как в примере выше — из-за 15 секунд вы переплачиваете 75%. Если аудио длится 45 минут 1 секунду, вы заплатите за 46 минут. Решение: пакуйте аудио в отрезки по целым минутам.

Ошибка 2: Игнорировать объём запросов. Некоторые API берут плату за каждый HTTP-запрос, а не только за секунды. Например, если вы передаёте аудио частями по 10 секунд, то за 60 секунд будет 6 запросов — каждый может стоить 0,01 ₽ дополнительно.

Ошибка 3: Не проверять минимальный платёж. У VK Cloud — 4,2 ₽ за минуту, даже если аудио короче. Учитывайте это для коротких файлов.

Перед запуском в продакшн сделайте тестовый запрос с маленьким файлом и замерьте:

1. Передайте аудио длительностью ровно 60 секунд.
2. Проверьте в ответе API поле audio_duration_secs — оно должно совпадать с вашими ожиданиями.
3. Посмотрите счёт в личном кабинете — сравните вычисленную стоимость с фактической.
4. Повторите с файлом длительностью 61 секунда — проверьте округление.

Пример кода на Python для теста:

import time
# псевдокод, замените на реальный вызов API
start = time.time()
response = speech.recognize(audio, duration=61)
elapsed = time.time() - start
print(f"Потрачено на распознавание: {elapsed:.2f} с, выставлено за {response.charged_duration} с")

Иногда распознавание речи используется в комплексных решениях, например, для обработки звонков в call-центре. Стоимость API может суммироваться с затратами на хранение аудио в облаке (CDN) или на привлечение клиента. Если вы считаете экономику проекта, используйте также Калькулятор стоимости CDN и Калькулятор стоимости лида. Для аграрных тематик (например, голосовые помощники в теплицах) может пригодиться Калькулятор стоимости сада.

Нестандартный сценарий: распознавание речи для поиска по семенам растений — используйте Калькулятор стоимости семян для оценки затрат на озвучку каталога.

Для аудио длительностью более 1 часа многие API применяют понижающий коэффициент (например, 0,9 для 2+ часов) или фиксируют цену за час. Но есть и подвох: при потоковой передаче (streaming) тарификация может быть поминутной, а не посекундной, и взиматься за каждый открытый канал. Если у вас 10 параллельных потоков, стоимость умножается на 10.

Также обратите внимание на минимальную длительность для потоков — некоторые провайдеры требуют не менее 30 секунд потока, иначе не тарифицируют. Тестируйте!