Si estás calculando el costo de la transcripción, la respuesta honesta es que no existe un precio fijo único para Google Speech-to-Text. A fecha del 6 de octubre de 2026 (USD), la API principal en la nube comienza con 60 minutos gratis al mes y luego cobra alrededor de $0.016 por minuto de audio en modelos estándar con el registro de datos habilitado, lo que equivale aproximadamente a $0.96 por hora antes de cualquier otro cargo de Google Cloud. Esa cifra es solo el punto de partida, porque tu factura real cambia según la versión de la API, la elección del registro, el almacenamiento, la red y cómo se divide tu audio en solicitudes. Este desglose recorre los factores que influyen en el precio de google speech to text, lo que la tarifa por minuto cubre y lo que no cubre, y cómo esa matemática basada en minutos se compara con nuestro propio flujo de trabajo de Speech to Text basado en créditos.
Tabla de contenidos
El rango honesto y por qué no existe un precio fijo único
Para un creador típico que envía audio estándar registrado a la API en la nube, el rango efectivo se sitúa entre $0 y aproximadamente $0.96 por hora de audio transcrito antes de que entren en juego servicios adicionales de Google Cloud. La franja gratuita cubre los primeros 60 minutos de audio al mes por cuenta de facturación, y por encima de eso cada minuto se factura a $0.016 USD a fecha del 6 de octubre de 2026. Multiplica 60 minutos por esa tarifa y obtienes la cifra por hora de ~$0.96.
La razón por la que no existe un precio fijo universal es que seis variables mueven la cifra final: cuántos minutos facturables envías más allá del nivel gratuito, si habilitas el registro de datos, qué versión de la API y modelo eliges, si ejecutas en la nube o la opción On-Prem, cuántos otros servicios de Google Cloud conectas, y la regla de redondeo que convierte cada solicitud en segundos facturables. Dado que todos estos factores cambian por cuenta y pueden variar con el tiempo, cualquier presupuesto debería vincularse a la página de precios actual de Google Cloud y a tu volumen mensual real en lugar de a una cifra recordada.
Cómo factura Google la nube Speech-to-Text
Google fija el precio de la nube Speech-to-Text según la cantidad de audio procesado con éxito, medido en tiempo en lugar de en caracteres. La unidad de facturación importa más de lo que la mayoría de las hojas de cálculo de planificación suponen. Según las notas de la versión de Speech-to-Text, a partir de 2026 todos los modelos se facturan con la misma regla: cada solicitud se redondea hacia arriba al segundo más cercano, sin duración mínima de audio. Eso reemplazó un enfoque anterior que redondeaba cada solicitud hacia arriba a los 15 segundos más cercanos, lo cual todavía aparece en algunas referencias de On-Prem y ejemplos más antiguos.
El redondeo de un segundo cambia la economía del contenido corto. Un gancho social de tres segundos o un clip de microaprendizaje se factura como tres segundos, no quince, por lo que los creadores que publican muchos archivos cortos ya no pagan una penalización de relleno en cada solicitud.
En cuanto a la división entre gratis y de pago, Google lista una SKU estándar "con registro de datos" donde los primeros 60 minutos de audio al mes son gratuitos por cuenta de facturación. Más allá de eso, cada minuto adicional se cobra a $0.016 USD a fecha del 6 de octubre de 2026.
El registro de datos es su propia palanca de costos. Google históricamente ofrece diferentes tarifas dependiendo de si optas por el registro para mejorar el modelo. Los resúmenes de terceros basados en la documentación de Google Cloud informan modelos estándar a aproximadamente $0.004 por 15 segundos (alrededor de $0.016 por minuto) con el registro habilitado, y aproximadamente $0.006 por 15 segundos (alrededor de $0.024 por minuto) sin él. Dado que la tarifa sin registro no está completamente expuesta en el fragmento de precios públicos, trátala como "ligeramente superior a la registrada" y confirma la cifra exacta en la página de precios actual antes de comprometer un presupuesto.
La versión de la API y el conjunto de funciones también entran en la conversación. La página principal de Speech-to-Text de Google señala que el precio depende de la versión de la API, los canales y los métodos por lotes, y describe una API V2 con modelos Chirp además de opciones de residencia de datos, con un precio de alrededor de $0.016 por minuto para ciertos casos de uso, alineándose con la tarifa estándar registrada. Funciones como el registro de auditoría o las claves de cifrado gestionadas por el cliente difieren entre versiones, pero el principal factor de precio se mantiene constante: minutos de audio procesados, no el tipo de contenido o el idioma.
