Se stai calcolando i costi della trascrizione, la risposta onesta è che non esiste un prezzo unico e fisso per Google Speech-to-Text. Al 6 ottobre 2026 (USD), l'API cloud di base inizia con 60 minuti gratuiti al mese e poi addebita circa $0,016 per minuto di audio sui modelli standard con il logging dei dati abilitato, il che equivale a circa $0,96 all'ora prima di qualsiasi altro addebito di Google Cloud. Quel numero è solo il punto di partenza, perché la tua fattura reale cambia in base alla versione dell'API, alla scelta del logging, allo storage, al networking e a come il tuo audio viene suddiviso in richieste. Questa analisi esamina i fattori che stanno dietro ai prezzi di google speech to text, cosa copre e cosa non copre la tariffa al minuto, e come questo calcolo basato sui minuti si confronta con il nostro flusso di lavoro Speech to Text basato sui crediti.
Indice dei contenuti
La fascia onesta e perché non esiste un prezzo unico fisso
Per un creator tipico che invia audio standard con logging all'API cloud, la fascia effettiva si colloca tra $0 e circa $0,96 per ora di audio trascritto prima che entrino in gioco altri servizi Google Cloud. La fascia gratuita copre i primi 60 minuti di audio al mese per account di fatturazione, e oltre questa soglia ogni minuto viene fatturato a $0,016 USD al 6 ottobre 2026. Moltiplica 60 minuti per questa tariffa e ottieni la cifra oraria di ~$0,96.
Il motivo per cui non esiste un prezzo fisso universale è che sei variabili influenzano il numero finale: quanti minuti fatturabili invii oltre la fascia gratuita, se abiliti il logging dei dati, quale versione dell'API e modello scegli, se usi il cloud o l'opzione On-Prem, quanti altri servizi Google Cloud colleghi e la regola di arrotondamento che converte ogni richiesta in secondi fatturabili. Poiché tutti questi fattori cambiano per account e possono variare nel tempo, qualsiasi budget dovrebbe essere legato all'attuale pagina dei prezzi di Google Cloud e al tuo effettivo volume mensile piuttosto che a un numero ricordato a memoria.
Come Google fattura Speech-to-Text cloud
Google calcola i prezzi di Speech-to-Text cloud in base alla quantità di audio elaborata con successo, misurata in tempo anziché in caratteri. L'unità di fatturazione conta più di quanto la maggior parte dei fogli di calcolo di pianificazione presuma. Secondo le note di rilascio di Speech-to-Text, dal 2026 tutti i modelli sono fatturati con la stessa regola: ogni richiesta viene arrotondata per eccesso al secondo più vicino, senza una durata minima dell'audio. Questo ha sostituito un approccio precedente che arrotondava ogni richiesta per eccesso ai 15 secondi più vicini, che compare ancora in alcuni riferimenti On-Prem e in esempi più datati.
L'arrotondamento al secondo cambia l'economia dei contenuti brevi. Un gancio social di tre secondi o un micro-clip didattico viene fatturato come tre secondi, non quindici, quindi i creator che pubblicano molti file brevi non pagano più una penale di riempimento su ogni richiesta.
Riguardo alla suddivisione tra gratuito e a pagamento, Google elenca una SKU standard "con logging dei dati" dove i primi 60 minuti di audio al mese sono gratuiti per account di fatturazione. Oltre questa soglia, ogni minuto aggiuntivo viene addebitato a $0,016 USD al 6 ottobre 2026.
Il logging dei dati è una leva di costo a sé. Google offre storicamente tariffe diverse a seconda che tu scelga di attivare il logging per il miglioramento del modello. I riepiloghi di terze parti basati sulla documentazione di Google Cloud riportano i modelli standard a circa $0,004 per 15 secondi (circa $0,016 per minuto) con il logging abilitato, e circa $0,006 per 15 secondi (circa $0,024 per minuto) senza di esso. Poiché la tariffa senza logging non è completamente esposta nello snippet pubblico dei prezzi, considerala come "leggermente più alta di quella con logging" e conferma la cifra esatta sull'attuale pagina dei prezzi prima di impegnarti su un budget.
Anche la versione dell'API e il set di funzionalità entrano nella discussione. La pagina principale di Speech-to-Text di Google indica che i prezzi dipendono dalla versione dell'API, dai canali e dai metodi batch, e descrive un'API V2 con modelli Chirp più opzioni di residenza dei dati, con prezzi intorno a $0,016 per minuto per determinati casi d'uso, in linea con la tariffa standard con logging. Funzionalità come l'audit logging o le chiavi di crittografia gestite dal cliente differiscono tra le versioni, ma il principale fattore di prezzo rimane costante: i minuti di audio elaborato, non il tipo di contenuto o la lingua.
