Audio-Tokens berechnen

So funktioniert es

Der Rechner hilft, Audio-Tokens zu berechnen und daraus die Audio-Kosten abzuleiten. Multimodale Sprachmodelle verarbeiten Sprache nicht als Text, sondern zerlegen das Audiosignal in Audio-Tokens. Wie viele Tokens pro Sekunde entstehen, legt jeder Anbieter fest. Google gibt für Gemini 32 Tokens je Sekunde an, eine Minute sind also 1.920 Tokens, eine Stunde 115.200. Andere Modelle zählen anders oder rechnen Audio pro Minute ab; tragen Sie dann den Wert aus der Dokumentation Ihres Anbieters ein. So lassen sich Minuten in Tokens umrechnen und mit dem Preis je Million Tokens multiplizieren.

Die Kosten setzen sich aus bis zu drei Posten zusammen: die Audio-Eingabe, eine Text-Antwort (etwa ein Transkript oder eine Zusammenfassung) und optional eine gesprochene Antwort als Audio-Ausgabe, wie bei Sprachassistenten und Echtzeit-Schnittstellen. Alle Preise sind ausdrücklich Beispielwerte: Audio-Preise unterscheiden sich stark zwischen Modellen und ändern sich häufig. Übernehmen Sie die aktuellen Werte aus der Preisliste Ihres Anbieters. Die Umrechnung in Euro nutzt den hinterlegten Wechselkurs der Seite.

Für reine Transkription sind spezialisierte Speech-to-Text-Dienste mit Minutenpreis oft günstiger als ein großes Sprachmodell. Speech-to-Text Kosten lassen sich mit diesem Rechner vergleichen, indem Sie den Minutenpreis eines Dienstes neben die hier berechneten Kosten je Minute stellen. Die Tabelle zum Kontextfenster zeigt, wie viele Stunden Audio bei der eingestellten Rate in ein Modell passen. Texte und Bilder kalkulieren Sie mit dem KI-Kostenrechner und den Bild-Tokens.