Transkriptionspreise 2026: APIs ab 0,15 $/Stunde bis 120 $/Stunde für Menschen

Transkriptionspreise im Jahr 2026 bewegen sich über drei Größenordnungen. Dieselbe Stunde Audio kann etwa $0.46 bei einer Developer-API oder bis zu $120 bei einem menschlichen Transkriptionsdienst kosten. Das Preismodell ist genauso wichtig wie der Schlagzeilenpreis, denn die Abrechnung pro Minute skaliert linear mit der Nutzung, während Pauschalpläne die Kosten deckeln. Dieser Beitrag schlüsselt auf, was jeder große Anbieter aktuell verlangt, wie die Strukturen funktionieren und welches Modell zu welchem Anwendungsfall passt. Jede Zahl hier ist gegen die eigene Preisseite des Anbieters geprüft, mit der Quelle unten verlinkt.

Die Kurzfassung

Es gibt nur drei Arten, wie Transkription bepreist wird, und die richtige hängt komplett von deinem monatlichen Volumen ab.

• Unter ein paar Stunden pro Monat: nutze einen kostenlosen Tarif oder zahle pro Minute. Developer-APIs wie Deepgram und OpenAI liegen bei etwa $0.36 bis $0.46 pro Stunde Audio.
• Ein paar Stunden bis ein paar hundert Stunden pro Monat: ein Pauschalplan für Verbraucher ($10 bis $20 pro Monat) ist fast immer am günstigsten, weil die Abrechnung pro Minute das Abo übersteigen würde.
• Rechtlich oder medizinisch sensibles Audio: zahle für menschliche Transkription ($1.50 bis $2.00 pro Minute, grob $90 bis $120 pro Stunde), wo 99 Prozent Genauigkeit ohne manuelle Prüfung Pflicht ist.

Meine Meinung in einem Satz: wenn du mehr als drei oder vier Stunden pro Monat transkribierst und kein Produkt auf einer API aufbaust, nimmt ein Pauschalplan mit unbegrenzter Nutzung den Zähler weg und die Mathematik hört auf, eine Rolle zu spielen. Ich baue ConvertAudioToText, also behandle das als offengelegte Voreingenommenheit, der Vergleich unten nennt, wo Konkurrenten wirklich gewinnen.

Die drei Preisstrukturen

Jeder Transkriptionsdienst nutzt eines von drei Preismodellen.

Abrechnung pro Minute (oder pro Stunde)

Sie zahlen für jede verarbeitete Audiominute. Die Kosten pro Einheit sind gering (Bruchteile eines Cents pro Minute bei den Entwickler-APIs), aber die Rechnung skaliert linear mit der Nutzung. Die meisten Unternehmens- und Entwickler-APIs funktionieren so und rechnen pro Sekunde ab, sodass Sie nicht auf die nächste volle Minute aufgerundet werden.

Am besten geeignet für: Nutzer mit geringem Volumen, die nur wenige Stunden pro Monat benötigen, sowie für technische Teams mit hohem Volumen, die einen vorhersehbaren Verbrauch und Mengenrabatte haben.

Flatrate ohne Limit

Sie zahlen eine monatliche Abo-Gebühr und verarbeiten so viel Audio, wie Sie möchten. Die effektiven Kosten pro Einheit sinken mit steigender Nutzung. Je mehr Sie transkribieren, desto besser wird das Angebot.

Am besten geeignet für: regelmäßige Nutzer, die fünf oder mehr Stunden pro Monat verarbeiten und bei denen die Abrechnung pro Minute die monatliche Abo-Gebühr übersteigen würde.

Hybride Stufen

Eine kostenlose Stufe mit monatlichem Limit (üblicherweise 10 bis 300 Minuten), darüber ein nutzungsabhängiger oder Flatrate-Tarif. Das kombiniert den kostenlosen Einstieg mit der Planbarkeit eines Abos.

Am besten geeignet für: die meisten Verbraucher und kleine Teams. Kostenlos zum Testen, feste Kosten, sobald sie sich festlegen.

Die großen KI-Dienste im Vergleich

Ein direkter Vergleich der Listenpreise für KI-Transkription im Jahr 2026. Alle Stundenpreise werden aus dem veröffentlichten Minutenpreis zum Listenpreis berechnet, vor Mengenrabatten.

