لديك مجلد مليء بالتسجيلات، وموعد نهائي، وسؤال واحد يلحّ عليك: كم سيكلّف تحويل كل هذا الكلام إلى نص؟ الجواب الصادق لمعظم الناس هو "أقل من ثمن فنجان قهوة"، أما لمراكز الاتصال وأرشيفات الإعلام فهو "بند حقيقي في الميزانية". الحيلة تكمن في معرفة النموذج الذي تدفع ثمنه من OpenAI، وكيفية احتساب الفوترة فعليًا، ومتى يكون المسار المجاني أو الأرخص أنسب.
يشرح هذا المقال تسعير تحويل الكلام إلى نص من OpenAI بأرقام واضحة، ويعرض التكلفة الشهرية المعتادة للمشاريع، ويسرد الخيارات المجانية التي تعمل فعلًا، ويقارن البدائل التي يمكنك تجربتها الآن.
💡 الإجابة السريعة: تتراوح تكلفة نماذج النسخ لدى OpenAI تقريبًا بين 0.003 و0.006 دولار لكل دقيقة من الصوت. أي ما يعادل نحو 0.18 إلى 0.36 دولار لكل ساعة. لا توجد طبقة API مجانية دائمة، لكن هناك عدة مسارات مجانية قابلة للاستخدام، وسنستعرضها أدناه.
ما تفرضه OpenAI لكل دقيقة
تبيع OpenAI خدمة تحويل الكلام إلى نص عبر واجهة برمجة التطبيقات (API) تحت عدة أسماء للنماذج. يُذكر السعر المعلَن عادةً لكل دقيقة، ما يُسهّل وضع الميزانية، رغم أن طريقة الفوترة في الخلفية أكثر تعقيدًا.

نقاط الأسعار الثلاث
هذه هي الأسعار التي تتفق عليها أغلب متتبّعات الأسعار وصفحات النماذج الرسمية لدى OpenAI وقت كتابة هذا المقال:
| النموذج | التكلفة التقريبية لكل دقيقة | التكلفة التقريبية لكل ساعة | الأنسب لـ |
|---|
| whisper-1 (واجهة Whisper الأصلية) | $0.006 | $0.36 | سير العمل القديم، والترجمات المصحوبة بالطوابع الزمنية |
| gpt-4o-transcribe | $0.006 | $0.36 | أعلى دقة، واللهجات، والصوت الصاخب |
| gpt-4o-mini-transcribe | $0.003 | $0.18 | الحجم الكبير، والصوت النظيف، والميزانيات الضيقة |
يلفت الانتباه أمران. أولًا، يكلّف نموذج GPT-4o المتميز الدقيقة نفسها التي تكلّفها واجهة Whisper القديمة، ومع ذلك فهو يتعامل عادةً مع اللهجات والضوضاء الخلفية والكلام السريع بشكل أفضل. ثانيًا، النسخة المصغّرة (mini) نصف السعر، وهذا مهم جدًا عندما تتجاوز بضع مئات من الساعات.
يمكنك تجربة خياري GPT-4o دون كتابة أي شيفرة: GPT-4o Transcribe وGPT-4o Mini Transcribe متاحان كلاهما على PicassoIA.
⚠️ تنبيه: تتغيّر الأسعار ودورات حياة النماذج. أشار أحد المتتبّعات الذي راجعته إلى نموذج أحدث من OpenAI بسعر نحو 0.0045 دولار لكل دقيقة، وذكر تاريخ إيقاف نموذج mini في أوائل 2027. لم أتمكن من التحقق من أي من التفصيلين، لذا تحقّق من صفحة التسعير الرسمية لدى OpenAI قبل أن تلتزم بمهمة معالجة كبيرة.
لماذا تعتمد الفوترة على التوكنات
رقم الدقيقة تقدير في الأساس. فعليًا، تُحتسب نماذج النسخ بصيغة GPT-4o بحسب التوكنات: توكنات إدخال الصوت عندما يستمع النموذج، بالإضافة إلى توكنات النص الناتج للنص الذي يكتبه. وتحوّل OpenAI ذلك إلى متوسط تكلفة لكل دقيقة لتسهيل التخطيط.
ما يعنيه ذلك عمليًا:
- الكلام الكثيف يكلّف أكثر قليلًا. المتحدث السريع ينتج توكنات إخراج أكثر من المتحدث البطيء.
- الصمت ليس مجانيًا. الفترات الطويلة من الصمت وموسيقى الانتظار ما زالت تُحتسب كإدخال صوتي.
- الأوامر النصية تضيف توكنات إدخال. إذا مررت أمرًا نصيًا طويلًا لتوجيه المفردات، فإن هذا النص يُحتسب أيضًا.
للتخطيط، استخدام 0.006 دولار لكل دقيقة للنموذج المتميز و0.003 دولار لنموذج mini سيبقيك ضمن بضعة في المئة من الفاتورة الفعلية في الصوت الحواري العادي.

