Si vous établissez un budget pour la transcription, la réponse honnête est qu'il n'existe pas de prix unique affiché pour Google Speech-to-Text. Au 6 octobre 2026 (USD), l'API cloud principale commence avec 60 minutes gratuites par mois, puis facture environ 0,016 $ par minute d'audio sur les modèles standard avec la journalisation des données activée, ce qui revient à environ 0,96 $ par heure avant tout autre frais Google Cloud. Ce chiffre n'est qu'un point de départ, car votre facture réelle varie selon la version de l'API, le choix de journalisation, le stockage, le réseau et la façon dont votre audio est découpé en requêtes. Cette analyse décortique les facteurs derrière la tarification de google speech to text, ce que le tarif à la minute couvre ou non, et comment ce calcul basé sur les minutes se compare à notre propre flux de travail Speech to Text basé sur des crédits.
Table des matières
La fourchette honnête et pourquoi un prix fixe unique n'existe pas
Pour un créateur type qui envoie de l'audio standard journalisé à l'API cloud, la fourchette effective se situe entre 0 $ et environ 0,96 $ par heure d'audio transcrit avant que tout service Google Cloud supplémentaire n'entre en jeu. La tranche gratuite couvre les 60 premières minutes d'audio par mois et par compte de facturation, et au-delà, chaque minute est facturée 0,016 $ USD au 6 octobre 2026. Multipliez 60 minutes par ce tarif et vous obtenez le chiffre horaire d'environ 0,96 $.
La raison pour laquelle il n'existe pas de prix fixe universel est que six variables influencent le chiffre final : combien de minutes facturables vous envoyez au-delà de la tranche gratuite, si vous activez la journalisation des données, quelle version d'API et quel modèle vous choisissez, si vous fonctionnez dans le cloud ou avec l'option On-Prem, combien d'autres services Google Cloud vous associez, et la règle d'arrondi qui convertit chaque requête en secondes facturables. Comme tous ces éléments varient selon le compte et peuvent changer au fil du temps, tout budget doit être lié à la page de tarification Google Cloud actuelle et à votre volume mensuel réel plutôt qu'à un chiffre mémorisé.
Comment Google facture Speech-to-Text dans le cloud
Google tarife Speech-to-Text dans le cloud en fonction de la quantité d'audio traitée avec succès, mesurée en temps plutôt qu'en caractères. L'unité de facturation compte davantage que ne le supposent la plupart des feuilles de calcul de planification. Selon les notes de version de Speech-to-Text, au 2026 tous les modèles sont facturés selon la même règle : chaque requête est arrondie à la seconde supérieure, sans durée minimale d'audio. Cela remplace une approche antérieure qui arrondissait chaque requête aux 15 secondes supérieures, laquelle apparaît encore dans certaines références On-Prem et exemples plus anciens.
L'arrondi à la seconde change l'économie des contenus courts. Une accroche sociale de trois secondes ou un clip de micro-apprentissage est facturé trois secondes, et non quinze, de sorte que les créateurs qui publient de nombreux fichiers courts ne paient plus de pénalité de remplissage sur chaque requête.
Concernant la répartition entre gratuit et payant, Google liste un SKU standard « avec journalisation des données » où les 60 premières minutes d'audio par mois sont gratuites par compte de facturation. Au-delà, chaque minute supplémentaire est facturée 0,016 $ USD au 6 octobre 2026.
La journalisation des données constitue son propre levier de coût. Google propose historiquement des tarifs différents selon que vous optez ou non pour la journalisation à des fins d'amélioration des modèles. Des synthèses de tiers basées sur la documentation Google Cloud rapportent que les modèles standard coûtent environ 0,004 $ par 15 secondes (environ 0,016 $ par minute) avec la journalisation activée, et environ 0,006 $ par 15 secondes (environ 0,024 $ par minute) sans celle-ci. Comme le tarif sans journalisation n'est pas entièrement exposé dans l'extrait public de tarification, considérez-le comme « légèrement plus élevé que le tarif journalisé » et confirmez le chiffre exact sur la page de tarification actuelle avant de valider un budget.
La version de l'API et l'ensemble de fonctionnalités entrent également en ligne de compte. La page principale Speech-to-Text de Google note que la tarification dépend de la version de l'API, des canaux et des méthodes par lots, et décrit une API V2 avec des modèles Chirp ainsi que des options de résidence des données, tarifée à environ 0,016 $ par minute pour certains cas d'usage, ce qui correspond au tarif standard journalisé. Des fonctionnalités telles que la journalisation d'audit ou les clés de chiffrement gérées par le client diffèrent selon les versions, mais le principal facteur de prix reste constant : les minutes d'audio traitées, et non le type de contenu ou la langue.
