Jika Anda sedang menghitung biaya transkripsi, jawaban jujurnya adalah tidak ada harga pasti tunggal untuk Google Speech-to-Text. Per 6 Oktober 2026 (USD), API cloud inti dimulai dengan 60 menit gratis per bulan dan kemudian mengenakan biaya sekitar $0,016 per menit audio pada model standar dengan pencatatan data diaktifkan, yang setara dengan sekitar $0,96 per jam sebelum biaya Google Cloud lainnya. Angka itu hanyalah titik awal, karena tagihan sebenarnya Anda bergeser tergantung versi API, pilihan pencatatan, penyimpanan, jaringan, dan bagaimana audio Anda dipotong menjadi permintaan. Uraian ini menjelaskan faktor-faktor di balik harga google speech to text, apa yang dicakup dan tidak dicakup oleh tarif per menit, dan bagaimana perhitungan berbasis menit itu dibandingkan dengan alur kerja Speech to Text berbasis kredit kami sendiri.
Daftar isi
Rentang jujur dan mengapa tidak ada satu harga tetap
Untuk kreator tipikal yang mengirim audio standar yang dicatat ke API cloud, rentang efektifnya berada di antara $0 hingga sekitar $0,96 per jam audio yang ditranskripsikan sebelum layanan Google Cloud tambahan masuk ke dalam gambaran. Kuota gratis mencakup 60 menit audio pertama per bulan per akun penagihan, dan di atas itu setiap menit ditagih sebesar $0,016 USD per 6 Oktober 2026. Kalikan 60 menit dengan tarif tersebut dan Anda mendapatkan angka ~$0,96 per jam.
Alasan tidak adanya harga tetap universal adalah karena enam variabel menggerakkan angka akhir: berapa banyak menit yang dapat ditagih yang Anda kirim melebihi kuota gratis, apakah Anda mengaktifkan pencatatan data, versi API dan model mana yang Anda pilih, apakah Anda menjalankan di cloud atau opsi On-Prem, berapa banyak layanan Google Cloud lain yang Anda lampirkan, dan aturan pembulatan yang mengonversi setiap permintaan menjadi detik yang dapat ditagih. Karena semua ini bergeser per akun dan dapat berubah dari waktu ke waktu, anggaran apa pun harus dikaitkan dengan halaman harga Google Cloud saat ini dan volume bulanan aktual Anda, bukan angka yang diingat.
Bagaimana Google menagih cloud Speech-to-Text
Google menetapkan harga cloud Speech-to-Text berdasarkan jumlah audio yang berhasil diproses, diukur dalam waktu daripada karakter. Unit penagihan lebih penting daripada yang diasumsikan oleh sebagian besar lembar kerja perencanaan. Menurut catatan rilis Speech-to-Text, per 2026 semua model ditagih dengan aturan yang sama: setiap permintaan dibulatkan ke atas ke detik terdekat, tanpa panjang audio minimum. Itu menggantikan pendekatan sebelumnya yang membulatkan setiap permintaan ke atas ke 15 detik terdekat, yang masih muncul di beberapa referensi On-Prem dan contoh lama.
Pembulatan satu detik mengubah ekonomi konten pendek. Hook media sosial tiga detik atau klip pembelajaran mikro ditagih sebagai tiga detik, bukan lima belas, sehingga kreator yang menerbitkan banyak file pendek tidak lagi membayar penalti padding pada setiap permintaan.
Mengenai pembagian gratis dan berbayar, Google mencantumkan SKU standar "dengan pencatatan data" di mana 60 menit audio pertama per bulan gratis per akun penagihan. Di atas itu, setiap menit tambahan dikenakan biaya $0,016 USD per 6 Oktober 2026.
Pencatatan data adalah pengungkit biaya tersendiri. Secara historis Google menawarkan tarif berbeda tergantung apakah Anda memilih pencatatan untuk peningkatan model. Ringkasan pihak ketiga berdasarkan dokumentasi Google Cloud melaporkan model standar sekitar $0,004 per 15 detik (sekitar $0,016 per menit) dengan pencatatan diaktifkan, dan sekitar $0,006 per 15 detik (sekitar $0,024 per menit) tanpanya. Karena tarif tanpa pencatatan tidak sepenuhnya diungkapkan pada cuplikan harga publik, anggap saja "sedikit lebih tinggi dari yang dicatat" dan konfirmasikan angka pastinya di halaman harga saat ini sebelum Anda menetapkan anggaran.
Versi API dan set fitur juga masuk ke dalam pembahasan. Halaman utama Speech-to-Text Google mencatat bahwa harga bergantung pada versi API, saluran, dan metode batch, serta menjelaskan API V2 dengan model Chirp ditambah opsi residensi data, dengan harga sekitar $0,016 per menit untuk kasus penggunaan tertentu, selaras dengan tarif standar yang dicatat. Fitur seperti pencatatan audit atau kunci enkripsi yang dikelola pelanggan berbeda di seluruh versi, tetapi pendorong harga inti tetap konstan: menit audio yang diproses, bukan jenis konten atau bahasa.
