「哪个语音转文字工具最便宜？」这个问题，99% 的人问错了。因为这三款工具的成本结构完全不一样------一个是按分钟计费、一个是免费但绑在视频上、一个是免费但要你自己搭环境。真正的答案取决于一件事：你一个月要转多少小时，以及你的音频从哪来。 这篇文章把三种计费方式折算到同一把尺子上，帮你算清楚自己到底该选哪个。
一、先说结论：准确率已经不是战场
2026 年 6 月的一篇横评，用同一段 5 分钟中文会议录音（两人对话、略带背景噪音）测了四款主流工具，结果很能说明问题（FlowPix，2026-06-10）：
讯飞听见约 97%，Whisper Large v3 约 95%，飞书妙记约 94%，剪映约 93%。
四款全部超过 93%。讯飞听见的官方页面甚至给出「1 小时音频最快 5 分钟出稿、98% 准确率」，并注明该数据来自安徽电子产品监督检验所（讯飞听见官网）。另一份产品资料给出的口径更细：标准普通话最高 98%、带口音普通话 94.2%、综合实测 93.0%（NavCN，2026）。
这意味着什么？ 意味着如果你还在纠结「哪个准」，那你已经落在了后面。2026 年这个赛道的竞争焦点，早就从「准确率」转移到了「场景适配 + 成本结构 」。同一篇文章的结论说得很直接：选哪个取决于你的场景，不是取决于谁的准确率更高。
所以这篇横评的重点不是「谁准」，而是「谁便宜------以及那个便宜背后藏着什么条件」。
二、把三种计费模式折算到「每月 30 小时」
比较成本，最公平的办法是设一个统一的量：假设你每个月要转 30 小时音频。 然后看三款工具各自要花多少钱。
讯飞听见·按量计费：约 594 元/月。
官方帮助页写明机器快转 0.33 元/分钟（2026-08-04）。折算到 30 小时：
0.33 元/分钟 × 60 分钟 × 30 小时 = 594 元。
这是「用多少付多少」的模式，适合低频用户------一个月只转两三次的人，为两三次付费最划算。
讯飞听见·录音转写包：首月 6 元，次月 18 元/月。
这是讯飞听见 App 的订阅套餐。公开的套餐说明写得很清楚：录音转写包内含 30 小时/月的机器快转时长，首次连续包月价格 6 元/月，自动续订价格 18 元/月；如果不想连续包月，单独购买是 25 元/月、68 元/季、198 元/年（讯飞听见官方帮助页 + App Store 商品说明）。
把这两个数字放在一起，差距是惊人的：同样是 30 小时，按量计费要 594 元，而录音转写包次月起只要 18 元。 差了 33 倍。
剪映：0 元。
剪映的字幕生成功能内置、免费，和视频剪辑流程无缝衔接。你在剪视频的时候顺便就把字幕生成了，不需要导出音频、上传到另一个工具、再把文字导回来。
Whisper：0 元（但需要 GPU）。
OpenAI 的 Whisper 开源、免费、可本地运行。转写本身不花钱，但要跑得动，你需要一块像样的显卡（GPU），以及会配置 Python 环境的能力。
为什么拿 30 小时当标尺？ 因为它正好是讯飞录音转写包的月度额度，也是「轻度用户」和「重度用户」的分界线------一个月转不满 30 小时的人，套餐往往用不完，按量计费可能更划算；超过 30 小时的人，则要考虑叠加购买或换方案。先估准自己的用量，再比价，顺序不能反。
三、讯飞：中文最强，但便宜的那个包有个大坑
如果只看「18 元转 30 小时」，讯飞听见的录音转写包几乎是白送。但这里有一个必须讲清楚的限制，很多人买完才发现。
官方商品说明里明确写着：录音转写包仅支持通过讯飞听见 App 录制的音频转写，不支持外部导入音频。
换句话说，6 元、18 元的那个便宜套餐，只能转你自己用这个 App 录下来的东西。 如果你想转的是别人发来的 mp3、会议系统导出的录音、或者视频里扒出来的音频------对不起，这个包用不了。
