تفاصيل أسعار خدمة تحويل الكلام إلى نص من Google

إذا كنت تحسب تكلفة النسخ النصي، فالإجابة الصادقة هي أنه لا يوجد سعر ثابت واحد لخدمة Google Speech-to-Text. اعتبارًا من 6 أكتوبر 2026 (بالدولار الأمريكي)، تبدأ واجهة برمجة التطبيقات السحابية الأساسية بـ 60 دقيقة مجانية شهريًا ثم تفرض حوالي 0.016 دولار لكل دقيقة من الصوت على النماذج القياسية مع تمكين تسجيل البيانات، وهو ما يعادل تقريبًا 0.96 دولار في الساعة قبل أي رسوم أخرى من Google Cloud. هذا الرقم هو مجرد نقطة البداية، لأن فاتورتك الفعلية تتغير حسب إصدار واجهة برمجة التطبيقات، واختيار التسجيل، والتخزين، والشبكات، وكيفية تقسيم صوتك إلى طلبات. يتناول هذا التحليل العوامل الكامنة وراء تسعير google speech to text، وما الذي يشمله المعدل لكل دقيقة وما لا يشمله، وكيف تقارن هذه الحسابات القائمة على الدقائق بسير عمل Speech to Text الخاص بنا القائم على الأرصدة.

جدول المحتويات

النطاق الصادق ولماذا لا يوجد سعر ثابت واحد

بالنسبة لمنشئ محتوى نموذجي يرسل صوتًا قياسيًا مُسجلًا إلى واجهة برمجة التطبيقات السحابية، يقع النطاق الفعلي بين 0 دولار وحوالي 0.96 دولار لكل ساعة من الصوت المنسوخ قبل دخول أي خدمات إضافية من Google Cloud في الصورة. يغطي النطاق المجاني أول 60 دقيقة من الصوت شهريًا لكل حساب فوترة، وفوق ذلك تُحتسب كل دقيقة بسعر 0.016 دولار أمريكي اعتبارًا من 6 أكتوبر 2026. اضرب 60 دقيقة في هذا المعدل وستحصل على الرقم الساعي الذي يبلغ حوالي 0.96 دولار.

السبب في عدم وجود سعر ثابت عالمي هو أن ستة متغيرات تحرك الرقم النهائي: كم عدد الدقائق القابلة للفوترة التي ترسلها بعد المستوى المجاني، وما إذا كنت تفعّل تسجيل البيانات، وأي إصدار من واجهة برمجة التطبيقات ونموذج تختاره، وما إذا كنت تعمل على السحابة أو خيار On-Prem، وكم عدد خدمات Google Cloud الأخرى التي تربطها، وقاعدة التقريب التي تحول كل طلب إلى ثوانٍ قابلة للفوترة. لأن كل هذه الأمور تتغير حسب الحساب ويمكن أن تتغير بمرور الوقت، فإن أي ميزانية يجب أن تكون مرتبطة بصفحة تسعير Google Cloud الحالية وحجمك الشهري الفعلي بدلاً من رقم محفوظ من الذاكرة.

كيف تحتسب Google فاتورة Speech-to-Text السحابية

تُسعّر Google خدمة Speech-to-Text السحابية بناءً على كمية الصوت التي تمت معالجتها بنجاح، مقيسة بالوقت وليس بالأحرف. وحدة الفوترة أهم مما تفترضه معظم جداول التخطيط. وفقًا لملاحظات إصدار Speech-to-Text، اعتبارًا من 2026 تُحتسب فاتورة جميع النماذج بالقاعدة نفسها: يُقرّب كل طلب إلى أقرب ثانية واحدة، دون حد أدنى لطول الصوت. وقد حل هذا محل نهج سابق كان يقرّب كل طلب إلى أقرب 15 ثانية، والذي لا يزال يظهر في بعض مراجع On-Prem والأمثلة القديمة.

يغير التقريب إلى الثانية الواحدة اقتصاديات المحتوى القصير. يُحتسب خطاف اجتماعي مدته ثلاث ثوانٍ أو مقطع تعليمي مصغر على أنه ثلاث ثوانٍ، وليس خمس عشرة، لذا لم يعد منشئو المحتوى الذين ينشرون العديد من الملفات القصيرة يدفعون غرامة حشو على كل طلب.