Il existe aussi une option On-Prem, tarifée selon l'audio traité par mois avec des requêtes arrondies par incréments de 15 secondes. La page On-Prem de Google montre un exemple où trois requêtes de 7 secondes sont facturées comme 45 secondes (3 × 15 secondes) pour un total de 0,018 $ USD, ce qui implique un tarif effectif d'environ 0,006 $ par 15 secondes, soit environ 0,024 $ par minute en tant qu'estimation calculée à partir de ce montant indiqué. On-Prem est conçu pour des environnements verrouillés et autogérés et ne concerne généralement que les entreprises réglementées ayant des exigences strictes de résidence des données ou de fonctionnement hors ligne.
Ce que le tarif à la minute inclut et exclut
Le prix à la minute achète une tranche spécifique de la pile. Il couvre la transcription de l'audio en texte à l'aide des modèles sélectionnés (standard, Chirp, etc.), l'accès à la reconnaissance par lots ou en continu selon la version et la configuration choisies, et la tranche gratuite mensuelle de 60 minutes pour l'usage cloud standard journalisé. Les nouveaux comptes Google Cloud reçoivent aussi souvent un crédit général de 300 $ USD pour des preuves de concept à travers les services, qui peut être appliqué à Speech-to-Text lors des premiers tests.
Ce que le tarif à la minute n'inclut pas est généralement là où se cachent les coûts surprises :
- Le Cloud Storage utilisé pour héberger vos fichiers audio.
- Le trafic sortant réseau pour diffuser ou exporter l'audio et les transcriptions.
- Les autres services Google Cloud de votre pipeline, tels que Cloud Functions, Pub/Sub ou les bases de données.
- Les taxes et ajustements de facturation régionaux.
Google exige également que vous activiez la facturation pour utiliser les API de parole et de texte, bien que vous ne soyez pas facturé à moins de dépasser le quota gratuit ou les crédits généraux de votre compte. Pour un créateur dont le véritable objectif est « téléverser une vidéo, obtenir une transcription, puis la doubler », ces coûts d'infrastructure exclus font la différence entre une ligne nette à la minute et une facture multi-services nécessitant une surveillance continue.
Facturation à la minute vs. notre Speech to Text basé sur des crédits
Notre Speech to Text s'intègre dans une plateforme unique de création et de localisation de médias qui couvre également le Doublage IA, le Clonage de Voix, le Text to Speech, le Séparateur de Parole, le Text to Image et l'Image to Video. Au lieu d'une facturation d'infrastructure à la minute, nous utilisons des crédits de plateforme avec report, une offre gratuite et des forfaits entreprise. Cette différence structurelle est la véritable comparaison, pas un face-à-face sur un chiffre unique.
| Dimension | Google cloud Speech-to-Text | Notre Speech to Text |
|---|---|---|
| Unité de facturation | Minutes/secondes d'audio par compte, en USD | Crédits de plateforme utilisables sur tous les outils |
| Portée | Infrastructure de transcription que vous assemblez | Transcription comme une étape dans un pipeline de localisation |
| Coûts supplémentaires | Stockage, réseau, autres services Cloud facturés séparément | Couverts par un solde de crédits unique |
| Forme du budget | Évolue linéairement avec les minutes plus l'usage cloud | Crédits pré-achetés qui se reportent |
| Idéal pour | Développeurs souhaitant un contrôle poussé de l'API/infra | Créateurs et développeurs souhaitant un flux de travail unique |
L'avantage pratique est la prévisibilité. Avec la facturation à la minute, les coûts évoluent linéairement avec l'audio traité et avec chaque autre produit Cloud que vous utilisez, ce qui vous oblige à surveiller en permanence les indicateurs d'usage et les journaux. Avec les crédits, vous pré-achetez un solde, suivez la consommation entre les outils et reportez ce que vous n'utilisez pas, ce qui simplifie les prévisions lorsque votre mois mêle vidéos, podcasts et cours. Nous servons les deux publics : les créateurs disposent d'une interface unique, tandis que les développeurs peuvent intégrer la transcription via nos API aux côtés du Text to Speech et du Doublage IA.
Plutôt que de réexpliquer le fonctionnement mécanique de la transcription, nos guides sur comment transcrire de l'audio en texte et le choix d'une API speech to text couvrent le flux de travail ; utilisez cette page pour les calculs financiers.