要用「导入外部音频」，得升级到畅享包 。畅享包内含 50 小时机器快转时长，支持 App、客户端、网页端录制以及终端导入 的音频。价格也高得多：公开信息里有「首月 79 元、次月 88 元」的连续包月口径（App Store 商品说明），也有「12 元/月起」的另一种口径（NavCN，2026）------两种说法并存，本文不裁定，请以官方实时报价为准。
这就是讯飞最需要小心的地方：它的「便宜」是有前提的。 你的音频来源，决定了你该买哪个包。买错了，便宜的那个包对你毫无用处。
还有两个容易忽略的细节：第一，有效期。 录音转写包的时长有效期只有 1 个月 （自购买之日起 30 天），当月没用完不结转------「囤时长」行不通。第二，叠加规则。 录音转写包一个月可以重复购买，但一个月只能生效一张（讯飞听见官方帮助页）。所以「买三个月的量一次用完」这种思路，在这个套餐上是走不通的。
（另需注意：公开资料里还有「个人每月 10 小时免费额度、团队 50 小时」的说法（PHP 中文网，2026-06-28），但免费额度的具体口径与变化较为频繁，同样以官方实时公示为准。）
四、剪映：真免费，但你被绑在视频上
剪映的优势很干净：免费，而且顺路。
它的逻辑不是「做一个转写工具」，而是「做一个视频剪辑工具，顺便把字幕也生成了 」。所以它的使用场景被天然限定在一个框里：你得有视频。
横评里有一句很到位的评价：剪映的准确率是四款里最低的，但「对视频字幕来说够了------字幕本来就不需要 100% 逐字精确，观众看字幕的同时还在看画面」（FlowPix，2026-06-10）。
所以剪映的定位非常清晰：
- 适合：自媒体做视频、需要给视频配字幕的人。免费，一步到位。
- 不适合：需要纯文字稿的人（比如整理会议纪要、做访谈逐字稿）。因为它输出的是「字幕」，和视频时间轴绑定，不是一份可以直接编辑的文档。
「免费」是真的，但「只能用于视频」也是真的。 你要的不是字幕，是文字稿，那剪映帮不了你。
五、Whisper：真免费，但门槛在部署
Whisper 是这三者里唯一「技术上完全免费、且没有任何使用上限」的选择。它开源、可本地运行、数据不出本机。对注重隐私的人来说，这是唯一的正解------横评里那句提醒很关键：「不要把股东会、董事会这种级别的机密录音传上网」（FlowPix，2026-06-10）。
但它的成本不在钱上，在门槛上：
第一，需要硬件。 本地跑 Whisper，尤其是大模型版本，需要一块像样的 GPU。没有独显的笔记本，跑起来会很吃力。
第二，需要技术能力。 它不是一个双击就能用的软件，而是一个需要配置环境、跑命令行、有时还要调参数的开源项目。「如果你没有 GPU（或者不知道 GPU 怎么配置），别折腾」------这是那篇横评给出的原话。
第三，需要处理细节。 本地跑完出来的是纯文本，格式、时间轴、说话人区分，都得你自己再处理。
所以 Whisper 的「0 元」是有隐含价格的：你付出的不是钱，是学习成本和硬件成本。 对开发者、对懂技术的人来说，这笔账很划算；对只想「打开就用」的人来说，这是一道过不去的坎。
六、被忽略的成本：时间成本与隐私成本
比价的时候，大家只看「花多少钱」。但真正的成本，还有两项经常被忽略。
时间成本。
讯飞听见官方宣称「1 小时音频最快 5 分钟出稿」。假设这是真的，那么 30 小时音频，理论上 2.5 小时就能全部转完。而如果你用 Whisper 本地跑，除了转写本身，你还得花时间配环境、调参数、处理输出------这些时间都是成本，只是不体现在账单上。
对按小时算钱的人来说，省下的钱可能远不如省下的时间值钱。
隐私成本。
这是很多人不看、但代价可能最大的一项。把一段录音上传到云端转写，意味着这段内容离开了你的电脑。日常对话无所谓，但如果是合同谈判、人事谈话、医疗问诊、法律咨询------上传之前，你得想清楚。
这也是为什么 Whisper 的「本地运行」虽然麻烦，却依然有不可替代的价值。有些内容，不该上云。
七、按场景选：四种人，四套方案