تكاليف حقيقية لمشاريع حقيقية
لا تعني الأسعار شيئًا إلا عندما تضربها في حجم عملك. تستخدم هذه الأمثلة سعري GPT-4o من الجدول أعلاه.
| حجم الصوت | gpt-4o-mini-transcribe (0.003 دولار/دقيقة) | gpt-4o-transcribe (0.006 دولار/دقيقة) |
|---|
| 10 دقائق | $0.03 | $0.06 |
| ساعة واحدة | $0.18 | $0.36 |
| 10 ساعات | $1.80 | $3.60 |
| 100 ساعة | $18 | $36 |
| 1,000 ساعة | $180 | $360 |
البودكاست والمقابلات
يُنتج بودكاست أسبوعي بأربع حلقات مدة كل منها 60 دقيقة، أي 240 دقيقة من الصوت شهريًا. أي 0.72 دولار على نموذج mini أو 1.44 دولار على النموذج المتميز. حتى البرنامج اليومي يبقى دون 10 دولارات شهريًا.
يقع الصحفيون والباحثون في نطاق مشابه. يدفع مراسل استقصائي لديه 30 ساعة من تسجيلات المقابلات نحو 5 إلى 11 دولارًا للحصول على نص قابل للبحث. المال ليس المشكلة هنا. المشكلة هي الدقة في الأسماء والمصطلحات المتخصصة والمتحدثين المتداخلين، ولهذا يفوز النموذج المتميز عادةً في المقابلات.

المحاضرات والاجتماعات
يسجّل قسم جامعي 20 محاضرة أسبوعيًا مدة كل منها 90 دقيقة، فيعالج 30 ساعة أسبوعيًا، أو نحو 130 ساعة شهريًا. تكلّف هذه الكمية نحو 23 دولارًا على mini و47 دولارًا على النموذج المتميز. وإذا قارنتها بالنسخ البشري الذي يتراوح عادةً من دولار تقريبًا إلى عدة دولارات للدقيقة الصوتية، فالفارق لا يمكن تجاهله.

تتبع اجتماعات الأعمال المنطق الحسابي نفسه. فريق من 25 شخصًا لكل منهم 10 ساعات من المكالمات المسجّلة شهريًا ينتج 250 ساعة، وتكلّف 45 دولارًا على mini أو 90 دولارًا على النموذج المتميز. وإذا كانت هذه النصوص تغذّي ملخصات الاجتماعات أو استخراج بنود العمل، فإن فاتورة تحويل الكلام إلى نص تكون عادةً أصغر جزء في المسار كله.
مراكز الاتصال على نطاق واسع
هنا تبدأ الكسور العشرية في الأهمية. لنفترض 50 موظفًا، و6 ساعات من وقت المحادثة الفعلية يوميًا، و22 يوم عمل في الشهر: أي نحو 6,600 ساعة من الصوت.
- على mini: نحو 1,188 دولارًا شهريًا
- على النموذج المتميز: نحو 2,376 دولارًا شهريًا
عند هذا الحجم، فإن اختيار mini للصوت النظيف من سماعات الرأس، وتخصيص النموذج المتميز للمكالمات الصعبة فقط (اللهجات الثقيلة، ومكبّرات الصوت، والغرف الصاخبة)، يمكن أن يوفّر آلاف الدولارات سنويًا دون التأثير على الجودة حيث تهم.

خيارات مجانية تستحق التجربة
هل توجد طريقة مجانية لتحويل الكلام إلى نص من OpenAI؟ ليس كطبقة API دائمة. تفرض OpenAI الرسوم عمومًا من الطلب الأول، لكن الحسابات الجديدة تحصل أحيانًا على رصيد تجريبي، لذا تحقّق من لوحة التحكم. ما عدا ذلك، أمامك ثلاثة مسارات مجانية واقعية.

