Si vous intégrez la transcription à une appli, à un outil de centre d’appels, à un outil de prise de notes ou à un agent vocal, il vous faut une API de speech to text, pas une appli de dictée. Cet article compare six des options les plus utilisées d’après ce que disent leurs propres pages : modèles, prise en charge du streaming, fonctions notables et prix catalogue, le tout en octobre 2026.
D’abord, une précision franche, car des gens arrivent sur cet article depuis notre site : LumeVoice n’est pas une API. C’est une appli de dictée pour les personnes, sur Mac, Windows, iPhone et Android. Vous maintenez une touche, vous parlez, et un texte propre apparaît dans l’appli que vous utilisez. Il n’y a ni API développeur, ni SDK, ni forfait à la minute. Si vous êtes développeur et que vous voulez simplement parler à votre éditeur ou à votre agent de code au lieu de taper, c’est le sujet de notre page développeurs. Si vous intégrez la voix à un logiciel, poursuivez votre lecture.
Nous n’avons pas fait de benchmark de ces API et nous ne citons pas de scores de précision. Les résultats publiés dépendent du jeu de test, et le seul score qui compte est celui obtenu sur vos enregistrements.
En un coup d’œil#
| API | Modèles (oct. 2026) | Streaming | Prix catalogue | Gratuit pour démarrer |
|---|---|---|---|---|
| OpenAI | gpt-transcribe, gpt-4o-transcribe, gpt-4o-mini-transcribe, whisper-1 | Oui (modèles realtime) | 0,003 à 0,006 $ par min pour les fichiers ; 0,017 $ par min en temps réel | Whisper open source à héberger soi-même |
| Deepgram | Nova-3 (monolingue et multilingue), Flux | Oui | 0,0043 à 0,0052 $ par min en pré-enregistré ; 0,0048 à 0,0078 $ par min en streaming | 200 $ de crédit |
| AssemblyAI | Universal-3.5 Pro, Universal-2, Universal-Streaming | Oui | 0,15 à 0,21 $ par heure pour les fichiers ; à partir de 0,15 $ par heure en streaming | 50 $ de crédit |
| Google Cloud | Speech-to-Text V2 | Oui | 0,016 $ par min en standard (premier palier) ; 0,003 $ par min en dynamic batch | Voir la note sur l’offre gratuite |
| Azure AI Speech | Transcription temps réel, Fast et Batch, MAI Transcribe | Oui | Par heure d’audio, voir le calculateur | 5 h par mois (offre gratuite) |
| Amazon Transcribe | Batch et streaming | Oui | Par minute selon la région | 60 min par mois pendant 12 mois |
Faites défiler pour voir toutes les colonnes
Ce qu’il faut décider avant de comparer les prix#
Des fichiers ou de l’audio en direct ? La transcription par lots (pré-enregistrée) est moins chère et plus simple. Le streaming sert aux sous-titres, aux agents vocaux et à tout ce qu’une personne attend. Certains modèles ne font que l’un des deux.
Quelles langues ? Beaucoup d’éditeurs ont des modèles anglais et multilingues distincts à des prix différents. Vérifiez la liste des langues du modèle exact.
Quels extras ? Les étiquettes de locuteurs (diarisation), la suppression des informations personnelles, le vocabulaire personnalisé ou les termes clés, les horodatages et la traduction sont facturés et pris en charge différemment partout.
Où vont les données ? Lisez les conditions d’utilisation et de conservation des données de chaque éditeur, et vérifiez si l’audio peut servir par défaut à améliorer les modèles. Les secteurs réglementés doivent vérifier l’existence d’accords tels qu’un BAA avant d’envoyer le moindre audio.
Comment est-ce facturé ? À la minute, à l’heure, à la seconde ou au jeton ; avec ou sans minimum ; streaming facturé sur l’audio ou sur la durée de connexion. Ces détails pèsent plus sur votre coût réel que le tarif affiché.