Ada juga opsi On-Prem, dengan harga berdasarkan audio yang diproses per bulan dengan permintaan dibulatkan ke atas ke kelipatan 15 detik. Halaman On-Prem Google menunjukkan contoh di mana tiga permintaan 7 detik ditagih sebagai 45 detik (3 × 15 detik) dengan total $0,018 USD, yang menyiratkan tarif efektif sekitar $0,006 per 15 detik, atau sekitar $0,024 per menit sebagai estimasi yang dihitung dari biaya yang tercantum tersebut. On-Prem dibangun untuk lingkungan terkunci yang dikelola sendiri dan umumnya hanya penting bagi perusahaan yang diatur dengan persyaratan residensi data yang ketat atau persyaratan offline.
Apa yang termasuk dan tidak termasuk dalam tarif per menit
Harga per menit membeli irisan tertentu dari tumpukan. Ini mencakup transkripsi audio menjadi teks menggunakan model yang dipilih (standar, Chirp, dan sebagainya), akses ke pengenalan batch atau streaming sesuai versi dan konfigurasi yang Anda pilih, dan kuota gratis bulanan 60 menit untuk penggunaan cloud standar yang dicatat. Akun Google Cloud baru juga sering menerima kredit umum $300 USD untuk pembuktian konsep di seluruh layanan, yang dapat diterapkan pada Speech-to-Text selama pengujian awal.
Apa yang tidak termasuk dalam tarif per menit adalah tempat di mana biaya mengejutkan biasanya tersembunyi:
- Cloud Storage yang digunakan untuk menyimpan file audio Anda.
- Egress jaringan untuk melayani atau mengekspor audio dan transkrip.
- Layanan Google Cloud lain dalam alur Anda, seperti Cloud Functions, Pub/Sub, atau basis data.
- Pajak dan penyesuaian penagihan regional.
Google juga mengharuskan Anda mengaktifkan penagihan untuk menggunakan API suara dan teks, meskipun Anda tidak dikenakan biaya kecuali jika Anda melebihi kuota gratis atau kredit umum pada akun Anda. Bagi kreator yang tujuan sebenarnya adalah "unggah video, dapatkan transkrip, lalu sulih suara," biaya infrastruktur yang dikecualikan itu adalah perbedaan antara item baris per menit yang rapi dan tagihan multi-layanan yang memerlukan pemantauan berkelanjutan.
Penagihan per menit vs. Speech to Text berbasis kredit kami
Speech to Text kami berada di dalam satu platform pembuatan media dan lokalisasi yang juga mencakup AI Dubbing, Voice Cloning, Text to Speech, Speech Separator, Text to Image, dan Image to Video. Alih-alih penagihan infrastruktur per menit, kami menggunakan kredit platform dengan rollover, tingkat gratis, dan paket enterprise. Perbedaan struktural itulah perbandingan yang sebenarnya, bukan perbandingan langsung pada satu angka.
| Dimensi | Google cloud Speech-to-Text | Speech to Text kami |
|---|---|---|
| Unit penagihan | Menit/detik audio per akun, dalam USD | Kredit platform yang dapat dibelanjakan di berbagai alat |
| Cakupan | Infrastruktur transkripsi yang Anda rakit sendiri | Transkripsi sebagai satu langkah dalam alur lokalisasi |
| Biaya tambahan | Penyimpanan, jaringan, layanan Cloud lain ditagih terpisah | Tercakup dalam satu saldo kredit |
| Bentuk anggaran | Berskala linier dengan menit ditambah penggunaan cloud | Kredit prabeli yang di-rollover |
| Paling cocok untuk | Pengembang yang ingin kontrol API/infrastruktur mendalam | Kreator dan pengembang yang ingin satu alur kerja |
Hasil praktisnya adalah prediktabilitas. Dengan penagihan per menit, biaya berskala linier dengan audio yang diproses dan dengan setiap produk Cloud lain yang Anda gunakan, sehingga Anda memantau metrik penggunaan dan log secara terus-menerus. Dengan kredit, Anda membeli saldo di muka, melacak konsumsi di berbagai alat, dan me-rollover apa yang tidak Anda gunakan, yang menyederhanakan peramalan ketika bulan Anda mencampur video, podcast, dan kursus. Kami melayani kedua audiens: kreator mendapatkan satu antarmuka, sementara pengembang dapat mengintegrasikan transkripsi melalui API kami bersama Text to Speech dan AI Dubbing.
Alih-alih menjelaskan ulang bagaimana transkripsi bekerja secara mekanis, panduan kami tentang cara mentranskripsikan audio ke teks dan memilih API speech to text mencakup alur kerja; gunakan halaman ini untuk perhitungan uang.