تشغيل Whisper المفتوح الأوزان محليًا
أطلقت OpenAI نموذج Whisper الأصلي كنموذج مفتوح الأوزان، لذا يمكنك تشغيله على حاسوبك بتكلفة صفرية لكل دقيقة. لكن هناك تنازلات حقيقية:
- تحتاج إلى وحدة معالجة رسومية (GPU) جيدة لسرعة معقولة. على المعالج المركزي (CPU)، قد تستغرق معالجة ساعة من الصوت أكثر من ساعة.
- أنت تتولى صيانة الإعداد بنفسك: Python والتعريفات وأحجام النماذج والتحديثات.
- الدقة في أحجام النماذج المحلية الأصغر أقل مما تقدمه نماذج GPT-4o المستضافة للنسخ.
إذا كنت تنسخ عدة ملفات شهريًا وتستمتع بالتجريب، فهذا خيار ممتاز. أما إذا أردت الموثوقية وعدم الإعداد، فالنموذج المستضاف أرخص من وقتك.
الأرصدة المجانية والتجارب
تمنح منصات كثيرة المستخدمين الجدد مخصصًا صغيرًا. على PicassoIA يمكنك تشغيل نماذج تحويل الكلام إلى نص من المتصفح دون شيفرة، وهذا مفيد لاختبار نموذج على صوتك الخاص قبل وضع ميزانية لمهمة كبيرة. تحقّق من خطتك الحالية لمعرفة ما هو مشمول.
💡 نصيحة: جرّب أولًا على مقطع تمثيلي مدته 5 دقائق: الأكثر ضجيجًا والأكثر لهجات لديك. إذا تعامل معه النموذج الأرخص بنجاح، فقد خفّضت فاتورتك إلى النصف.
الإملاء المدمج
إذا كانت حاجتك الفعلية هي الإملاء (التحدث لكتابة ملاحظات أو رسائل بريد)، فإن لوحة مفاتيح هاتفك وخاصية الإملاء في نظام التشغيل ووضع الصوت داخل ChatGPT تقوم بذلك دون رسوم منفصلة لكل دقيقة. هذه الأدوات غير مصممة لمعالجة التسجيلات دفعةً واحدة أو إنتاج ملفات بطوابع زمنية، لكنها لا تكلّف شيئًا إضافيًا للملاحظات الشخصية.
التكاليف الخفية وراء السعر
سعر الدقيقة ليس إلا جزءًا واحدًا من التكلفة الحقيقية لأي مسار نسخ.

حدود حجم الملفات والتقسيم
تحدّ نقطة نهاية النسخ لدى OpenAI الرفع بنحو 25 ميغابايت لكل ملف. ملف MP3 مدته ساعة بجودة عادية قد يتجاوز هذا الحد، وملفات WAV تصله خلال دقائق. عندها تحتاج إلى ضغط الصوت أو تقسيمه، وهذا يضيف عملًا برمجيًا ويخلق قطعًا مزعجة في منتصف الجمل. التقسيم عند فترات الصمت بدلًا من فترات زمنية ثابتة يمنع معظم الكلمات الضائعة عند الحدود.
وقت التنظيف والمراجعة
لا يوجد نموذج تحويل كلام إلى نص مثالي. ضع في ميزانيتك هذه البنود:
- أسماء العلم وأسماء العلامات التجارية، وهي الأكثر عرضة للكتابة الخاطئة
- تسميات المتحدثين، لأن النسخ الأساسي يعيد نصًا عاديًا، لا من قال ماذا
- علامات الترقيم والفقرات للمحتوى الطويل
- المصطلحات المتخصصة في الطب أو القانون أو الهندسة
أمر نصي قصير يسرد الأسماء والمصطلحات غير المألوفة في تسجيلك يقلّل كثيرًا من هذه الأخطاء قبل أن تقع. هذه العادة الصغيرة توفّر غالبًا وقتًا أكثر من تغيير النموذج.
بدائل نسخ OpenAI
OpenAI ليست الخيار الوحيد، وفي بعض المهام ليست الأفضل.

Gemini 3 Pro
Gemini 3 Pro من Google نموذج متعدد الوسائط يستطيع الاستماع إلى الصوت وإعادة نص مكتوب، ويمكنه أيضًا تلخيص التسجيل أو ترجمته أو الإجابة عن أسئلة بشأنه في الخطوة نفسها. وهذا ما يجعله خيارًا قويًا للاجتماعات، حيث يكون النص المكتوب مجرد نقطة البداية. جرّبه جنبًا إلى جنب مع GPT-4o Transcribe على صوتك الخاص، وقارن الأخطاء في الأسماء والأرقام.
موردون آخرون بارزون
تنافس عدة شركات متخصصة في الكلام بشكل مباشر على السعر والميزات. تقدّم Deepgram وAssemblyAI وGoogle Cloud Speech-to-Text وAmazon Transcribe وMicrosoft Azure Speech جميعها تسعيرًا لكل دقيقة أو لكل ساعة، وغالبًا مع إضافات مثل تسميات المتحدثين والبث المباشر والمفردات المخصصة. تختلف أسعارها حسب الفئة والحجم، لذا قارن العروض لحجم عملك الفعلي بدلًا من الثقة في الأرقام المعلنة.
إليك طريقة بسيطة للاختيار:
| وضعك | الأنسب |
|---|
| أقل تكلفة على الصوت النظيف | GPT-4o Mini Transcribe |
| اللهجات والضوضاء والمقابلات | GPT-4o Transcribe |
| نص مكتوب مع ملخص أو ترجمة | Gemini 3 Pro |
| تكلفة صفرية وتملك وحدة معالجة رسومية (GPU) | Whisper المحلي مفتوح الأوزان |
| ترجمات مباشرة وتسميات متحدثين مدمجة | مورد بث مباشر متخصص |
كيفية استخدام GPT-4o Transcribe على PicassoIA
إذا أردت النموذج المتميز من OpenAI دون إدارة مفتاح API أو لوحة الفوترة أو سكربتات الرفع، فإن GPT-4o Transcribe على PicassoIA يعمل بالكامل من المتصفح.