1. OpenAI : transcription de fichiers simple, plus le temps réel#
OpenAI speech to text
Verdict: Prise en main la plus simple, surtout si vous utilisez déjà OpenAI
La page de tarifs d’OpenAI liste plusieurs modèles de transcription avec un coût estimé par minute : gpt-4o-mini-transcribe environ 0,003 $, gpt-transcribe environ 0,0045 $, gpt-4o-transcribe et whisper-1 environ 0,006 $, et gpt-4o-transcribe-diarize (avec étiquettes de locuteurs) environ 0,006 $. Pour l’audio en direct, gpt-live-transcribe et gpt-realtime-whisper coûtent environ 0,017 $ la minute, et gpt-realtime-translate environ 0,034 $ (tarifs d’OpenAI).
- Points forts : une seule clé d’API pour la transcription et le reste de votre pile IA ; un modèle de diarisation ; la famille Whisper est aussi open source, vous pouvez donc l’héberger vous-même (Whisper sur GitHub).
- À surveiller : les modèles récents sont facturés en jetons, donc les chiffres par minute sont des estimations d’OpenAI.
2. Deepgram : conçu autour du streaming#
Deepgram
Verdict: Choix solide pour les applications vocales en direct
La page de paiement à l’usage de Deepgram liste Nova-3 Monolingual à 0,0043 $ la minute en pré-enregistré et 0,0048 $ en streaming, Nova-3 Multilingual à 0,0052 $ et 0,0058 $, et ses modèles Flux, réservés au streaming, à 0,0065 $ (anglais) et 0,0078 $ (multilingue) la minute. Certains tarifs de streaming étaient présentés comme des prix promotionnels à durée limitée, le tarif standard étant barré. Les nouveaux comptes reçoivent 200 $ de crédit (tarifs de Deepgram).
- Points forts : transcription en temps réel pour les agents vocaux et les produits en direct ; modèles monolingues et multilingues distincts.
- À surveiller : les tarifs promotionnels de streaming peuvent changer ; vérifiez le tarif standard pour un budget à long terme.
3. AssemblyAI : facturé à l’heure, riche en fonctions#
AssemblyAI
Verdict: Idéal pour les fichiers avec beaucoup d’extras
AssemblyAI liste Universal-3.5 Pro à 0,21 $ l’heure et Universal-2 à 0,15 $ l’heure pour l’audio pré-enregistré. Le streaming coûte 0,15 $ l’heure pour Universal-Streaming (anglais ou multilingue) et à partir de 0,45 $ l’heure pour Universal-3.6 Pro Realtime ; le streaming est facturé sur la durée de connexion, pas sur l’audio envoyé. Les nouveaux comptes reçoivent 50 $ de crédit sans carte bancaire (tarifs d’AssemblyAI).
- Points forts : des extras sur la même plateforme : diarisation des locuteurs, invites de termes clés (keyterms prompting), détection d’entités, suppression des données personnelles (47 langues et plus sur Universal-2), traduction vers plus de 100 langues pour l’audio pré-enregistré, et un mode médical (Medical Mode) pour l’anglais, l’espagnol, l’allemand et le français.
- À surveiller : la facturation à la durée de connexion en streaming ; fermez les sessions inactives.
4. Google Cloud Speech-to-Text#
Google Cloud Speech-to-Text
Verdict: Idéal si vous êtes déjà sur Google Cloud
La page de tarifs de Google liste la reconnaissance standard V2 à 0,016 $ la minute pour les 500 000 premières minutes par mois, avec une baisse par paliers jusqu’à 0,004 $ à partir de 2 000 000 de minutes. Le dynamic batch, pour l’audio que vous pouvez attendre (Google indique dans les 24 heures), est affiché à 0,003 $ la minute (tarifs de Google Cloud). La page des outils gratuits de Google liste 60 minutes d’audio gratuites par mois ; vérifiez comment cela s’applique à la version de l’API que vous utilisez.
- Points forts : remises de volume, une voie par lots bon marché, et facturation et IAM regroupées dans Google Cloud.
- À surveiller : les prix diffèrent selon les versions de l’API et les modèles : chiffrez celui que vous appellerez réellement.