بشأن التقسيم بين المجاني والمدفوع، تُدرج Google وحدة SKU قياسية "مع تسجيل البيانات" حيث تكون أول 60 دقيقة من الصوت شهريًا مجانية لكل حساب فوترة. بعد ذلك، تُحتسب كل دقيقة إضافية بسعر 0.016 دولار أمريكي اعتبارًا من 6 أكتوبر 2026.

تسجيل البيانات هو عامل تكلفة خاص به. تقدم Google تاريخيًا معدلات مختلفة اعتمادًا على ما إذا كنت تختار التسجيل لتحسين النموذج. تشير الملخصات الخارجية المستندة إلى وثائق Google Cloud إلى أن النماذج القياسية تبلغ حوالي 0.004 دولار لكل 15 ثانية (حوالي 0.016 دولار لكل دقيقة) مع تمكين التسجيل، وحوالي 0.006 دولار لكل 15 ثانية (حوالي 0.024 دولار لكل دقيقة) بدونه. ولأن المعدل غير المُسجل غير معروض بالكامل في مقتطف التسعير العام، تعامل معه على أنه "أعلى قليلاً من المُسجل" وتأكد من الرقم الدقيق على صفحة التسعير الحالية قبل أن تلتزم بميزانية.

يدخل إصدار واجهة برمجة التطبيقات ومجموعة الميزات أيضًا في المحادثة. تشير صفحة Speech-to-Text الرئيسية من Google إلى أن التسعير يعتمد على إصدار واجهة برمجة التطبيقات والقنوات وطرق الدفعات، وتصف واجهة برمجة تطبيقات V2 مع نماذج Chirp بالإضافة إلى خيارات إقامة البيانات، مُسعّرة بحوالي 0.016 دولار لكل دقيقة لبعض حالات الاستخدام، بما يتوافق مع المعدل القياسي المُسجل. تختلف ميزات مثل تسجيل التدقيق أو مفاتيح التشفير المُدارة من قبل العميل عبر الإصدارات، لكن عامل السعر الأساسي يبقى ثابتًا: دقائق الصوت المعالجة، وليس نوع المحتوى أو اللغة.

هناك أيضًا خيار On-Prem، مُسعّر حسب الصوت المعالج شهريًا مع تقريب الطلبات إلى زيادات مدتها 15 ثانية. تُظهر صفحة On-Prem من Google مثالاً حيث تُحتسب ثلاثة طلبات مدة كل منها 7 ثوانٍ على أنها 45 ثانية (3 × 15 ثانية) بإجمالي 0.018 دولار أمريكي، مما يعني معدلاً فعليًا يبلغ حوالي 0.006 دولار لكل 15 ثانية، أو حوالي 0.024 دولار لكل دقيقة كتقدير محسوب من تلك الرسوم المدرجة. تم إنشاء On-Prem للبيئات المقفلة ذاتية الإدارة ويهم عمومًا فقط المؤسسات الخاضعة للتنظيم ذات متطلبات إقامة البيانات الصارمة أو متطلبات العمل دون اتصال.

ما الذي يشمله ويستثنيه المعدل لكل دقيقة

سعر الدقيقة يشتري شريحة محددة من المكدس. فهو يغطي نسخ الصوت إلى نص باستخدام النماذج المختارة (القياسية، Chirp، وما إلى ذلك)، والوصول إلى التعرف بالدفعات أو التدفق حسب الإصدار والتكوين الذي اخترته، والمستوى المجاني الذي يبلغ 60 دقيقة شهريًا للاستخدام السحابي القياسي المُسجل. كما تتلقى حسابات Google Cloud الجديدة غالبًا رصيدًا عامًا بقيمة 300 دولار أمريكي لإثباتات المفهوم عبر الخدمات، والذي يمكن تطبيقه على Speech-to-Text أثناء الاختبار المبكر.

ما لا يشمله المعدل لكل دقيقة هو حيث تختبئ التكاليف المفاجئة عادةً:

• التخزين السحابي المستخدم لحفظ ملفاتك الصوتية.
• الخروج الشبكي لتقديم أو تصدير الصوت والنصوص.
• خدمات Google Cloud الأخرى في خط الأنابيب الخاص بك، مثل Cloud Functions أو Pub/Sub أو قواعد البيانات.
• الضرائب وتعديلات الفوترة الإقليمية.