把上面的分析落到具体的人身上，答案就清晰了。
第一种人：偶尔用，音频来源不固定。
选按量计费。一个月转两三次，用多少付多少，不必为用不完的套餐买单。
第二种人：高频用，音频都是自己录的。
选讯飞听见录音转写包 。首月 6 元、次月 18 元换 30 小时，是这个量级里最便宜的方案------前提是你的音频确实是用这个 App 录的。
第三种人：做视频，需要字幕。
选剪映。免费，和剪辑流程无缝衔接，一步到位。别为了那 2% 的准确率差异去折腾别的工具。
第四种人：注重隐私，或有技术能力。
选Whisper。免费、本地、无上限。用学习成本和硬件成本，换隐私和自由。
如果你同时是「高频 + 要导入外部音频」 ，那就得算清楚：畅享包的实际价格，和「按量计费 594 元/月」哪个更划算。这道题没有标准答案，取决于你的真实用量。
八、补充：被低估的第四个选项------飞书妙记
横评里还有一款工具值得一提。虽然它不在标题里，但对一部分人来说，它可能才是最优解------飞书妙记。
它的准确率约 94%，介于讯飞和剪映之间（FlowPix，2026-06-10）。但它的真正卖点不是准确率，而是**「自动生成会议纪要」**：自动区分发言人、自动提取待办事项、自动关联会议日历。
对「每周开三场以上会」的人来说，这个功能的实际价值可能远超转写本身------你要的不是逐字稿，是「谁说了什么决定、下一步要做什么」这种结构化信息。横评里那句话说得直接：如果你每周会议很多，「飞书妙记或讯飞的自动生成会议纪要功能比你想象的有用得多」。
但它有两个前提：第一，你得在飞书生态里 （横评原话是「必须在飞书生态内」）；第二，它的免费额度对重度用户可能不够。
所以飞书妙记的定位很清楚：如果你本来就在用飞书，且需求是「会议纪要」而非「逐字稿」，它可能是最省事的选择。 否则，迁移到另一个生态的成本，会抵消掉一部分便利。
九、一句话总结
准确率已经不是选择题，成本结构才是。
讯飞胜在中文优化最强、套餐便宜，但便宜有前提（音频来源）；剪映胜在真免费、和视频无缝，但被绑在视频场景里；Whisper 胜在完全免费、本地隐私，但门槛在部署。
没有「最便宜的工具」，只有「最适合你使用方式的计费模式」。 先想清楚你一个月转多少小时、音频从哪来、要不要上云，答案自然会浮出来。
关于本文
本文的工具准确率数据来自 FlowPix《AI 语音转文字工具横评 2026：讯飞 vs 剪映 vs Whisper》（2026-06-10，更新于 2026-06-21）的实测记录：同段 5 分钟中文会议录音下，讯飞听见约 97%、Whisper Large v3 约 95%、飞书妙记约 94%、剪映约 93%；以及「剪映准确率最低但对视频字幕够用」「不要把机密录音传上网」等结论。讯飞听见机器快转 0.33 元/分钟、录音转写包「首月 6 元、次月 18 元、含 30 小时/月机器快转、仅支持 App 录制音频」、单独购买「25 元/月、68 元/季、198 元/年」等信息，来自讯飞听见官方 App 使用帮助（2026-08-04）与 App Store 商品说明。畅享包「首月 79 元、次月 88 元」来自 App Store 商品说明，「12 元/月起」及超级会员 9.8 元/月、按量计费中文 0.3 元/分钟、方言 0.5 元/分钟、综合实测准确率 93.0% 等来自 NavCN 产品资料（2026）。「个人每月 10 小时免费额度」来自 PHP 中文网（2026-06-28）。讯飞听见官网「1 小时音频最快 5 分钟出稿、98% 准确率」数据来源标注为安徽电子产品监督检验所。
需要明确的是：上述价格、套餐内容与准确率均为公开信息，来源不同口径可能存在差异（本文已如实并列，不擅自裁定），且平台价格与规则随时可能调整，一切以各平台官方后台与官方页面的实时公示为准。 本文涉及的成本折算为基于公开价格的算术推演，不构成任何购买建议或收益承诺。请按自身实际用量与合规要求做选择。