C'è anche un'opzione On-Prem, con prezzi in base all'audio elaborato al mese con le richieste arrotondate per eccesso a incrementi di 15 secondi. La pagina On-Prem di Google mostra un esempio in cui tre richieste di 7 secondi vengono fatturate come 45 secondi (3 × 15 secondi) per un totale di $0,018 USD, il che implica una tariffa effettiva di circa $0,006 per 15 secondi, ovvero circa $0,024 per minuto come stima calcolata da quell'addebito indicato. On-Prem è pensato per ambienti protetti e autogestiti e generalmente interessa solo le aziende regolamentate con requisiti rigorosi di residenza dei dati o di funzionamento offline.
Cosa include ed esclude la tariffa al minuto
Il prezzo al minuto acquista una fetta specifica dello stack. Copre la trascrizione dell'audio in testo utilizzando i modelli selezionati (standard, Chirp, e così via), l'accesso al riconoscimento batch o streaming in base alla versione e configurazione scelte, e la fascia gratuita mensile di 60 minuti per l'uso cloud standard con logging. I nuovi account Google Cloud ricevono spesso anche un credito generale di $300 USD per prove di concetto sui vari servizi, che può essere applicato a Speech-to-Text durante i test iniziali.
Ciò che la tariffa al minuto non include è il punto in cui di solito si nascondono i costi a sorpresa:
- Cloud Storage utilizzato per conservare i tuoi file audio.
- Egress di rete per la distribuzione o l'esportazione di audio e trascrizioni.
- Altri servizi Google Cloud nella tua pipeline, come Cloud Functions, Pub/Sub o database.
- Tasse e aggiustamenti di fatturazione regionali.
Google richiede inoltre di abilitare la fatturazione per utilizzare le API di speech e text, anche se non ti verrà addebitato nulla a meno che tu non superi la quota gratuita o i crediti generali sul tuo account. Per un creator il cui vero obiettivo è "carica un video, ottieni una trascrizione, poi fai il doppiaggio", quei costi di infrastruttura esclusi fanno la differenza tra una pulita voce di costo al minuto e una fattura multiservizio che richiede un monitoraggio continuo.
Fatturazione al minuto vs. il nostro Speech to Text basato sui crediti
Il nostro Speech to Text si trova all'interno di un'unica piattaforma di creazione e localizzazione di contenuti multimediali che copre anche AI Dubbing, Voice Cloning, Text to Speech, Speech Separator, Text to Image e Image to Video. Invece della fatturazione infrastrutturale al minuto, usiamo crediti di piattaforma con riporto, una fascia gratuita e piani enterprise. Questa differenza strutturale è il vero confronto, non un paragone diretto su un singolo numero.
| Dimensione | Google cloud Speech-to-Text | Il nostro Speech to Text |
|---|---|---|
| Unità di fatturazione | Minuti/secondi di audio per account, in USD | Crediti di piattaforma spendibili su tutti gli strumenti |
| Ambito | Infrastruttura di trascrizione che assembli tu | La trascrizione come un passaggio in una pipeline di localizzazione |
| Costi extra | Storage, networking, altri servizi Cloud fatturati separatamente | Coperti all'interno di un unico saldo di crediti |
| Struttura del budget | Scala linearmente con i minuti più l'uso del cloud | Crediti acquistati in anticipo che si riportano |
| Più adatto a | Sviluppatori che vogliono un controllo approfondito su API/infrastruttura | Creator e sviluppatori che vogliono un unico flusso di lavoro |
Il risultato pratico è la prevedibilità. Con la fatturazione al minuto, i costi scalano linearmente con l'audio elaborato e con ogni altro prodotto Cloud che utilizzi, quindi monitori continuamente le metriche di utilizzo e i log. Con i crediti, acquisti un saldo in anticipo, tracci il consumo sui vari strumenti e riporti ciò che non usi, il che semplifica le previsioni quando il tuo mese mescola video, podcast e corsi. Serviamo entrambi i pubblici: i creator ottengono un'interfaccia unica, mentre gli sviluppatori possono integrare la trascrizione tramite le nostre API insieme a Text to Speech e AI Dubbing.
Anziché rispiegare come funziona meccanicamente la trascrizione, le nostre guide su come trascrivere audio in testo e come scegliere un'API speech to text trattano il flusso di lavoro; usa questa pagina per i calcoli economici.
