AI 轉錄比 OpenAI 便宜 85%：給機器人開發者的多模態價格

帶音訊的機器人一向很貴。語音助理、轉錄服務、播客摘要、會議記錄——每一分鐘音訊都在花錢。按 OpenAI 的 Whisper 價格，花得很多。

今天我們公布 Hanzo Bot 上的多模態價格，它改寫了做能聽、能看、能創作的機器人的經濟帳。

數字

能力	Hanzo Bot	OpenAI	節省
語音轉文字（批次）	$0.0009/min	$0.006/min	85%
語音轉文字（品質）	$0.0015/min	$0.006/min	75%
串流 ASR（即時）	$0.0035/min	無	可即時
影像產生（標準）	$0.04/image	$0.04–0.08	持平或更便宜
影像產生（快速）	$0.00035/step	無	供迭代
影像產生（最快）	$0.00013/step	無	業界最低

這些價格適用於 Hanzo 自有的 Zen3 模型家族，透過同一個 API 提供，該 API 也提供各大供應商的 100 多個模型。

便宜 85% 在實際裡意味著什麼

按 OpenAI Whisper 每分鐘 $0.006 的價格：

• 每月 1,000 小時 = $360/month
• 每月 10,000 小時 = $3,600/month
• 每月 100,000 小時 = $36,000/month

按 Hanzo 的 Zen3 Audio Fast 每分鐘 $0.0009 的價格：

• 每月 1,000 小時 = $54/month
• 每月 10,000 小時 = $540/month
• 每月 100,000 小時 = $5,400/month

一家每月處理 10,000 小時音訊的新創公司，那就是 每月省下 $3,060 —— 每年 $36,720。

四個音訊模型

Zen3 Audio（$0.0015/min）— 最佳品質。多語言支援，最高精度。在精度比成本更要緊時使用。

Zen3 Audio Fast（$0.0009/min）— 最划算。多語言支援，推論快。大多數負載的預設選擇。

Zen3 ASR（$0.0035/min）— 即時串流。直播轉錄、語音助理和即時字幕的亞秒延遲。

Zen3 ASR v1（$0.0032/min）— 舊版串流。供既有整合使用。

影像產生：從 $0.04 到 $0.00013

Zen3 Image 家族涵蓋每一種用途：

模型	價格	最適合
Zen3 Image	$0.04/image	通用產生
Zen3 Image Max	$0.08/image	專業創作
Zen3 Image Dev	$0.0005/step	實驗與迭代
Zen3 Image Fast	$0.00035/step	即時產生
Zen3 Image SDXL	$0.00013/step	高解析度、高吞吐
Zen3 Image SSD	$0.00013/step	最快、最便宜
Zen3 Image Playground	$0.00013/step	審美與藝術風格

按每步 $0.00013，你可以用一美元產生數千張影像。對製作社群內容、產品樣圖或設計變體的機器人來說，單位經濟完全變了。

內容安全已包含

每一次 Hanzo Bot 部署都包含對 Zen3 Guard 的存取——一個 4B 參數的內容安全分類器，涵蓋 119 種語言中的 9 個安全類別。不需要單獨的審核 API。

全部經過一把 API 金鑰

上面的每個模型——音訊、影像、文字、安全——都透過同一把 Hanzo API 金鑰存取，這把金鑰也提供 GPT-5、Claude、Gemini 和 100 多個其他模型。一次整合。一張帳單。

在 hanzo.bot 用 $5 免費額度開始建置。