Перейти к содержанию

Стоимость синтеза и распознавания речи

Модели синтеза и распознавания речи доступны на OpenAI-совместимом API. Действующие цены опубликованы в разделах «Синтез речи» и «Распознавание речи» на странице «Тарифы», общие правила резервирования и списания — на странице «Модели и тарифы».

Синтез речи​

Синтез речи через API метод POST /openai/api/v1/audio/speech (модель gpt-4o-mini-tts) оплачивается по входным текстовым и выходным аудиотокенам (ставки «Входящие» и «Исходящие» за 1 миллион токенов на странице «Тарифы»).

Распознавание речи​

Модели распознавания речи вызываются через WebSocket API метод /openai/api/v1/realtime (в отдельной сессии транскрибации с intent=transcription или для расшифровки входящего аудио в голосовой сессии) и делятся на две группы по единице тарификации:

  • По токенам (gpt-4o-transcribe, gpt-4o-mini-transcribe): оплачиваются входные текстовые токены («Входящие»), входные аудиотокены («Аудио, вход») и выходные токены распознанного текста («Исходящие») по ставкам за 1 миллион токенов.
  • По длительности аудио (gpt-transcribe, whisper-1): оплачиваются за 1 минуту аудио (колонка «Аудио, мин» на странице «Тарифы») с посекундным учетом фактической длительности распознанного аудиофрагмента.