Tarifs Google Cloud STT 2026 : de 0,003 à 0,016 dollar par minute

Fragment 1:

Google Cloud Speech-to-Text V2 facture 0,016 $ par minute pour la transcription en temps réel et à partir de ~0,003 $ par minute pour Dynamic Batch, le palier avec délai de 24 heures que la plupart des équipes négligent. Si vous avez cité les tarifs V1 ou traité le streaming et le batch comme interchangeables, vos estimations de coûts sont probablement fausses de 50 % ou plus.

En résumé

L'API V2 (le défaut actuel) inclut la famille de modèles Chirp de Google sans supplément. La reconnaissance en temps réel standard coûte 0,016 $/min, et baisse avec le volume jusqu'à 0,004 $/min à partir de 2 millions de minutes par mois. Dynamic Batch réduit ce coût à environ 0,003 à 0,004 $/min en échange de résultats sous 24 heures, une option intéressante pour tout traitement non urgent. L'API V1 héritée utilise une grille tarifaire distincte liée à l'option d'enregistrement des données ; ces chiffres apparaissent toujours sur la page de tarification, mais ne s'appliquent que si vous appelez explicitement les endpoints V1. Le niveau gratuit offre à chaque compte 60 minutes par mois, en continu, plus un crédit unique de 300 $ pour les nouveaux clients GCP. Les modèles médicaux (V1 uniquement) sont facturés séparément à 0,078 $/min.

L'erreur de tarification la plus courante : appeler l'endpoint de streaming pour de l'audio préenregistré. Cela ajoute environ 50 % (V1) ou annule entièrement la remise Dynamic Batch (V2). Adaptez l'endpoint à votre exigence de latence.

API V2 : le modèle de tarification actuel

L'API V2 est la voie recommandée par Google pour les nouvelles intégrations. Elle inclut Chirp, le modèle universel de Google entraîné sur plus de 100 langues, au tarif standard, sans supplément pour choisir le modèle le plus performant.

Reconnaissance en temps réel (standard) :

Dynamic Batch (V2) : environ 0,003 $ par minute pour les charges de travail qui acceptent un délai de traitement allant jusqu'à 24 heures. C'est le levier de réduction des coûts phare de la V2, inexistant en V1. Pour un studio de podcast, un projet de transcription d'archives ou tout traitement par lots de nuit, Dynamic Batch peut réduire les coûts par minute de 80 % par rapport au temps réel.

La facturation est, selon la plupart des sources, arrondie à la tranche de 15 secondes la plus proche par requête. Un extrait de 16 secondes est facturé 30 secondes. À grande échelle, avec de nombreux courts extraits, cet arrondi s'accumule plus vite que ne le laisse suggérer le tarif par minute. Pour les fichiers plus longs (interviews, épisodes, enregistrements d'appels), l'effet d'arrondi est négligeable.

API V1 : tarifs hérités toujours en vigueur

L'API V1 reste prise en charge pour les intégrations existantes. Sa tarification repose sur le consentement à la journalisation des données plutôt que sur des paliers de volume.

La journalisation des données signifie que Google peut utiliser votre audio pour améliorer ses modèles. Pour du contenu non sensible (podcasts publics, enregistrements marketing), l'adhésion réduit les coûts V1 de 33 %. Pour tout ce qui touche aux données personnelles, à la HIPAA ou aux données financières, la journalisation est exclue, quelles que soient les économies.

L'API V2 n'applique pas cette même remise liée à la journalisation des données, ce qui explique pourquoi le tarif par minute semble identique (0,016 $) alors que les mécanismes diffèrent. Si vous comparez votre facture actuelle aux tarifs publiés, vérifiez quelle version de l'API votre code appelle.

Dynamic Batch

~0,003 $/min

Volume élevé (2 M+ min)

0,004 $/min

Volume moyen (1 M min)

0,008 $/min

Standard (jusqu’à 500 K min)

0,016 $/min

Tarifs indiqués sur la page de tarification Google Cloud et des sources tierces, juillet 2026. Le tarif Dynamic Batch est d’environ 0,003 à 0,004 $/min ; le graphique utilise 0,003 $.

Offre gratuite : ce que vous obtenez vraiment

60 minutes par mois, en continu. Ce n'est pas un essai, cela se réinitialise chaque mois pendant toute la durée de vie de votre compte, sans date d'expiration. L'utilisation des versions V1 et V2 compte dans ce quota.