كما تتطلب منك Google تمكين الفوترة لاستخدام واجهات برمجة تطبيقات الكلام والنص، على الرغم من أنك لا تُحاسب إلا إذا تجاوزت الحصة المجانية أو الأرصدة العامة على حسابك. بالنسبة لمنشئ محتوى يكون هدفه الحقيقي "رفع فيديو، والحصول على نص، ثم الدبلجة"، فإن تكاليف البنية التحتية المستثناة هذه هي الفرق بين بند أنيق لكل دقيقة وفاتورة متعددة الخدمات تحتاج إلى مراقبة مستمرة.

الفوترة بالدقيقة مقابل Speech to Text القائم على الأرصدة لدينا

تقع خدمة Speech to Text الخاصة بنا داخل منصة واحدة لإنشاء الوسائط وتوطينها تغطي أيضًا الدبلجة بالذكاء الاصطناعي، واستنساخ الصوت، وتحويل النص إلى كلام، وفاصل الكلام، وتحويل النص إلى صورة، وتحويل الصورة إلى فيديو. بدلاً من الفوترة بناءً على البنية التحتية لكل دقيقة، نستخدم أرصدة المنصة مع الترحيل، ومستوى مجاني، وخطط للمؤسسات. هذا الاختلاف الهيكلي هو المقارنة الحقيقية، وليس المواجهة المباشرة على رقم واحد.

النتيجة العملية هي القابلية للتنبؤ. مع الفوترة بالدقيقة، تتوسع التكاليف خطيًا مع الصوت المعالج ومع كل منتج سحابي آخر تلمسه، لذا تراقب مقاييس الاستخدام والسجلات باستمرار. مع الأرصدة، تشتري رصيدًا مسبقًا، وتتتبع الاستهلاك عبر الأدوات، وتُرحّل ما لا تستخدمه، مما يبسط التنبؤ عندما يمزج شهرك بين مقاطع الفيديو والبودكاست والدورات التدريبية. نحن نخدم كلا الجمهورين: يحصل منشئو المحتوى على واجهة واحدة، بينما يمكن للمطورين دمج النسخ النصي من خلال واجهات برمجة التطبيقات الخاصة بنا جنبًا إلى جنب مع Text to Speech وAI Dubbing.

بدلاً من إعادة شرح كيفية عمل النسخ النصي ميكانيكيًا، تغطي أدلتنا حول كيفية نسخ الصوت إلى نص واختيار واجهة برمجة تطبيقات لتحويل الكلام إلى نص سير العمل؛ استخدم هذه الصفحة لحسابات المال.

المدخلات الدقيقة التي تحتاجها للحصول على عرض سعر موثوق

لتحويل تسعير google speech to text إلى ميزانية شهرية حقيقية على الجانب السحابي، اجمع ثمانية مدخلات: الدقائق القابلة للفوترة المقدرة شهريًا لكل مشروع وحساب (بعد أول 60 دقيقة مجانية)، وقرارك بشأن تسجيل البيانات، وإصدار واجهة برمجة التطبيقات والنموذج، وما إذا كنت تستخدم التعرف بالدفعات أو التدفق أو كليهما، وتكوين قناة الصوت لديك (أحادي مقابل ستيريو وعدد القنوات)، واستراتيجية التخزين الخاصة بك للصوت الخام والنصوص، وخطط الخروج الشبكي لتصدير تلك الملفات، وتأثير التقريب لمزيج الطلبات الخاص بك (العديد من المقاطع القصيرة مقابل عدد أقل من الملفات الطويلة). بهذه المدخلات، تضرب الدقائق القابلة للفوترة في المعدل الصحيح بالدولار الأمريكي وتضيف بنود البنية التحتية المنفصلة.