5. Azure AI Speech#
Azure AI Speech
Verdict: Idéal pour les environnements Microsoft
La page de tarifs vocaux d’Azure liste la transcription en temps réel, Fast et Batch, ainsi que les modèles MAI Transcribe, chacun facturé par heure d’audio par incréments d’une seconde. L’offre gratuite (F0) comprend 5 heures d’audio par mois de transcription standard en temps réel, partagées avec Custom speech ; le mode batch n’est pas inclus dans l’offre gratuite (tarifs Azure Speech). Azure affiche les tarifs par région : utilisez son calculateur de prix pour obtenir un devis.
- Points forts : modèles vocaux personnalisés, contrats d’entreprise et résidence des données dans les régions Azure.
- À surveiller : les tarifs varient selon la région et le palier d’engagement.
6. Amazon Transcribe#
Amazon Transcribe
Verdict: Idéal si votre audio est déjà dans AWS
Amazon Transcribe propose la transcription par lots et en streaming, facturée à la seconde sans minimum, avec des tarifs fixés par région et par paliers de volume. L’offre gratuite donne 60 minutes par mois pendant 12 mois à partir de votre première requête ; elle ne couvre ni la suppression automatique de contenu ni les modèles de langue personnalisés (tarifs d’Amazon Transcribe).
- Points forts : pipelines basés sur S3, modèles de langue personnalisés et suppression de contenu, dans le cadre de la sécurité et de la facturation d’AWS.
- À surveiller : choisissez votre région sur la page de tarifs pour voir le tarif réel.
Erreurs courantes dans le choix#
Ne comparer que les tarifs affichés. Un tarif à la minute plus bas peut finir par coûter plus cher une fois ajoutés la diarisation, la suppression de contenu ou un modèle multilingue, ou quand le streaming facture la durée de connexion inactive.
Tester sur un audio propre. Les démos des éditeurs utilisent une parole claire. Vos utilisateurs ont des haut-parleurs, des accents, des voix qui se chevauchent et du jargon. Testez avec cela.
Ignorer les prix promotionnels. Deepgram présentait certains tarifs de streaming comme des offres à durée limitée en octobre 2026. Budgétez sur le tarif standard si vous planifiez à un an.
Oublier que l’offre gratuite prend fin. Les minutes gratuites d’AWS durent 12 mois ; les offres sous forme de crédit s’épuisent à l’usage.
S’enfermer trop tôt. Gardez votre appel de transcription derrière une petite interface dans votre code pour pouvoir changer d’éditeur si les prix ou la qualité évoluent. Le marché bouge vite, et les modèles sortis cette année seront peut-être retirés l’an prochain.
Comment choisir en une après-midi#
- Rassemblez 20 extraits réels : vos accents, votre bruit, votre jargon, courts et longs.
- Retenez-en trois d’après les décisions ci-dessus (direct ou fichiers, langues, extras, cloud).
- Passez les mêmes extraits dans chacune avec le crédit gratuit. Lisez les transcriptions côte à côte, en vous attardant sur les noms, les chiffres et la ponctuation.
- Chiffrez votre mois réel, extras, temps de streaming inactif et paliers de volume compris.
- Lisez les conditions sur les données avant d’envoyer le moindre audio client.
Où LumeVoice a sa place (et où il n’en a pas)#
Il n’en a pas, pour créer un logiciel. LumeVoice exécute Whisper large-v3-turbo sur Groq, avec Voxtral de Mistral en secours, derrière une appli de dictée, et rien de tout cela n’est exposé sous forme d’API. Si ce que vous voulez vraiment, c’est dicter plus vite, dans Slack, un e-mail, votre IDE ou un agent de code, c’est là qu’il vous aide.
Vous voulez dicter, pas développer ?
LumeVoice est une appli de dictée, pas une API : maintenez une touche, parlez, et un texte propre arrive dans votre éditeur, votre terminal ou votre discussion. Chaque nouveau compte reçoit 3 000 mots gratuits, sans carte bancaire.
