Precios de transcripción 2026: APIs de $0,15/hora a servicios humanos de $120/hora

La fijación de precios de transcripción en 2026 abarca tres órdenes de magnitud. La misma hora de audio puede costar unos $0.46 en una API para desarrolladores o hasta $120 en un servicio de transcripción humana. El modelo de precios importa tanto como el número destacado, porque el precio por minuto escala linealmente con el uso, mientras que los planes de tarifa plana limitan el coste. Este artículo desglosa cuánto cobra cada servicio importante en este momento, cómo funcionan las estructuras y qué modelo encaja con cada caso de uso. Cada cifra aquí está contrastada con la página de precios del propio proveedor, con la fuente enlazada al final.

La Versión Corta

Solo hay tres formas de fijar el precio de la transcripción, y la correcta depende por completo de tu volumen mensual.

• Menos de unas pocas horas al mes: usa un nivel gratuito o paga por minuto. Las APIs para desarrolladores como Deepgram y OpenAI rondan los $0.36 a $0.46 por hora de audio.
• De unas pocas horas a unos cientos de horas al mes: un plan de consumo de tarifa plana (de $10 a $20 al mes) es casi siempre el más barato, porque el precio por minuto superaría la cuota de suscripción.
• Audio sensible desde el punto de vista legal o médico: paga por transcripción humana (de $1.50 a $2.00 por minuto, aproximadamente $90 a $120 por hora) donde se exige una precisión del 99 por ciento sin revisión manual.

Mi opinión en una frase: si transcribes más de tres o cuatro horas al mes y no estás construyendo un producto sobre una API, un plan ilimitado de tarifa plana elimina el contador y las matemáticas dejan de importar. Yo desarrollo ConvertAudioToText, así que trátalo como un sesgo declarado; la comparación de abajo señala dónde ganan de verdad los rivales.

Las Tres Estructuras de Precios

Cada servicio de transcripción usa uno de tres modelos de precios.

Precio por Minuto (o por Hora)

Pagas por cada minuto de audio que procesas. El coste unitario es pequeño (fracciones de céntimo por minuto en las APIs para desarrolladores), pero la factura crece de forma lineal con el uso. La mayoría de las APIs empresariales y para desarrolladores funcionan así, y casi todas facturan por segundo, así que no te redondean al minuto completo.

Ideal para: usuarios de bajo volumen que solo necesitan unas horas al mes, y equipos de ingeniería de alto volumen con un uso predecible y descuentos por volumen.

Tarifa plana ilimitada

Pagas una suscripción mensual y procesas todo el audio que quieras. El coste unitario efectivo baja a medida que sube tu uso, así que cuantas más horas transcribas, mejor sale el trato.

Ideal para: usuarios habituales que procesan cinco o más horas al mes, donde el precio por minuto superaría la suscripción mensual.

Niveles híbridos

Un nivel gratuito con un tope mensual (normalmente de 10 a 300 minutos), y luego un plan medido o de tarifa plana por encima de eso. Combina la puerta de entrada gratuita con la previsibilidad de una suscripción.

Ideal para: la mayoría de consumidores y equipos pequeños. Gratis para evaluar, coste fijo una vez que se comprometen.

Comparativa de los principales servicios de IA

Una comparación directa de los precios de referencia para transcripción con IA en 2026. Todas las cifras por hora se calculan a partir de la tarifa por minuto publicada a precio de lista, antes de descuentos por volumen.

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

List price per hour, 2026. Lower is cheaper.

Dos cosas llaman la atención. El nivel de API para desarrolladores (Deepgram, los modelos de OpenAI, AssemblyAI) es sistemáticamente la opción más barata por minuto, a menudo por debajo de $0.50 por hora. Las aplicaciones de nivel consumidor cobran mucho más por minuto sobre el papel, pero incluyen una interfaz, exportaciones, edición, etiquetas de hablante, resúmenes e integraciones que una API pura no ofrece. Un segundo detalle fácil de pasar por alto: la tarifa anunciada de las APIs baratas es la tarifa base. Los $0.15/hora de AssemblyAI se convierten en unos $0.22/hora cuando añades diarización de hablantes, análisis de sentimiento y resúmenes, y la tarifa mono de Deepgram es más alta para audio multicanal. Compara lo que es comparable.

Para desgloses más detallados por proveedor, nuestras páginas cubren los detalles: alternativas a TurboScribe, alternativas a Otter AI, alternativas a Happy Scribe, alternativas a Rev y alternativas a Descript. Las tarifas brutas de las APIs se analizan más a fondo en precios de la API de OpenAI Whisper y Deepgram Nova-3 explicado.

Precios de transcripción humana

La transcripción humana sigue siendo el estándar de oro en cuanto a precisión en audio difícil. El precio refleja el trabajo que implica.