AssemblyAI

$0.15/hr

OpenAI 4o-mini

$0.18/hr

AssemblyAI 3.5 Pro

$0.21/hr

OpenAI Whisper

$0.36/hr

Deepgram Nova-3

$0.46/hr

Listenpreis pro Stunde, 2026. Niedriger ist günstiger.

Zwei Dinge fallen auf. Die Developer-API-Stufe (Deepgram, die OpenAI-Modelle, AssemblyAI) ist durchweg die günstigste Option pro Minute, oft unter $0.50 pro Stunde. Die Apps für Endverbraucher verlangen auf dem Papier deutlich mehr pro Minute, bündeln aber eine Benutzeroberfläche, Exporte, Bearbeitung, Sprecherkennung, Zusammenfassungen und Integrationen, die eine reine API nicht enthält. Ein zweiter, leicht zu übersehender Punkt: Der günstige API-Listenpreis ist der Basispreis. AssemblyAIs $0.15/Stunde wird auf etwa $0.22/Stunde, sobald man Sprecher-Diarisierung, Sentimentanalyse und Zusammenfassung hinzufügt, und Deepgrams Mono-Tarif ist bei Mehrkanal-Audio höher. Vergleiche Äpfel mit Äpfeln.

Für tiefere Aufschlüsselungen pro Anbieter findest du die Details auf unseren Seiten: TurboScribe-Alternativen, Otter AI-Alternativen, Happy Scribe-Alternativen, Rev-Alternativen und Descript-Alternativen. Die reinen API-Tarife werden in OpenAI Whisper API Preise und Deepgram Nova-3 erklärt weiter aufgeschlüsselt.

Preise für menschliche Transkription

Menschliche Transkription bleibt der Goldstandard für Genauigkeit bei schwierigem Audiomaterial. Die Preise spiegeln den damit verbundenen Arbeitsaufwand wider.

Die Stufe "KI plus menschliche Überprüfung" liefert nahezu perfekte Genauigkeit, aber zu einem deutlichen Aufpreis. Für die meisten Anwendungsfälle ist die Genauigkeit moderner KI bei sauberem Audio hoch genug, sodass sich der menschliche Aufpreis nicht rechtfertigt. Die Ausnahmen sind juristische, medizinische und präzisionskritische Medienarbeiten, bei denen ein einziges falsches Wort die Bedeutung verändert und eine Person hinter dem Transkript stehen muss.

Enterprise- und Mengenpreise

Für Nutzer mit hohem Volumen (über 1.000 Stunden pro Monat) bieten alle großen API-Anbieter individuelle Preise an, und die Rabatte sind real:

• Mengenrabatte von 20 bis 50 Prozent auf den ausgewiesenen Minutenpreis. AWS Transcribe zum Beispiel fällt von $0.024/min auf etwa $0.0078/min in der Stufe mit 5 Millionen Minuten.
• Reservierte Kapazitätspreise für planbare Arbeitslasten.
• Jahresverträge im Austausch für weitere Rabatte.
• Der Growth-Plan von Deepgram senkt den Minutenpreis bereits vor jeder individuellen Verhandlung.

Für Unternehmen dieser Größenordnung geht es meist um die Wahl zwischen interner Transkription (Betrieb eines Open-Source-Modells wie Whisper auf eigenen GPUs) und einem verwalteten Dienst mit Mengenrabatten. Selbst gehostetes Whisper kann bei etwa $0.006 pro Minute Rechenleistung landen, aber nur, wenn man GPU-Zeit, Engineering und Verfügbarkeit einrechnet, sodass der Break-even stark von der operativen Reife abhängt. Unser Beitrag zur Preisgestaltung für Enterprise-Transkription behandelt diesen Kompromiss im Detail.

Was Sie auf jeder Preisstufe tatsächlich bekommen

Ein Preisvergleich ist erst vollständig, wenn man auch vergleicht, was jede Stufe tatsächlich bietet.

Unter 0,50 $ pro Stunde (reine API-Stufe)

Reine Transkription, keine Oberfläche, keine Exporte außer der rohen API-Antwort, kein eingebauter Editor. Am besten geeignet für Entwickler, die eigene Produkte darauf aufbauen.