خطوة بخطوة
- افتح صفحة النموذج. انتقل إلى GPT-4o Transcribe.
- ارفع ملفك الصوتي. الصيغ المقبولة تشمل MP3 وMP4 وMPEG وMPGA وM4A وOGG وWAV وWebM. لا حاجة إلى تحويل.
- حدّد اللغة. أدخل رمز ISO-639-1، مثل
en للإنجليزية، أو es للإسبانية، أو fr للفرنسية.
- أضف أمرًا نصيًا اختياريًا. اكتب الأسماء أو المنتجات أو المصطلحات الواردة في التسجيل، أو الصق آخر بضعة أسطر من المقطع السابق إذا قسّمت ملفًا طويلًا.
- اترك درجة الحرارة على 0. في النسخ، تريد أكثر المخرجات حرفية.
- شغّل النموذج وانسخ النص. الصقه في محررك أو أداة الترجمات أو تطبيق الملاحظات.
نصائح المعاملات
| المعامل | وظيفته | التوصية |
|---|
| audio_file | التسجيل المراد نسخه (مطلوب) | اقطع الفترات الصامتة الطويلة والمقدمات أولًا |
| language | رمز ISO-639-1 | اضبطه دائمًا: دقة أفضل وزمن استجابة أقل |
| prompt | نص للأسلوب أو للمتابعة | طابق لغة الصوت، واجعله قصيرًا |
| temperature | العشوائية من 0 إلى 1 | استخدم 0 إلا إذا لاحظت مخرجات متكررة |
💡 حركة لتوفير الميزانية: شغّل المرور الأول على GPT-4o Mini Transcribe. أرسل فقط الملفات التي تظهر فيها أخطاء واضحة إلى النموذج المتميز. في معظم المكتبات، يقلّص هذا الإنفاق بنسبة 30 إلى 40 بالمئة.
أي نموذج تختار
تجاوز مقارنات الجداول الطويلة واتبع مسار القرار المختصر هذا:
- أقل من 50 ساعة شهريًا؟ التكلفة غير مهمة. اختر النموذج المتميز واستمتع بتصحيحات أقل.
- أكثر من 500 ساعة شهريًا مع صوت نظيف؟ ابدأ بنموذج mini، وافحص 5 بالمئة من المخرجات للتأكد من الجودة.
- جودة صوت مختلطة؟ وجّه حسب الصعوبة: mini للتسجيلات في الاستوديو وعبر سماعات الرأس، والنموذج المتميز للمكالمات الهاتفية والغرف ذات الصدى.
- تحتاج إلى أكثر من نص مكتوب؟ جرّب Gemini 3 Pro ودعه يلخّص ويترجم في المرور نفسه.
- قواعد الخصوصية تمنع إرسال الصوت إلى خدمة سحابية؟ Whisper المحلي مفتوح الأوزان هو خيارك الوحيد الذي يعمل دون اتصال بالإنترنت بحق.
تذكير أخير بشأن الأرقام: الأسعار هنا هي المتوسطات التي تذكرها معظم المصادر حاليًا. نفّذ اختبارًا مدته 10 دقائق، وتحقّق من الاستخدام في فاتورتك أو لوحة التحكم، واستنتج من صوتك أنت لا من السعر المعلن لأي شخص، بما في ذلك سعري أنا.
جرّبه على Picasso IA اليوم
تكلّف عملية النسخ أجزاء من السنت للدقيقة، لذا فأرخص طريقة لحسم السؤال هي أن تجربه بنفسك. اختر أكثر تسجيلاتك ضجيجًا، وارفعه إلى GPT-4o Transcribe، ثم شغّل الملف نفسه على GPT-4o Mini Transcribe وGemini 3 Pro، وقارن النصوص الثلاثة سطرًا بسطر.
يجمع Picasso IA أيضًا تحويل النص إلى كلام، وتوليد الموسيقى بالذكاء الاصطناعي، وإنشاء الصور، وأدوات الفيديو في مساحة عمل واحدة، فيمكن للتسجيل أن يتحول إلى نص مكتوب أو تعليق صوتي أو مادة بصرية في بضع نقرات. تصفّح الكتالوج الكامل على picassoia.com/en/all-models وابدأ بتجربة صوتك الخاص اليوم.