The "AI plus human review" tier produces near-perfect accuracy at a meaningful premium. For most use cases, modern AI accuracy on clean audio is high enough that the human premium is not justified. The exceptions are legal, medical, and accuracy-critical media work, where one missed word changes the meaning and a person has to stand behind the transcript.

Enterprise and Volume Pricing

For high-volume users (1,000-plus hours per month) the major API providers all offer custom pricing, and the discounts are real:

• Volume discounts of 20 to 50 percent off the headline per-minute rate. AWS Transcribe, for example, drops from $0.024/min to roughly $0.0078/min at the 5-million-minute tier.
• Reserved capacity pricing for predictable workloads.
• Annual commitments in exchange for further discounts.
• Deepgram's Growth plan already shaves the per-minute rate before any custom negotiation.

For enterprises at this scale, the choice is usually between bringing transcription in-house (running an open-source model like Whisper on owned GPUs) and using a managed service with volume discounts. Self-hosting Whisper can land near $0.006 per minute of compute, but only once you account for GPU time, engineering, and uptime, so the break-even depends heavily on operational maturity. Our post on enterprise transcription pricing covers this trade-off in detail.

What You Actually Get at Each Price Point

Una comparación de precios no está completa sin comparar lo que ofrece cada nivel.

Menos de $0.50 por hora (nivel de API pura)

Transcripción pura, sin interfaz, sin exportaciones más allá de la respuesta cruda de la API, sin editor integrado. Ideal para desarrolladores que construyen sus propios productos sobre esta base.

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

De $10 a $20 al mes (tarifa plana de consumo)

Transcripción con interfaz, exportaciones (SRT, VTT, TXT, DOCX), editor, etiquetas de hablante, resúmenes e integraciones con herramientas habituales. Algunos niveles añaden plantillas de IA ajustadas a casos de uso concretos.

Ejemplos: ConvertAudioToText (14,99 US$/mes, o $99.99/año con facturación anual), TurboScribe ($10/mes con pago anual).

De $25 a $50 al mes (consumo premium)

Todo lo anterior más edición avanzada (edición basada en texto al estilo Descript), interfaz pulida, más integraciones y, en ocasiones, edición de vídeo ligera.

Ejemplos: niveles Creator y Business de Descript, Pro y Business de Happy Scribe.

De $50 a $200 al mes (empresas)

Todo lo anterior más funciones para equipos (espacios de trabajo compartidos, controles de administrador), límites de uso más altos, soporte prioritario y SSO.

Ejemplos: Otter Business, Descript Business, Happy Scribe Business, CATT Business & teams (precios a medida por empresa).

Desde $1.50 por minuto en adelante (transcripción humana)

Transcrito a mano por personas entrenadas, normalmente con una precisión del 99 por ciento o superior. Entrega más lenta, a veces especializada en trabajo médico o legal.

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

Coste por hora a distintos volúmenes

El análisis del punto de equilibrio es lo que la mayoría de la gente realmente necesita.

Para la mayoría de creadores individuales y equipos pequeños, un plan plano ilimitado (de $10 a $20 al mes) es la opción más barata en cuanto superas aproximadamente tres o cuatro horas al mes. Nuestro artículo sobre el coste de la transcripción por hora explica las cuentas con detalle, y precios ilimitados frente a medición por uso cubre cuándo gana cada uno.

En los precios de CATT concretamente, el plan Pro cuesta 14,99 US$ al mes con facturación mensual, o $99.99 al año con facturación anual para transcripción ilimitada, lo que cubre desde cinco horas hasta varios cientos de horas al mes a un coste fijo. También hay un plan Starter ($5.99/mes anual, 2 horas) para usuarios ligeros y un plan Business & teams con precios a medida por empresa (habla con nosotros), que incluye todo lo de Pro para todo el equipo, acceso a API y webhooks, precios por volumen, y soporte e incorporación dedicados.

Costes Ocultos a Tener en Cuenta

El precio de cabecera no refleja el coste total real. Hay varios factores que pueden alterar el coste de forma significativa.

Funciones adicionales. El precio base de la API suele ser solo para transcripción. La diarización de hablantes, el análisis de sentimiento, los resúmenes y la traducción suelen facturarse aparte. Los $0.15/hora de AssemblyAI se convierten en unos $0.22/hora con las funciones adicionales más comunes activadas.

Límites por conversación. El plan Pro de Otter limita una grabación individual a 90 minutos aunque permita 1.200 minutos al mes, así que una conferencia larga o un evento de todo el día puede chocar con el techo en un solo archivo.

Tarifas de almacenamiento y exportación. Algunos servicios cobran por conservar transcripciones y audio a largo plazo, o cobran por cada exportación en formatos premium. La mayoría de herramientas modernas incluyen todos los formatos en el precio base.