300 $ de crédits GCP pour les nouveaux clients. Cela s'applique à tous les services Google Cloud, pas seulement Speech-to-Text, et expire après 90 jours. Pour des tests, c'est généreux ; pour planifier une production, considérez-le comme un coup de pouce ponctuel, pas comme une subvention récurrente.

La facturation exige un moyen de paiement enregistré, même si vous restez dans l'offre gratuite. Si votre compte de facturation expire, les appels API échouent immédiatement.

Scénarios de coûts réels

Scénario 1 : studio de podcast, 50 heures par mois

Une équipe qui produit 50 heures d'épisodes par mois pour des notes d'émission et du contenu SEO n'a pas besoin de résultats en moins d'une seconde. Les podcasts sont préenregistrés, traités pendant la nuit, et le délai de 24 heures est parfait.

Configuration V2 Dynamic Batch :

• Volume : 50 heures = 3 000 minutes/mois
• Tarif : ~0,003 $/min
• Crédit d'offre gratuite : 60 minutes
• Minutes facturables : 2 940
• Coût mensuel : 2 940 x 0,003 $ = ~8,82 $/mois

Comparez cela au tarif V1 « journalisation des données » que l'ancienne sagesse conventionnelle recommandait : 2 940 x 0,016 $ = 47,04 $/mois. Dynamic Batch n'est pas une petite remise. C'est un palier tarifaire différent qui réduit le coût de la même charge de travail d'environ 80 %. Le compromis porte uniquement sur le délai de traitement.

Si l'équipe a une échéance et a besoin des transcriptions sous une heure, elle utilise le temps réel standard à 0,016 $/min. Pour les notes d'émission du lendemain, Dynamic Batch est le choix évident.

Si vous avez simplement besoin de transcriptions sans la surcharge de configuration GCP, ConvertAudioToText propose des forfaits à tarif fixe qui éliminent tout calcul à la minute.

Scénario 2 : Centre d'appels, 500 heures par mois

Une équipe de support client transcrit 500 heures d'enregistrements téléphoniques chaque mois pour un contrôle qualité. Les appels sont déjà enregistrés et examinés le jour ouvrable suivant, donc un délai de traitement le jour même n'est pas requis.

Configuration V2 Dynamic Batch :

• Volume : 500 heures = 30 000 minutes/mois
• Tarif : environ 0,003 $/min
• Minutes facturables : 29 940
• Coût mensuel : 29 940 x 0,003 $ = environ 89,82 $/mois

Aux tarifs standard V2 en temps réel, le même volume coûte 29 940 x 0,016 $ = 478,64 $/mois. La décision repose entièrement sur la question de savoir si les équipes de révision ont besoin des transcriptions le jour même des appels. La plupart des flux de travail de contrôle qualité peuvent absorber un délai de 24 heures.

À titre de comparaison, à ce volume, le concurrent de Deepgram chez Google (Nova-3, 0,0077 $/min) reviendrait à environ 231 $ par mois aux tarifs en temps réel, toujours plus que Dynamic Batch mais nettement moins que le temps réel de Google. Consultez la ventilation complète des tarifs des API de synthèse vocale pour le tableau complet.

Scénario 3 : Plateforme de santé, 1 000 heures par mois

Une plateforme de télémédecine transcrit 1 000 heures de consultations chaque mois. La prise en charge du vocabulaire médical et la conformité HIPAA sont toutes deux essentielles.

Configuration V1 Medical Conversation (V2 n'a pas de modèle médical dédié) :

• Volume : 1 000 heures = 60 000 minutes/mois
• Tarif : 0,078 $/min (journalisation des données désactivée pour la HIPAA)
• Minutes facturables : 59 940
• Coût mensuel : 59 940 x 0,078 $ = 4 675,32 $/mois

Cela représente 56 100 $ par an. À ce niveau de dépenses, contacter l’équipe commerciale de Google Cloud pour obtenir un tarif entreprise personnalisé vaut vraiment la peine, les contrats de volume peuvent réduire les tarifs à la minute de 15 à 30 %. Les plateformes de cette envergure devraient aussi vérifier si un modèle général bien configuré, avec une gestion personnalisée du vocabulaire, peut égaler la précision du modèle Medical pour leur terminologie spécifique.

La décision V1 contre V2

Mon avis : pour toute nouvelle intégration démarrée aujourd’hui, utilisez V2. Le modèle Chirp est plus performant sur un plus large éventail de langues, Dynamic Batch n’existe qu’en V2, et les remises sur volume en V2 sont publiques et automatiques, sans nécessiter de discussion commerciale. La seule raison de rester sur V1 est une intégration existante qui exigerait un refactoring non négligeable.