Beispiele: Deepgram Nova-3, AssemblyAI, OpenAI gpt-4o-transcribe.

10 bis 20 $ pro Monat (Pauschalpreis für Verbraucher)

Transkription mit Oberfläche, Exporte (SRT, VTT, TXT, DOCX), ein Editor, Sprecherkennung, Zusammenfassungen und Integrationen mit gängigen Tools. Einige Stufen fügen KI-Vorlagen hinzu, die auf bestimmte Anwendungsfälle zugeschnitten sind.

Beispiele: ConvertAudioToText (14,99 $/Monat oder 99,99 $/Jahr bei jährlicher Abrechnung), TurboScribe (10 $/Monat bei jährlicher Zahlung).

25 bis 50 $ pro Monat (Premium für Verbraucher)

Alles aus der vorherigen Stufe plus erweiterte Bearbeitung (textbasierte Bearbeitung im Descript-Stil), eine ausgefeilte Oberfläche, mehr Integrationen und manchmal leichte Videobearbeitung.

Beispiele: Descript Creator und Business, Happy Scribe Pro und Business.

50 bis 200 $ pro Monat (Business)

Alles aus der vorherigen Stufe plus Teamfunktionen (gemeinsame Arbeitsbereiche, Admin-Kontrollen), höhere Nutzungslimits, Prioritäts-Support und SSO.

Beispiele: Otter Business, Descript Business, Happy Scribe Business.

Ab 1,50 $ pro Minute (menschliche Transkription)

Von geschulten Menschen handschriftlich transkribiert, in der Regel mit 99 Prozent Genauigkeit oder besser. Langsamere Bearbeitungszeit, manchmal spezialisiert auf medizinische oder juristische Arbeit.

Beispiele: Rev Human, Happy Scribe Human, TranscribeMe, GoTranscript.

Kosten pro Stunde bei verschiedenen Volumina

Die Break-even-Analyse ist das, was die meisten Leute tatsächlich brauchen.

Für die meisten einzelnen Creator und kleine Teams ist ein Pauschalangebot mit unbegrenzter Nutzung (9,99 bis 20 Dollar pro Monat) die günstigste Option, sobald man ungefähr drei oder vier Stunden im Monat überschreitet. Unser Beitrag zu den Kosten der Transkription pro Stunde rechnet das im Detail durch, und unbegrenzte vs. verbrauchsabhängige Preise zeigt, wann welches Modell die Nase vorn hat.

Konkret bei den CATT-Preisen kostet der Pro-Plan 14,99 $ pro Monat im Monatsabo, oder 99,99 Dollar im Jahr bei jährlicher Abrechnung für unbegrenzte Transkription, was bei einem Festpreis alles von fünf bis zu mehreren hundert Stunden im Monat abdeckt. Es gibt außerdem einen Wochenpass für 9,99 $ einmalig (1.200 Minuten, 7 Tage gültig), einen Tarif Business & teams mit maßgeschneiderter Preisgestaltung pro Unternehmen (sprich uns an, mit allem aus Pro für das gesamte Team, API-Zugang und Webhooks, volumenbasierten Preisen sowie persönlichem Support und Onboarding) und Kreditpakete ab 9,99 Dollar für 100 Minuten.

Versteckte Kosten, auf die man achten sollte

Der beworbene Preis bildet nicht das gesamte Kostenbild ab. Ein paar Dinge können die tatsächlichen Kosten spürbar verschieben.

Zusatzfunktionen. Der günstige API-Einstiegspreis deckt meist nur die reine Transkription ab. Sprechererkennung, Sentimentanalyse, Zusammenfassungen und Übersetzungen werden oft extra berechnet. Die Basisrate von 0,15 Dollar pro Stunde bei AssemblyAI steigt mit den üblichen Zusatzoptionen auf etwa 0,22 Dollar pro Stunde.

Begrenzung pro Gespräch. Der Pro-Plan von Otter begrenzt eine einzelne Aufnahme auf 90 Minuten, obwohl er 1.200 Minuten im Monat erlaubt. Eine lange Vorlesung oder ein ganztägiges Event kann also an der Obergrenze einer einzigen Datei scheitern.