Cargos por exceso. Las herramientas que facturan por minuto a veces añaden cargos por exceder el volumen esperado.

Recargos por idiomas múltiples. Algunos servicios cobran más por transcripción en idiomas que no son inglés. La mayoría de herramientas modernas (incluida ConvertAudioToText) aplican el mismo precio a los 99+ idiomas.

Nuestro artículo sobre costes ocultos de los servicios de transcripción los cubre en detalle.

Comparativa de planes gratuitos

Muchos servicios ofrecen planes gratuitos. La calidad y la letra pequeña varían mucho.

El plan gratuito de TurboScribe es generoso para un uso ocasional e incluye exportaciones gratuitas, porque 3 archivos al día de 30 minutos equivalen a unas 45 horas al mes si lo usas a diario, aunque necesitas una cuenta. El plan gratuito de CATT permite más archivos al día: con una cuenta gratuita, tu primer archivo de hasta una hora usa el motor premium y, después, transcribes hasta 30 archivos al día de hasta 30 minutos cada uno, además de los primeros 30 minutos de cualquier archivo, que puedes transcribir sin cuenta alguna. La página de transcripción gratuita en inglés es el punto de entrada habitual. Para conocer los pros y los contras, consulta si merece la pena la transcripción gratuita.

Cuándo pagar y cuándo quedarse con lo gratuito

La respuesta correcta depende del volumen y de las necesidades de funciones.

Precios de ConvertAudioToText: plan gratuito, luego una tarifa plana de 14,99 US$/mes por minutos ilimitados

Quédate con lo gratuito si: tienes una sola grabación corta y no una necesidad recurrente, buscas sobre todo una demo rápida o una transcripción puntual, y te bastan archivos de hasta 30 minutos, más tu primer archivo de hasta una hora con el motor premium.

Paga una tarifa plana si: transcribes más de unas pocas horas al mes, necesitas exportaciones más allá de texto plano, necesitas etiquetas de hablante fiables y quieres un coste predecible sin medidor.

Paga por minuto si: tu uso es variable y a veces baja a cero, integras la transcripción en tu propio producto o necesitas precios por volumen a gran escala.

Paga por servicio humano si: tienes transcripciones con sensibilidad legal, audio donde se ha documentado que la IA falla y necesitas un 99 por ciento de precisión sin revisión manual.

Nuestro artículo sobre cuándo pagar por transcripción cubre la lógica de decisión.

Qué Servicio Gana Realmente para Ti

Ninguna herramienta gana en todos los aspectos, y cualquier comparación que ponga el propio producto del autor en primer lugar debería leerse con escepticismo. Aquí está el desglose honesto:

• TurboScribe gana si quieres transcripción ilimitada con un nivel gratuito (requiere una cuenta gratuita) y el precio anual más bajo ($10/mes). Te entrega la transcripción y se detiene ahí.
• Otter gana si tu necesidad principal es la captura de reuniones en vivo con un bot que se une automáticamente a Zoom, Google Meet y Teams. Sus límites y precios por usuario son la contrapartida.
• Rev y Happy Scribe (humano) ganan cuando necesitas precisión certificada y revisada por humanos para trabajo legal, médico o de radiodifusión, y puedes asumir entre $90 y $120 por hora.
• Deepgram, AssemblyAI y las APIs de OpenAI ganan si eres ingeniero y estás integrando transcripción en tu propia aplicación y quieres el costo por minuto más bajo.
• ConvertAudioToText es una de varias opciones sólidas de tarifa plana. Con facturación anual, supera a TurboScribe ($99.99/año frente a $120/año), mes a mes cuesta 14,99 US$ frente a los $20 de TurboScribe, y añade plantillas de IA, elementos de acción, un editor completo y soporte de primera clase para lenguas africanas. Si solo necesitas una transcripción en bruto y nada más, una herramienta más barata o gratuita puede servirte igual de bien.

Por Dónde Empezar

Para la mayoría de los usuarios, la vía de evaluación rápida más barata es el nivel gratuito del proveedor de tarifa plana que mejor se ajuste a tus necesidades. Prueba unos cuantos archivos representativos, comprueba si la precisión y las funciones encajan con tu audio, y comprométete con un plan de pago solo cuando tengas pruebas de que funcionará para tu caso de uso. El nivel gratuito de CATT, con hasta 30 archivos al día de hasta 30 minutos cada uno y los primeros 30 minutos de cualquier archivo sin cuenta, basta para probar la mayoría de los archivos comunes. Nuestra página de precios muestra exactamente qué ofrece cada nivel de pago.

Preguntas frecuentes

¿Cuánto cuesta transcribir una hora de audio en 2026?