V2 ne propose actuellement pas de modèles Medical dédiés. Si votre application nécessite les modèles Medical Dictation ou Medical Conversation de Google, vous restez sur V1. Ce n’est pas un cas marginal, c’est la raison légitime pour laquelle l’API V1 reste prise en charge.

Google Cloud contre les autres API

Fragment 6 :

Le tarif temps réel de Google V2, à 0,016 $/min, se situe au-dessus de Deepgram et AssemblyAI pour le coût pur par minute. Là où il prend l'avantage, c'est sur la couverture linguistique (plus de 125 langues via Chirp), l'allocation mensuelle gratuite qui n'expire jamais, et l'intégration poussée avec le reste de GCP. La comparaison avec AWS Transcribe est particulièrement serrée sur le papier ; les différences pratiques se jouent sur l'adéquation à l'écosystème et sur la structure de l'offre gratuite qui correspond le mieux à votre cycle budgétaire.

Pour une vue d'ensemble sur la tarification des API de transcription, la comparaison Google/Deepgram est une bonne étude de cas sur la différence entre la largeur linguistique et l'efficacité par minute.

Quand Google Cloud Speech-to-Text a du sens

Vous avez besoin de plus de 125 langues. Chirp couvre des langues que la plupart des concurrents ne proposent pas en qualité production. Si votre application gère le swahili, le javanais, le tagalog ou d'autres langues à faibles ressources, Google est souvent la seule option hébergée viable.

Votre infrastructure est déjà sur GCP. Audio stocké dans Cloud Storage, résultats écrits dans BigQuery, déclencheurs via Cloud Functions, zéro coût de sortie, authentification native par compte de service et outils opérationnels déjà en place. La friction d'intégration est pratiquement nulle.

Transcription médicale avec la posture de conformité de Google. Les modèles Medical bénéficient d'une couverture BAA HIPAA et de certifications spécifiques au secteur de la santé que la plupart des concurrents ne peuvent pas égaler.

Cases à cocher de conformité entreprise. SOC 2 Type II, ISO 27001, FedRAMP, si votre équipe sécurité a une checklist, Google Cloud la coche.

Quand chercher des alternatives

Volume élevé sensible au coût sans exigences médicales. À 500 heures par mois, Deepgram Nova-3 en temps réel (0,0077 $/min) revient nettement moins cher que Google V2 en temps réel. L'article sur les coûts cachés des services de transcription détaille les comparaisons de coût total, y compris les frais d'infrastructure.

Benchmarks de précision en anglais uniquement. Certains concurrents prennent l'avantage sur le taux d'erreur de mots spécifique à l'anglais. Deepgram Nova-3 et les modèles Whisper plus volumineux obtiennent de bons résultats sur du contenu en anglais. Si votre contenu est exclusivement en anglais et que le WER est votre principale mesure, faites vos propres tests avant de supposer que Google est le meilleur.

Pas d'infrastructure GCP. Utiliser Speech-to-Text nécessite un projet GCP, un compte de service, un compte de facturation et une configuration SDK. C'est gérable, mais pas anodin pour une startup qui n'est pas déjà cliente GCP. Une API autonome comme AssemblyAI ou un outil clé en main comme l'outil audio-texte de ConvertAudioToText vous fait passer du fichier à la transcription plus rapidement si vous ne construisez pas un pipeline sur mesure. Des forfaits à tarif fixe sans facturation à la minute sont disponibles sur notre page de tarifs.

Liste de contrôle pour réduire les coûts

Basculez les charges non urgentes vers Dynamic Batch. Le niveau V2 Dynamic Batch est la réduction de coûts la plus efficace qui soit. Si les résultats peuvent attendre 24 heures, il n'y a aucune raison de payer les tarifs en temps réel.

Convertissez le stéréo en mono avant l'envoi. L'audio multicanal est facturé par canal. Un enregistrement stéréo standard double vos coûts si vous ne convertissez pas d'abord. Le passage en mono 16 kHz avant le téléchargement réduit les coûts de stockage, de transfert et d'API sans affecter la précision.

Vérifiez que vous appelez les endpoints V2 pour le nouveau code. Le calculateur de prix et la documentation sont par défaut en V2, mais les intégrations copiées d'exemples plus anciens peuvent encore pointer vers les endpoints V1. Vérifiez l'URL de l'endpoint dans vos appels API.