للحصول على تقدير متكافئ على جانبنا، أخبرنا بإجمالي الدقائق التي تتوقع نسخها شهريًا حسب نوع المحتوى، واللغات المصدر والهدف إذا كنت تقرن النسخ النصي بالدبلجة، وما إذا كنت تخطط أيضًا لاستخدام استنساخ الصوت، أو تحويل النص إلى كلام، أو فصل الكلام، أو تحويل الصورة إلى فيديو في سير العمل نفسه، وحجم فريقك والتزامن، وتقسيمك بين استخدام واجهة برمجة التطبيقات ولوحة التحكم، ومعيار الجودة الخاص بك (نصوص بمستوى التحرير مقابل ترجمات جاهزة للإنتاج). تتيح لنا تلك الإجابات أن نوصي بحزمة أرصدة تغطي النسخ النصي والأدوات ذات الصلة ضمن رصيد واحد بدلاً من ميزانيات دقائق منفصلة لكل منتج. إذا كان أي من هذه الأمور لا يزال غير معروف، أرسل ما لديك وسنحدد حجم الحزمة بناءً عليه.

أمثلة تسعير محلولة

جميع الأرقام أدناه هي تقديرات مبسطة باستخدام معدل Google المنشور لكل دقيقة وتفترض نماذج قياسية مع تمكين تسجيل البيانات؛ تختلف الفواتير الفعلية باختلاف اختيار النموذج والتسجيل والخدمات الأخرى، وتستثني تكاليف التخزين السحابي والشبكة.

منشئ محتوى على YouTube، فيديو واحد مدته 20 دقيقة أسبوعيًا. الصوت الشهري هو 4 × 20 = 80 دقيقة. أول 60 دقيقة مجانية، مما يترك 20 دقيقة قابلة للفوترة بسعر 0.016 دولار، بتقدير 0.32 دولار شهريًا للنسخ النصي.

منتج بودكاست، 10 ساعات شهريًا. هذا يعادل 600 دقيقة؛ 60 دقيقة مجانية تترك 540 دقيقة قابلة للفوترة. التقدير هو 540 × 0.016 دولار = 8.64 دولار شهريًا.

فريق تدريب، 50 ساعة من الندوات عبر الإنترنت شهريًا. هذا يعادل 3000 دقيقة؛ 60 دقيقة مجانية تترك 2940 دقيقة قابلة للفوترة، بتقدير 2940 × 0.016 دولار ≈ 47.04 دولار شهريًا.

يُظهر كل من هذه الأمثلة رسوم النسخ النصي فقط. أضف التخزين والخروج على الجانب السحابي، وتذكر أن شهر التوطين المختلط، حيث تغذي النصوص الدبلجة والتعليق الصوتي، هو بالضبط السيناريو الذي صُمم رصيد أرصدة متجدد واحد لتسهيله.

الأسئلة الشائعة

هل خدمة Google Speech-to-Text مجانية؟

تقدم Google 60 دقيقة من النسخ النصي شهريًا مجانًا على النماذج القياسية مع تمكين تسجيل البيانات، لكل حساب فوترة. قد يتلقى مستخدمو Cloud الجدد أيضًا رصيدًا منفصلاً بقيمة 300 دولار أمريكي للتجربة الأوسع عبر خدمات Google.

هل النماذج المحسّنة أغلى من القياسية؟

لا. تنص ملاحظات إصدار Google على أن النماذج المحسّنة لم تعد مُسعّرة بشكل مختلف عن النماذج القياسية؛ يتم الإبلاغ عن استخدام جميع النماذج وتسعيرها مثل النماذج القياسية.

كيف تُحتسب المقاطع القصيرة الآن؟

تُقرّب جميع طلبات Speech-to-Text السحابية إلى أقرب ثانية واحدة دون حد أدنى لطول الصوت، مما يحل محل التقريب القديم البالغ 15 ثانية للاستخدام السحابي. قد لا تزال مراجع On-Prem تستخدم زيادات مدتها 15 ثانية.

هل يشمل سعر الدقيقة التخزين والشبكات؟

لا. يغطي المعدل لكل دقيقة النسخ النصي فقط. يُحتسب التخزين السحابي والخروج الشبكي وخدمات Google Cloud الأخرى بشكل منفصل بموجب تسعيرها الخاص.

كيف يقارن هذا بخدمة Speech to Text الخاصة بكم؟

تفرض Google رسومًا لكل دقيقة (أو ثانية) من الصوت مع تكاليف بنية تحتية منفصلة، بينما نستخدم نموذجًا قائمًا على الأرصدة يغطي Speech to Text بالإضافة إلى الدبلجة وتحويل النص إلى كلام واستنساخ الصوت والأدوات ذات الصلة داخل سير عمل واحد، مع أرصدة قابلة للترحيل وخيارات للمؤسسات للفرق الأكبر.