Va desde unos 0,36 a 0,46 dólares por hora en una API para desarrolladores (OpenAI, Deepgram), hasta aproximadamente 12 a 15 dólares por hora en herramientas de IA para consumidores que facturan por minuto, y de 90 a 120 dólares por hora para transcripción humana. En un plan ilimitado de tarifa plana, el coste por hora se acerca a cero cuanto más transcribes, ya que pagas una cuota mensual fija independientemente del volumen.

¿Cuál es la forma más barata de transcribir audio?

Para un uso puntual o muy ligero, un nivel gratuito es lo más barato (3 archivos al día de TurboScribe, o los hasta 30 archivos al día de hasta 30 minutos cada uno de una cuenta gratuita de CATT). Para unas pocas horas al mes o más, un plan ilimitado de tarifa plana de unos 10 a 20 dólares al mes es lo más económico, porque el precio por minuto superaría la cuota de suscripción. Para desarrolladores con alto volumen, una API por minuto como Deepgram a unos 0,0077 dólares por minuto ofrece el coste unitario más bajo.

¿Es mejor el precio por minuto o la tarifa plana?

Depende del volumen. El precio por minuto es más barato cuando transcribes poco (menos de tres o cuatro horas al mes) o cuando el uso es impredecible y a veces nulo. La tarifa plana resulta más barata y sencilla una vez superado ese umbral, porque el coste está limitado sin importar cuánto proceses. El punto de equilibrio para la mayoría de las herramientas de consumo se sitúa en torno a tres o cuatro horas al mes.

¿Por qué la transcripción humana es mucho más cara que la IA?

La transcripción humana se cobra por trabajo: una persona escucha y escribe cada palabra, y luego suele revisarlo. Rev cobra desde 1,50 $ por minuto y Happy Scribe desde 2,00 $ por minuto, lo que sale a unas 90 o 120 $ por hora. La IA hace el mismo trabajo por céntimos porque funciona con un modelo, no con una persona. Pagas la prima humana cuando necesitas sí o sí un 99 % de precisión sin revisión manual, normalmente en trabajo legal, médico o de radiodifusión.

¿Las API de transcripción baratas tienen costes ocultos?

A menudo, sí. La tarifa anunciada suele ser solo para transcribir. La diarización de hablantes, el análisis de sentimiento, los resúmenes y la traducción se facturan aparte. La tarifa base de AssemblyAI de 0,15 $ por hora sube a unos 0,22 $ por hora si activas diarización, sentimiento y resumen. Algunos proveedores también cobran más por audio multicanal o multilingüe, y las tarifas regionales de AssemblyAI suben un 10 % el 1 de julio de 2026 salvo que pidas la región global. Valora siempre las funciones que de verdad necesitas, no la tarifa base.

¿Cuánto cuesta ConvertAudioToText?

CATT transcribe gratis los primeros 30 minutos de cualquier archivo sin cuenta, y una cuenta gratuita transcribe tu primer archivo de hasta una hora con el motor premium y, después, hasta 30 archivos al día de hasta 30 minutos cada uno. El plan Pro cuesta 14,99 US$ al mes con facturación mensual, o 99,99 $ al año con pago anual, e incluye transcripción ilimitada en 99+ idiomas con etiquetas de hablante, plantillas de IA y todos los formatos de exportación. También hay un plan Starter (5,99 $/mes anual, 2 horas) y un plan Business & teams con precios a medida por empresa (incluye todo lo de Pro para todo el equipo, acceso a API y webhooks, precios por volumen, y soporte e incorporación dedicados).

¿Basta con una herramienta de transcripción gratuita?

Para audio corto, limpio y de un solo uso, sí. La precisión de la IA moderna en audio claro en inglés es alta, y los planes gratuitos de TurboScribe y Otter usan los mismos modelos subyacentes que sus planes de pago (CATT usa el motor premium en el primer archivo y el estándar después). Los límites están en el volumen (CATT limita cada archivo gratuito a 30 minutos, Otter da 300 al mes, TurboScribe 3 archivos al día) y a veces en las funciones. Si transcribes con regularidad o necesitas exportaciones, edición y etiquetas de hablante a gran escala, un plan de pago con tarifa plana se amortiza solo rápidamente. Consulta nuestro análisis sobre si la transcripción gratuita merece la pena.

¿Qué servicio de transcripción es el más preciso?

Para audio difícil (acentos marcados, interferencias, grabaciones deficientes), la transcripción humana de Rev o Happy Scribe sigue siendo la más precisa, con un 99 por ciento o más. Para audio limpio, la brecha se ha reducido: los mejores modelos de IA (Deepgram Nova-3, AssemblyAI Universal, OpenAI gpt-4o-transcribe) alcanzan el rango alto de los 90 en habla clara, y las herramientas de consumo construidas sobre ellos heredan esa precisión. Adapta la herramienta a la calidad de tu audio en lugar de perseguir un único número de precisión.