También existe una opción On-Prem, con precio según el audio procesado por mes y las solicitudes redondeadas hacia arriba en incrementos de 15 segundos. La página On-Prem de Google muestra un ejemplo donde tres solicitudes de 7 segundos se facturan como 45 segundos (3 × 15 segundos) por $0.018 USD en total, lo que implica una tarifa efectiva de aproximadamente $0.006 por 15 segundos, o unos $0.024 por minuto como estimación calculada a partir de ese cargo listado. On-Prem está diseñado para entornos cerrados y autogestionados, y generalmente solo importa a empresas reguladas con requisitos estrictos de residencia de datos o fuera de línea.
Qué incluye y qué excluye la tarifa por minuto
El precio por minuto compra una porción específica de la pila. Cubre la transcripción de audio a texto usando los modelos seleccionados (estándar, Chirp, etc.), el acceso al reconocimiento por lotes o en streaming según tu versión y configuración elegida, y el nivel gratuito mensual de 60 minutos para el uso estándar registrado en la nube. Las nuevas cuentas de Google Cloud a menudo también reciben un crédito general de $300 USD para pruebas de concepto en todos los servicios, que puede aplicarse a Speech-to-Text durante las pruebas iniciales.
Lo que la tarifa por minuto no incluye es donde suelen esconderse los costos sorpresa:
- El almacenamiento en la nube (Cloud Storage) usado para guardar tus archivos de audio.
- La salida de red para servir o exportar audio y transcripciones.
- Otros servicios de Google Cloud en tu flujo de trabajo, como Cloud Functions, Pub/Sub o bases de datos.
- Impuestos y ajustes de facturación regionales.
Google también requiere que habilites la facturación para usar las API de voz y texto, aunque no se te cobra a menos que superes la cuota gratuita o los créditos generales de tu cuenta. Para un creador cuyo objetivo real es "subir un video, obtener una transcripción y luego doblarlo", esos costos de infraestructura excluidos son la diferencia entre una pulcra partida por minuto y una factura multiservicio que necesita monitoreo continuo.
Facturación por minuto vs. nuestro Speech to Text basado en créditos
Nuestro Speech to Text está dentro de una plataforma de creación de medios y localización que también cubre AI Dubbing, Voice Cloning, Text to Speech, Speech Separator, Text to Image e Image to Video. En lugar de la facturación de infraestructura por minuto, usamos créditos de plataforma con traspaso, un nivel gratuito y planes empresariales. Esa diferencia estructural es la verdadera comparación, no una confrontación directa sobre una sola cifra.
| Dimensión | Google cloud Speech-to-Text | Nuestro Speech to Text |
|---|---|---|
| Unidad de facturación | Minutos/segundos de audio por cuenta, en USD | Créditos de plataforma gastables en todas las herramientas |
| Alcance | Infraestructura de transcripción que ensamblas | Transcripción como un paso en un flujo de localización |
| Costos adicionales | Almacenamiento, red y otros servicios de Cloud facturados por separado | Cubiertos dentro de un único saldo de créditos |
| Forma del presupuesto | Escala linealmente con los minutos más el uso de la nube | Créditos precomprados que se traspasan |
| Mejor opción para | Desarrolladores que quieren un control profundo de API/infraestructura | Creadores y desarrolladores que quieren un solo flujo de trabajo |
El resultado práctico es la previsibilidad. Con la facturación por minuto, los costos escalan linealmente con el audio procesado y con cada otro producto de Cloud que uses, por lo que monitoreas las métricas de uso y los registros continuamente. Con los créditos, precompras un saldo, rastreas el consumo en todas las herramientas y traspasas lo que no uses, lo que simplifica las previsiones cuando tu mes mezcla videos, podcasts y cursos. Atendemos a ambos públicos: los creadores obtienen una sola interfaz, mientras que los desarrolladores pueden integrar la transcripción a través de nuestras API junto con Text to Speech y AI Dubbing.
En lugar de volver a explicar cómo funciona la transcripción mecánicamente, nuestras guías sobre cómo transcribir audio a texto y cómo elegir una API de speech to text cubren el flujo de trabajo; usa esta página para las matemáticas del dinero.
