La pregunta que llega siempre es la misma y casi nunca tiene una respuesta clara en la web de un proveedor: ¿esto cuánto me va a costar al mes?
Se puede estimar con bastante exactitud, y conviene hacerlo antes de firmar nada.
Se cobra por segundo de audio procesado, no por petición.
Suena a detalle y cambia cómo diseñas el sistema. Diez peticiones de seis segundos cuestan lo mismo que una de sesenta. No hay penalización por trocear, ni por reintentar, ni por hacer muchas llamadas pequeñas — y por tanto no tienes que retorcer tu arquitectura para agrupar cosas que en tu negocio van separadas.
El modelo contrario, cobrar por petición, te empuja a acumular trabajo para «aprovechar» la llamada. Eso casi siempre significa peor latencia para tu usuario y más complejidad en tu código, a cambio de nada que te beneficie a ti.
La cuenta es aburrida y por eso funciona:
Un detalle que la gente pasa por alto: /v1/summarize mueve varios motores. Transcribe,
analiza el tono, perfila y separa interlocutores, todo sobre el mismo audio. Sale más barato
que pedirlo por separado, pero no es «gratis con la transcripción»: consume lo que consume,
y la respuesta trae el desglose por tramo para que lo veas.
Normaliza el audio a 16 kHz mono antes de subirlo.
El motor lo va a remuestrear a 16 kHz mono de todas formas. Si le mandas un WAV de 48 kHz en estéreo, estás pagando ancho de banda y tiempo de subida por información que se va a tirar — y además te acercas mucho antes al tamaño máximo de fichero.
Utteraffmpeg -i original.wav -ar 16000 -ac 1 -b:a 64k listo.mp3
Dos horas de audio así pesan unos 58 MB. Las mismas dos horas en WAV de 48 kHz estéreo serían 1,3 GB. No cambia lo que te facturamos —eso va por segundos— pero cambia mucho tu factura de tránsito, tu tiempo de subida y la probabilidad de que algo se caiga a mitad.
Cada respuesta te lo dice:
X-Audio-Duration — los segundos que se facturan por esa petición. No está en el
cuerpo, solo en la cabecera.X-Credits-Used-Monthly y X-Credits-Remaining-Monthly — cómo va tu bolsa del ciclo.X-Credits-Overage — true si te has pasado: se te sigue sirviendo, pero en exceso
facturable.Con eso puedes pintar tu consumo en tu propio panel desde el primer día, sin depender de que nosotros te enseñemos un gráfico.
Y una consecuencia de que las cabeceras describan límites: una cabecera de límite solo aparece si hay límite. En un plan sin tope de bolsa no verás ninguna de las de créditos. No es un fallo — es que no hay nada que contar.
Si tu audio acaba alimentando un modelo de lenguaje de otro proveedor, el ahorro grande no está en lo que nos pagas a nosotros: está en lo que le pagas a ellos. Mandarle el resumen en vez de la transcripción son entre veinte y treinta veces menos tokens de entrada.
Los precios y los límites de cada plan, con sus equivalencias en horas de audio, están en Planes — visibles sin registrarse.
¿Algo que añadir o que corregir? Escríbenos a support@uttera.ai. Si nos corriges, editamos la entrada y te damos crédito.