Input esatti necessari per un preventivo affidabile
Per trasformare i prezzi di google speech to text in un budget mensile reale sul lato cloud, raccogli otto input: i minuti fatturabili stimati al mese per progetto e account (dopo i primi 60 gratuiti), la tua decisione sul logging dei dati, la versione dell'API e il modello, se usi il riconoscimento batch, streaming o entrambi, la configurazione dei canali audio (mono vs. stereo e numero di canali), la tua strategia di storage per l'audio grezzo e le trascrizioni, i tuoi piani di egress di rete per esportare quei file, e l'impatto dell'arrotondamento del tuo mix di richieste (molti clip brevi vs. pochi file lunghi). Con questi, moltiplichi i minuti fatturabili per la corretta tariffa in USD e aggiungi le voci di costo infrastrutturale separate.
Per una stima equivalente sul nostro lato, comunicaci i minuti totali che prevedi di trascrivere mensilmente per tipo di contenuto, le lingue di origine e di destinazione se abbini la trascrizione al doppiaggio, se intendi usare anche Voice Cloning, Text to Speech, Speech Separation o Image to Video nello stesso flusso di lavoro, la dimensione del tuo team e la concorrenza, la tua suddivisione tra uso API e dashboard, e il tuo standard qualitativo (trascrizioni di livello editoriale vs. sottotitoli pronti per la produzione). Queste risposte ci permettono di consigliare un pacchetto di crediti che copre la trascrizione e gli strumenti correlati sotto un unico saldo anziché budget separati al minuto per prodotto. Se alcuni di questi dati sono ancora sconosciuti, inviaci ciò che hai e dimensioneremo un pacchetto in base a quello.
Esempi pratici di prezzi
Tutte le cifre seguenti sono stime semplificate che utilizzano la tariffa al minuto pubblicata da Google e presuppongono modelli standard con il logging dei dati abilitato; le fatture reali variano con la scelta del modello, il logging e altri servizi, ed escludono i costi di Cloud Storage e di rete.
Creator YouTube, un video settimanale di 20 minuti. L'audio mensile è 4 × 20 = 80 minuti. I primi 60 sono gratuiti, lasciando 20 minuti fatturabili a $0,016, per una stima di $0,32 al mese in trascrizione.
Produttore di podcast, 10 ore al mese. Sono 600 minuti; 60 gratuiti lasciano 540 minuti fatturabili. La stima è 540 × $0,016 = $8,64 al mese.
Team di formazione, 50 ore di webinar al mese. Sono 3.000 minuti; 60 gratuiti lasciano 2.940 minuti fatturabili, per una stima di 2.940 × $0,016 ≈ $47,04 al mese.
Ciascuno di questi mostra solo l'addebito della trascrizione. Aggiungi storage ed egress sul lato cloud, e ricorda che un mese di localizzazione misto, in cui le trascrizioni alimentano il doppiaggio e la voce fuori campo, è esattamente lo scenario che un unico saldo di crediti riportabile è progettato per appianare.
Domande frequenti
Google Speech-to-Text è gratuito?
Google offre 60 minuti di trascrizione al mese gratuitamente sui modelli standard con il logging dei dati abilitato, per account di fatturazione. I nuovi utenti Cloud possono anche ricevere un credito separato di $300 USD per una sperimentazione più ampia sui vari servizi Google.
I modelli avanzati sono più costosi di quelli standard?
No. Le note di rilascio di Google affermano che i modelli avanzati non hanno più un prezzo diverso da quelli standard; l'utilizzo di tutti i modelli viene riportato e tariffato come i modelli standard.
Come vengono fatturati ora i clip brevi?
Tutte le richieste di Speech-to-Text cloud vengono arrotondate per eccesso al secondo più vicino senza una durata minima dell'audio, sostituendo il precedente arrotondamento a 15 secondi per l'uso cloud. I riferimenti On-Prem possono ancora usare incrementi di 15 secondi.
Il prezzo al minuto include storage e networking?
No. La tariffa al minuto copre solo la trascrizione. Cloud Storage, egress di rete e altri servizi Google Cloud vengono fatturati separatamente secondo i rispettivi prezzi.
Come si confronta con il vostro Speech to Text?
Google addebita al minuto (o al secondo) di audio con costi infrastrutturali separati, mentre noi usiamo un modello basato sui crediti che copre Speech to Text più doppiaggio, text to speech, voice cloning e strumenti correlati all'interno di un unico flusso di lavoro, con crediti riportabili e opzioni enterprise per team più grandi.