Datos exactos que necesitas para una cotización confiable
Para convertir el precio de google speech to text en un presupuesto mensual real del lado de la nube, reúne ocho datos: minutos facturables estimados por mes por proyecto y cuenta (después de los primeros 60 gratis), tu decisión sobre el registro de datos, la versión de la API y el modelo, si usas reconocimiento por lotes, en streaming o ambos, la configuración de tu canal de audio (mono vs. estéreo y cantidad de canales), tu estrategia de almacenamiento para el audio en bruto y las transcripciones, tus planes de salida de red para exportar esos archivos, y el impacto del redondeo de tu mezcla de solicitudes (muchos clips cortos vs. menos archivos largos). Con esos, multiplicas los minutos facturables por la tarifa correcta en USD y agregas las partidas de infraestructura por separado.
Para una estimación equivalente de nuestro lado, dinos el total de minutos que esperas transcribir mensualmente por tipo de contenido, los idiomas de origen y destino si combinas la transcripción con el doblaje, si también planeas usar Voice Cloning, Text to Speech, Speech Separation o Image to Video en el mismo flujo de trabajo, el tamaño de tu equipo y la concurrencia, tu división entre el uso de API y panel, y tu estándar de calidad (transcripciones de calidad de edición vs. subtítulos listos para producción). Esas respuestas nos permiten recomendar un paquete de créditos que cubra la transcripción y las herramientas relacionadas bajo un solo saldo en lugar de presupuestos de minutos separados por producto. Si alguno de estos datos aún se desconoce, envía lo que tengas y dimensionaremos un paquete a su alrededor.
Ejemplos de precios resueltos
Todas las cifras a continuación son estimaciones simplificadas que usan la tarifa por minuto publicada por Google y asumen modelos estándar con el registro de datos habilitado; las facturas reales varían según la elección del modelo, el registro y otros servicios, y excluyen los costos de Cloud Storage y red.
Creador de YouTube, un video semanal de 20 minutos. El audio mensual es 4 × 20 = 80 minutos. Los primeros 60 son gratis, dejando 20 minutos facturables a $0.016, para un estimado de $0.32 al mes en transcripción.
Productor de podcast, 10 horas al mes. Eso es 600 minutos; 60 gratis dejan 540 minutos facturables. El estimado es 540 × $0.016 = $8.64 al mes.
Equipo de formación, 50 horas de webinars al mes. Eso es 3,000 minutos; 60 gratis dejan 2,940 minutos facturables, para un estimado de 2,940 × $0.016 ≈ $47.04 al mes.
Cada uno de estos muestra solo el cargo de transcripción. Agrega almacenamiento y salida del lado de la nube, y recuerda que un mes de localización mixta, donde las transcripciones alimentan el doblaje y la voz en off, es exactamente el escenario que un único saldo de créditos renovable está diseñado para suavizar.
Preguntas frecuentes
¿Es gratis Google Speech-to-Text?
Google ofrece 60 minutos de transcripción al mes gratis en modelos estándar con el registro de datos habilitado, por cuenta de facturación. Los nuevos usuarios de Cloud también pueden recibir un crédito separado de $300 USD para una experimentación más amplia en los servicios de Google.
¿Son los modelos mejorados más caros que los estándar?
No. Las notas de la versión de Google indican que los modelos mejorados ya no tienen un precio diferente al de los modelos estándar; el uso de todos los modelos se reporta y se cobra como los modelos estándar.
¿Cómo se facturan ahora los clips cortos?
Todas las solicitudes de la nube Speech-to-Text se redondean hacia arriba al segundo más cercano sin duración mínima de audio, reemplazando el antiguo redondeo de 15 segundos para el uso en la nube. Las referencias de On-Prem todavía pueden usar incrementos de 15 segundos.
¿Incluye el precio por minuto el almacenamiento y la red?
No. La tarifa por minuto cubre únicamente la transcripción. Cloud Storage, la salida de red y otros servicios de Google Cloud se facturan por separado bajo sus propios precios.
¿Cómo se compara esto con tu Speech to Text?
Google cobra por minuto (o segundo) de audio con costos de infraestructura separados, mientras que nosotros usamos un modelo basado en créditos que cubre Speech to Text más doblaje, text to speech, clonación de voz y herramientas relacionadas dentro de un solo flujo de trabajo, con créditos renovables y opciones empresariales para equipos más grandes.