Input tepat yang Anda butuhkan untuk penawaran yang andal
Untuk mengubah harga google speech to text menjadi anggaran bulanan nyata di sisi cloud, kumpulkan delapan input: perkiraan menit yang dapat ditagih per bulan per proyek dan akun (setelah 60 menit gratis pertama), keputusan pencatatan data Anda, versi API dan model, apakah Anda menggunakan pengenalan batch, streaming, atau keduanya, konfigurasi saluran audio Anda (mono vs. stereo dan jumlah saluran), strategi penyimpanan Anda untuk audio mentah dan transkrip, rencana egress jaringan Anda untuk mengekspor file-file itu, dan dampak pembulatan dari campuran permintaan Anda (banyak klip pendek vs. lebih sedikit file panjang). Dengan itu, Anda mengalikan menit yang dapat ditagih dengan tarif USD yang benar dan menambahkan item baris infrastruktur terpisah.
Untuk estimasi setara di sisi kami, beri tahu kami total menit yang Anda harapkan untuk ditranskripsikan setiap bulan berdasarkan jenis konten, bahasa sumber dan target jika Anda memasangkan transkripsi dengan sulih suara, apakah Anda juga berencana menggunakan Voice Cloning, Text to Speech, Speech Separation, atau Image to Video dalam alur kerja yang sama, ukuran tim dan konkurensi Anda, pembagian Anda antara penggunaan API dan dasbor, serta standar kualitas Anda (transkrip tingkat pengeditan vs. subtitle siap produksi). Jawaban-jawaban itu memungkinkan kami merekomendasikan paket kredit yang mencakup transkripsi dan alat terkait di bawah satu saldo alih-alih anggaran menit terpisah per produk. Jika ada yang masih belum diketahui, kirimkan apa yang Anda miliki dan kami akan menyesuaikan paket di sekitarnya.
Contoh perhitungan harga
Semua angka di bawah ini adalah estimasi yang disederhanakan menggunakan tarif per menit yang dipublikasikan Google dan mengasumsikan model standar dengan pencatatan data diaktifkan; tagihan sebenarnya bervariasi tergantung pilihan model, pencatatan, dan layanan lain, serta mengecualikan biaya Cloud Storage dan jaringan.
Kreator YouTube, satu video mingguan 20 menit. Audio bulanan adalah 4 × 20 = 80 menit. 60 menit pertama gratis, menyisakan 20 menit yang dapat ditagih dengan tarif $0,016, untuk perkiraan $0,32 per bulan dalam transkripsi.
Produser podcast, 10 jam per bulan. Itu adalah 600 menit; 60 gratis menyisakan 540 menit yang dapat ditagih. Perkiraannya adalah 540 × $0,016 = $8,64 per bulan.
Tim pelatihan, 50 jam webinar per bulan. Itu adalah 3.000 menit; 60 gratis menyisakan 2.940 menit yang dapat ditagih, untuk perkiraan 2.940 × $0,016 ≈ $47,04 per bulan.
Masing-masing contoh ini hanya menunjukkan biaya transkripsi. Tambahkan penyimpanan dan egress di sisi cloud, dan ingat bahwa bulan lokalisasi campuran, di mana transkrip memberi makan sulih suara dan voiceover, adalah persis skenario yang dirancang untuk diperlancar oleh satu saldo kredit yang di-rollover.
Pertanyaan yang sering diajukan
Apakah Google Speech-to-Text gratis?
Google menawarkan 60 menit transkripsi per bulan secara gratis pada model standar dengan pencatatan data diaktifkan, per akun penagihan. Pengguna Cloud baru juga mungkin menerima kredit terpisah $300 USD untuk eksperimen yang lebih luas di seluruh layanan Google.
Apakah model yang ditingkatkan lebih mahal daripada standar?
Tidak. Catatan rilis Google menyatakan bahwa model yang ditingkatkan tidak lagi diberi harga berbeda dari model standar; penggunaan semua model dilaporkan dan diberi harga seperti model standar.
Bagaimana klip pendek ditagih sekarang?
Semua permintaan cloud Speech-to-Text dibulatkan ke atas ke detik terdekat tanpa panjang audio minimum, menggantikan pembulatan 15 detik lama untuk penggunaan cloud. Referensi On-Prem mungkin masih menggunakan kelipatan 15 detik.
Apakah harga per menit termasuk penyimpanan dan jaringan?
Tidak. Tarif per menit hanya mencakup transkripsi. Cloud Storage, egress jaringan, dan layanan Google Cloud lainnya ditagih secara terpisah di bawah harga mereka sendiri.
Bagaimana perbandingannya dengan Speech to Text Anda?
Google mengenakan biaya per menit (atau detik) audio dengan biaya infrastruktur terpisah, sementara kami menggunakan model berbasis kredit yang mencakup Speech to Text ditambah sulih suara, text to speech, voice cloning, dan alat terkait di dalam satu alur kerja, dengan kredit rollover dan opsi enterprise untuk tim yang lebih besar.