Speicher- und Exportgebühren. Manche Dienste verlangen Geld für die langfristige Aufbewahrung von Transkripten und Audiodateien oder berechnen pro Export für Premium-Formate. Die meisten modernen Tools enthalten alle Formate im Grundpreis.

Überschreitungsgebühren. Tools, die pro Minute abrechnen, erheben manchmal zusätzliche Gebühren, wenn man das erwartete Volumen überschreitet.

Aufschläge für mehrere Sprachen. Einige Dienste verlangen mehr für nicht-englische Transkription. Die meisten modernen Tools (einschließlich ConvertAudioToText) bepreisen alle 99 und mehr Sprachen gleich.

Unser Beitrag über versteckte Kosten von Transkriptionsdiensten behandelt diese im Detail.

Vergleich der kostenlosen Tarife

Viele Dienste bieten kostenlose Tarife an. Die Qualität und der Haken variieren stark.

Der kostenlose Tarif von TurboScribe ist großzügig und enthält kostenlose Exporte, denn 3 Dateien pro Tag à 30 Minuten ergeben bei täglicher Nutzung etwa 45 Stunden im Monat. Der kostenlose Tarif von CATT erlaubt mehr Dateien pro Tag: Ohne Konto sind die ersten 30 Minuten jeder Datei kostenlos (bis zu 3 Dateien pro Tag), und mit einem kostenlosen Konto läuft die erste Datei bis zu einer Stunde auf der Premium-Engine, danach transkribieren Sie bis zu 30 Dateien am Tag, je bis zu 30 Minuten. Lesen und Kopieren sind kostenlos, TXT-Downloads sind immer kostenlos, und DOCX, PDF, SRT, VTT und JSON erfordern nach der ersten Datei den Weekly Pass, ein Minutenpaket oder einen bezahlten Tarif. Die kostenlose englische Transkriptionsseite ist der übliche Einstiegspunkt. Zu den Abwägungen siehe lohnt sich kostenlose Transkription.

Wann zahlen, wann kostenlos bleiben

Die richtige Antwort hängt von Umfang und Funktionsbedarf ab.

ConvertAudioToText Preise: kostenloser Tarif, dann pauschal 14,99 $ pro Monat für unbegrenzte Minuten

Kostenlos bleiben, wenn: Sie nur eine einzelne kurze Aufnahme haben und keinen wiederkehrenden Bedarf, Sie hauptsächlich eine schnelle Demo oder ein einmaliges Transkript möchten, und Ihnen Dateien bis 30 Minuten ohne Datei-Downloads ausreichen.

Pauschal zahlen, wenn: Sie mehr als ein paar Stunden pro Monat transkribieren, Sie Exporte über reinen Text hinaus brauchen, Sie zuverlässige Sprecherkennung benötigen, und Sie planbare Kosten ohne Zähler bevorzugen.

Zahlen Sie pro Minute, wenn: Ihre Nutzung variiert und manchmal auf null fällt, Sie Transkription in Ihr eigenes Produkt integrieren oder Mengenrabatte im großen Stil benötigen.

Zahlen Sie für Menschen, wenn: Sie rechtlich sensible Transkripte haben, Audio vorliegt, bei dem die KI-Genauigkeit nachweislich versagt, und Sie 99 Prozent Genauigkeit ohne manuelle Überprüfung brauchen.

Unser Beitrag zu wann sich das Bezahlen für Transkription lohnt erklärt die Entscheidungslogik.

Welcher Dienst für Sie wirklich gewinnt

Kein einzelnes Tool gewinnt auf allen Ebenen, und jeder Vergleich, der das eigene Produkt des Autors an die erste Stelle setzt, sollte mit Skepsis gelesen werden. Hier ist die ehrliche Aufteilung:

• TurboScribe gewinnt, wenn Sie unbegrenzte Transkription mit einem Gratistarif (kostenloses Konto nötig) und dem niedrigsten Jahrespreis ($10/Monat) möchten. Sie bekommen das Transkript und sonst nichts.
• Otter gewinnt, wenn Ihr Kernbedarf die Live-Erfassung von Meetings mit einem Bot ist, der automatisch an Zoom, Google Meet und Teams teilnimmt. Die Begrenzungen und die Preisgestaltung pro Sitzplatz sind der Kompromiss.
• Rev und Happy Scribe (menschlich) gewinnen, wenn Sie zertifizierte, menschlich geprüfte Genauigkeit für juristische, medizinische oder Rundfunkarbeiten benötigen und $90 bis $120 pro Stunde verkraften können.
• Deepgram, AssemblyAI und die OpenAI-APIs gewinnen, wenn Sie als Entwickler Transkription in Ihre eigene App einbauen und die niedrigsten Kosten pro Minute möchten.
• ConvertAudioToText ist eine von mehreren soliden Pauschaloptionen. Bei jährlicher Abrechnung unterbietet es TurboScribe ($99.99/Jahr vs. $120/Jahr) und kostet auch monatlich weniger (14,99 $ vs. $20). Dazu kommen KI-Vorlagen, Aktionspunkte, ein vollwertiger Editor und erstklassiger Support für afrikanische Sprachen. Wenn Sie nur ein rohes Transkript und sonst nichts brauchen, reicht vielleicht ein günstigeres oder kostenloses Tool.

Wo Sie anfangen sollten

Für die meisten Nutzer ist der günstigste schnelle Bewertungsweg das kostenlose Kontingent des Anbieters mit Pauschaltarif, der am besten zu deinen Anforderungen passt. Teste ein paar repräsentative Dateien, schau, ob Genauigkeit und Funktionsumfang zu deinem Audio passen, und entscheide dich erst dann für einen kostenpflichtigen Plan, wenn du Belege hast, dass er für deinen Anwendungsfall funktioniert. Das CATT-Gratiskontingent mit den ersten 30 Minuten jeder Datei ohne Konto und bis zu 30 Dateien am Tag, je bis 30 Minuten auf einem kostenlosen Konto reicht aus, um die meisten gängigen Dateien zu testen. Unsere Preisseite zeigt genau, was jeder kostenpflichtige Tarif bietet.

FAQ

Wie viel kostet es, eine Stunde Audio im Jahr 2026 zu transkribieren?

Es reicht von etwa 0,36 bis 0,46 Dollar pro Stunde bei einer Entwickler-API (OpenAI, Deepgram), über grob 12 bis 15 Dollar pro Stunde bei Verbraucher-KI-Tools, die pro Minute abrechnen, bis zu 90 bis 120 Dollar pro Stunde für menschliche Transkription. Bei einem unbegrenzten Pauschaltarif sinken die Kosten pro Stunde gegen null, je mehr du transkribierst, da du unabhängig vom Volumen eine monatliche Gebühr zahlst.

Was ist der günstigste Weg, Audio zu transkribieren?

Für einmalige oder sehr leichte Nutzung ist ein kostenloses Kontingent am günstigsten (TurboScribes 3 Dateien pro Tag oder CATTs bis zu 30 Dateien am Tag, je bis 30 Minuten auf einem kostenlosen Konto). Für ein paar Stunden pro Monat oder mehr ist ein unbegrenzter Pauschaltarif für etwa 10 bis 20 Dollar pro Monat am günstigsten, weil die Minutenabrechnung die Abo-Gebühr übersteigen würde. Für Entwickler mit hohem Volumen ist eine API mit Minutenpreis wie Deepgram bei etwa 0,0077 Dollar pro Minute die niedrigsten Stückkosten.

Ist Minutenabrechnung oder Pauschaltarif besser?

Das hängt vom Volumen ab. Minutenabrechnung ist günstiger, wenn du nur wenig transkribierst (unter drei oder vier Stunden pro Monat) oder wenn die Nutzung unvorhersehbar ist und manchmal bei null liegt. Der Pauschaltarif ist günstiger und einfacher, sobald du diese Schwelle überschreitest, weil die Kosten gedeckelt sind, egal wie viel du verarbeitest. Der Wendepunkt für die meisten Verbraucher-Tools liegt bei etwa drei bis vier Stunden pro Monat.

Warum ist menschliche Transkription so viel teurer als KI?