Configurez des alertes de facturation dans la Cloud Console. Réglez des alertes à 50 %, 80 % et 100 % de vos dépenses mensuelles prévues. Une boucle de relance ou un bug de configuration peut multiplier votre facture avant que vous ne vous en rendiez compte.

Utilisez le Calculateur de prix Google Cloud pour modéliser votre volume réel, la version de l'API et les fonctionnalités avant de vous engager.

Questions fréquentes

Combien coûte Google Cloud Speech-to-Text par minute en 2026 ?

L’API V2 facture 0,016 $ par minute pour la transcription standard en temps réel, puis passe à 0,010 $ et 0,008 $ par minute pour les volumes mensuels plus élevés. Le mode Dynamic Batch coûte environ 0,003 $ à 0,004 $ par minute pour les charges de travail qui acceptent un délai de 24 heures. L’API V1 facture 0,016 $ par minute avec journalisation des données activée, ou 0,024 $ par minute sans celle-ci. Les modèles médicaux (V1 uniquement) reviennent à 0,078 $ par minute.

Qu’est-ce que l’offre gratuite de Google Cloud Speech-to-Text ?

Chaque compte Google Cloud bénéficie de 60 minutes de transcription gratuites par mois, de manière continue, sans expiration. Les nouveaux clients GCP reçoivent aussi 300 $ de crédits (valables 90 jours) utilisables sur tous les services GCP, y compris Speech-to-Text. Passé les 60 minutes gratuites, les tarifs standards par minute s’appliquent automatiquement. Un compte de facturation doit être rattaché à votre projet pour utiliser l’API, même dans le cadre de l’offre gratuite.

Qu’est-ce que Dynamic Batch et combien ça coûte ?

Dynamic Batch est un mode de traitement réservé à la V2 qui met vos demandes de transcription en file d’attente pour un traitement prioritaire réduit, avec des résultats livrés sous 24 heures. Le tarif est d’environ 0,003 $ à 0,004 $ par minute, contre 0,016 $/min pour le standard en temps réel. Il convient parfaitement aux traitements par lots nocturnes : archives de podcasts, contrôle qualité le lendemain, projets de transcription en masse. Pour le sous-titrage en direct ou tout cas d’usage nécessitant des résultats en quelques secondes, utilisez le point de terminaison standard en temps réel.

Quelle est la différence de tarification entre l’API V1 et la V2 ?

La tarification V1 repose sur un modèle de journalisation des données : 0,016 $/min avec journalisation activée, ou 0,024 $/min sans. La V2 utilise des paliers de volume à partir de 0,016 $/min, sans remise distincte pour la journalisation. La V2 ajoute aussi Dynamic Batch et inclut la famille de modèles Chirp sans supplément. La V1 est la seule option si vous avez besoin des modèles Medical Dictation ou Medical Conversation. Pour toute nouvelle intégration, la V2 est la voie recommandée.

Comment la tarification de Google Cloud Speech-to-Text se compare-t-elle à celle de Deepgram ?

Aux tarifs en temps réel, Deepgram Nova-3 (0,0077 $/min) revient moins cher que Google V2 standard (0,016 $/min) pour des charges de travail identiques, jusqu'à 500 000 minutes par mois. Au-delà d'un million de minutes par mois, les paliers de volume de Google ramènent la V2 à 0,008 $/min, voire moins, ce qui rapproche les deux offres. Le Dynamic Batch de Google, à environ 0,003 $/min, casse les prix de Deepgram pour les tâches non sensibles au temps réel. Le choix pratique dépend des langues dont vous avez besoin (Google est plus large sur ce point), de votre empreinte GCP, et de l'exigence ou non d'une latence temps réel. Consultez la comparaison des tarifs des API de reconnaissance vocale pour une analyse plus détaillée.

Sources

• Tarifs de Google Cloud Speech-to-Text, page tarifaire officielle
• CostBench: Tarifs de Google Speech-to-Text 2026, tableau des taux V1/V2
• BrassTranscripts: Pourquoi votre facture Google STT double, contexte des coûts d'infrastructure
• Smallest.ai: Revue Google Cloud STT 2026, aperçu du modèle V2
• Tarifs Deepgram, taux Nova-3 vérifiés
• Tarifs Amazon Transcribe, taux AWS
• Tarifs Azure Speech, taux Azure
• Tarifs OpenAI Whisper 2026, taux Whisper/gpt-4o