Les informations exactes nécessaires pour un devis fiable
Pour transformer la tarification de google speech to text en un budget mensuel réel côté cloud, rassemblez huit informations : les minutes facturables estimées par mois, par projet et par compte (après les 60 premières gratuites), votre décision concernant la journalisation des données, la version de l'API et le modèle, si vous utilisez la reconnaissance par lots, en continu ou les deux, votre configuration de canaux audio (mono vs. stéréo et nombre de canaux), votre stratégie de stockage pour l'audio brut et les transcriptions, vos plans de trafic sortant réseau pour exporter ces fichiers, et l'impact de l'arrondi lié à votre mélange de requêtes (nombreux clips courts vs. moins de fichiers longs). Avec cela, vous multipliez les minutes facturables par le bon tarif USD et ajoutez les lignes d'infrastructure distinctes.
Pour une estimation comparable de notre côté, indiquez-nous le total de minutes que vous prévoyez de transcrire chaque mois par type de contenu, les langues source et cible si vous associez la transcription au doublage, si vous prévoyez aussi d'utiliser le Clonage de Voix, le Text to Speech, la Séparation de Parole ou l'Image to Video dans le même flux de travail, la taille de votre équipe et la simultanéité, votre répartition entre usage API et tableau de bord, et votre niveau d'exigence de qualité (transcriptions de niveau édition vs. sous-titres prêts pour la production). Ces réponses nous permettent de recommander un bundle de crédits qui couvre la transcription et les outils connexes sous un solde unique plutôt que des budgets de minutes distincts par produit. Si certains de ces éléments sont encore inconnus, envoyez ce que vous avez et nous dimensionnerons un bundle autour.
Exemples de tarification détaillés
Tous les chiffres ci-dessous sont des estimations simplifiées utilisant le tarif à la minute publié par Google et supposent des modèles standard avec journalisation des données activée ; les factures réelles varient selon le choix du modèle, la journalisation et les autres services, et excluent les coûts de Cloud Storage et de réseau.
Créateur YouTube, une vidéo hebdomadaire de 20 minutes. L'audio mensuel est de 4 × 20 = 80 minutes. Les 60 premières sont gratuites, laissant 20 minutes facturables à 0,016 $, pour une estimation de 0,32 $ par mois en transcription.
Producteur de podcast, 10 heures par mois. Cela représente 600 minutes ; 60 gratuites laissent 540 minutes facturables. L'estimation est de 540 × 0,016 $ = 8,64 $ par mois.
Équipe de formation, 50 heures de webinaires par mois. Cela représente 3 000 minutes ; 60 gratuites laissent 2 940 minutes facturables, pour une estimation de 2 940 × 0,016 $ ≈ 47,04 $ par mois.
Chacun de ces cas ne montre que les frais de transcription. Ajoutez le stockage et le trafic sortant côté cloud, et rappelez-vous qu'un mois de localisation mixte, où les transcriptions alimentent le doublage et la voix off, est exactement le scénario qu'un solde de crédits reportable unique est conçu pour lisser.
Foire aux questions
Google Speech-to-Text est-il gratuit ?
Google offre 60 minutes de transcription par mois gratuitement sur les modèles standard avec journalisation des données activée, par compte de facturation. Les nouveaux utilisateurs Cloud peuvent aussi recevoir un crédit distinct de 300 $ USD pour une expérimentation plus large à travers les services Google.
Les modèles améliorés sont-ils plus chers que les modèles standard ?
Non. Les notes de version de Google indiquent que les modèles améliorés ne sont plus tarifés différemment des modèles standard ; l'usage de tous les modèles est reporté et tarifé comme les modèles standard.
Comment les clips courts sont-ils facturés désormais ?
Toutes les requêtes Speech-to-Text dans le cloud sont arrondies à la seconde supérieure sans durée minimale d'audio, remplaçant l'ancien arrondi à 15 secondes pour l'usage cloud. Les références On-Prem peuvent encore utiliser des incréments de 15 secondes.
Le prix à la minute inclut-il le stockage et le réseau ?
Non. Le tarif à la minute couvre uniquement la transcription. Le Cloud Storage, le trafic sortant réseau et les autres services Google Cloud sont facturés séparément selon leur propre tarification.
Comment cela se compare-t-il à votre Speech to Text ?
Google facture à la minute (ou à la seconde) d'audio avec des coûts d'infrastructure séparés, tandis que nous utilisons un modèle basé sur des crédits qui couvre le Speech to Text ainsi que le doublage, le text to speech, le clonage de voix et les outils connexes au sein d'un flux de travail unique, avec des crédits reportables et des options entreprise pour les équipes plus importantes.