Menschliche Transkription wird nach Arbeitsaufwand bepreist: Eine Person hört sich jedes Wort an und tippt es ab, danach folgt oft eine Überprüfung. Rev verlangt ab 1,50 $ pro Minute, Happy Scribe ab 2,00 $ pro Minute, was ungefähr 90 bis 120 $ pro Stunde ergibt. KI erledigt denselben Job für Centbeträge, weil sie auf einem Modell läuft, nicht auf einer Person. Den menschlichen Aufpreis zahlt man, wenn 99 Prozent Genauigkeit ohne manuelle Kontrolle eine harte Anforderung ist, typischerweise bei juristischen, medizinischen oder Rundfunkarbeiten.

Haben günstige Transkriptions-APIs versteckte Kosten?

Oft ja. Der beworbene Preis gilt meist nur für die reine Transkription. Sprecherdiarisierung, Sentimentanalyse, Zusammenfassungen und Übersetzungen werden häufig extra abgerechnet. AssemblyAIs Basispreis von 0,15 $ pro Stunde steigt auf etwa 0,22 $ pro Stunde, wenn Diarisierung, Sentiment und Zusammenfassung aktiviert sind. Manche Anbieter verlangen außerdem mehr für mehrkanaliges oder mehrsprachiges Audio, und AssemblyAIs regionale Preise steigen am 1. Juli 2026 um 10 Prozent, sofern man nicht die globale Region wählt. Kalkuliere immer die Funktionen ein, die du tatsächlich brauchst, nicht den Basistarif.

Wie viel kostet ConvertAudioToText?

Ohne Konto sind die ersten 30 Minuten jeder Datei kostenlos (bis zu 3 Dateien pro Tag). Mit einem kostenlosen Konto läuft die erste Datei bis zu einer Stunde auf der Premium-Engine, danach transkribierst du bis zu 30 Dateien am Tag, je bis zu 30 Minuten. Der Pro-Plan kostet 14,99 $ pro Monat im Monatsabo oder 99,99 $ pro Jahr bei jährlicher Abrechnung, mit unbegrenzter Transkription in 99+ Sprachen, Sprecherkennzeichnung, KI-Vorlagen und allen Exportformaten. Es gibt außerdem einen Wochenpass für 9,99 $ einmalig (1.200 Minuten, 7 Tage gültig), Business & teams mit individueller Preisgestaltung pro Unternehmen (alles aus Pro für das gesamte Team, API-Zugang und Webhooks, volumenbasierte Preise sowie persönlicher Support und Onboarding) und Kreditpakete ab 9,99 $ für 100 Minuten.

Ist ein kostenloses Transkriptionstool gut genug?

Für kurze, saubere, einmalige Audioaufnahmen: ja. Die Genauigkeit moderner KI bei klarem englischem Audio ist hoch, und die kostenlosen Tarife von TurboScribe und Otter nutzen dieselben zugrunde liegenden Modelle wie ihre kostenpflichtigen Tarife. Die Grenzen liegen beim Volumen (CATT erlaubt mit kostenlosem Konto bis zu 30 Dateien am Tag, je bis 30 Minuten, Otter 300 pro Monat, TurboScribe 3 Dateien pro Tag) und manchmal bei den Funktionen. Wenn du regelmäßig transkribierst oder Exporte, Bearbeitung und Sprecherkennzeichnung in größerem Umfang brauchst, zahlt sich ein kostenpflichtiger Pauschaltarif schnell aus. Siehe unsere Aufschlüsselung zu ob kostenlose Transkription es wert ist.

Welcher Transkriptionsdienst ist am genauesten?

Für schwieriges Audio (starke Akzente, überlappende Gespräche, schlechte Aufnahmen) ist menschliche Transkription von Rev oder Happy Scribe immer noch am genauesten, mit 99 Prozent oder besser. Bei sauberem Audio hat sich die Lücke verkleinert: Top-KI-Modelle (Deepgram Nova-3, AssemblyAI Universal, OpenAI gpt-4o-transcribe) erreichen bei klarer Sprache die hohen 90er, und die darauf aufbauenden Verbrauchertools übernehmen diese Genauigkeit. Pass das Tool an deine Audioqualität an, statt einem einzelnen Genauigkeitswert hinterherzujagen.