Girdi alma API'leri: sesi yazıya dökme ve belge okuma (OCR)
Ses kaydını metne çeviren ve PDF ya da taranmış belgeden metin ve tablo çıkaran API'ler: dakika ve sayfa başı fiyat, Türkçe desteği ve ücretsiz açık kaynak araçlar. Kısaca: türkçe ses kaydını yazıya dökme (doğruluk öncelikli) için ElevenLabs Scribe v2; türkçe ses, ucuz ve ücretsiz başlangıç için Deepgram Nova-3 (tek dilli, tr); taranmış pdf ve tablolar (türkçe belge) için Google Document AI Enterprise Document OCR.
Fiyatlar şirketlerin resmî sayfalarından 24 Ekim 2026 tarihinde okundu ve ayrı bir yapay zekâ denetçiyle kontrol edildi. Bu alanda fiyat ve model adları sık değişir; anahtar almadan önce bağlantıdaki resmî sayfaya bak.
Hangisini seçmeli?
| Durum | Önerimiz | Neden |
|---|---|---|
| Türkçe ses kaydını yazıya dökme (doğruluk öncelikli) | ElevenLabs Scribe v2 | Resmî belgede Türkçe Mükemmel (en çok %5 WER) grubunda; Artificial Analysis genel sıralamasında Scribe v2 AA-WER %2,2 ile 4. sırada, 1.000 dakikası 3,67 USD (0,22 USD/saat ile uyumlu). Not: AA sayfası dil dökümü vermiyor, ölçüm Türkçeye özel olmayabilir. ElevenLabs konuşma-metin belgesi (ek: Artificial Analysis Speech to Text, https://artificialanalysis.ai/speech-to-text) |
| Türkçe ses, ucuz ve ücretsiz başlangıç | Deepgram Nova-3 (tek dilli, tr) | Ön kayıtlı 0,0043 USD/dk; 200 USD ücretsiz kredi yaklaşık 43.000 dakikaya yetiyor; resmî dil tablosunda Nova-3 için tr ve tr-TR var. Alternatif OpenAI gpt-transcribe 0,0045 USD/dk ama Türkçesi model sayfasında doğrulanamadı. Deepgram fiyat sayfası |
| Taranmış PDF ve tablolar (Türkçe belge) | Google Document AI Enterprise Document OCR | Resmî dil listesinde Türkçe satırı var; 1.000 sayfa 1,50 USD ve ilk 1.000 birim ücretsiz görünüyor. Mistral OCR 4.1 1.000 sayfa 4 USD ve Türkçesi resmî olarak doğrulanamadı. Azure Read da 1,50 USD/1.000 sayfa ve ayda 500 sayfa ücretsiz, ama el yazısında Türkçe yok. Karşılaştırmalı doğruluk ölçümü bulunamadı; seçim fiyat ve resmî dil desteğine dayanıyor. Google Document AI fiyat sayfası (dil listesi: https://docs.cloud.google.com/document-ai/docs/languages) |
| Kullanımdan kalkan OpenAI ses modellerinden kaçınma | whisper-1 ve gpt-4o-transcribe yerine gpt-transcribe | OpenAI rehberi whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe ve gpt-4o-transcribe-diarize modellerinin 26 Şubat 2027 tarihinde kapanacağını, önerilen modelin gpt-transcribe olduğunu yazıyor. OpenAI konuşmadan metne rehberi |
| İş (haftalık karne) | En iyi | Fiyat/performans | Uygulamada ücretsiz ya da açık ağırlıklı |
|---|---|---|---|
| Görsel ve belge okuma | Claude Opus 5.5 %87,7 | DeepSeek V4.1 Flash 1017 0,52 $ / 1M | Gemini 3.8 Flash |
Karne sıralamaları bağımsız testlerden derlenir ve her pazartesi güncellenir (26 Ekim 2026). Fiyat/performans: en iyiye yakın (göreli düzeyi %75 üstü) modeller içinde API'si en ucuz olan; fiyat 3 birim giriş + 1 birim çıkış ortalaması.
Girdi alma için API anahtarları ve fiyatlar
| Sağlayıcı ve ürün | Ne için | Fiyat | Ücretsiz | Türkçe | Kaynak |
|---|---|---|---|---|---|
| OpenAI gpt-transcribe (ses-metin) | Kayıtlı ses dosyaları ve Realtime oturumları için yüksek doğruluklu konuşma tanıma; bağlam ve anahtar sözcük ipuçlarını kabul eder. | 0,0045 $ / dakika sesAyrıntıgpt-transcribe: 0,0045 USD/dakika (tahmini). Eski modeller: gpt-4o-transcribe 0,006 USD/dk, gpt-4o-mini-transcribe 0,003 USD/dk, Whisper 0,006 USD/dk. Canlı: gpt-live-transcribe ve gpt-realtime-whisper 0,017 USD/dk. Rehbere göre whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe ve gpt-4o-transcribe-diarize kullanımdan kalkıyor ve 26 Şubat 2027 tarihinde kapanıyor; önerilen model gpt-transcribe. Dosya sınırı 25 MB. Rehber: https://developers.openai.com/api/docs/guides/speech-to-text | Fiyat sayfasında ücretsiz katman belirtilmedi; doğrulanamadı. | gpt-transcribe model sayfasında dil listesi yok, Türkçe resmî olarak doğrulanamadı. Konuşmadan metne rehberi whisper-1 için 98 dil diyor (Türkçe ayrıca anılmıyor); Whisper kodunun dil tablosunda tr: turkish var (openai/whisper tokenizer.py). | Fiyat sayfası Anahtar al |
| Deepgram Nova-3 (ön kayıtlı ve akış) | Hızlı ve ucuz konuşma tanıma; ön kayıtlı dosya ve gerçek zamanlı akış. | 0,0043 $ / dakika ses (ön kayıtlı, Nova-3 tek dilli)AyrıntıÖn kayıtlı: Nova-3 tek dilli 0,0043 USD/dk, Nova-3 çok dilli 0,0052 USD/dk. Akış: tek dilli 0,0048 USD/dk, çok dilli 0,0058 USD/dk (sayfada sınırlı süreli promosyon yazıyor). Flux (akış) 0,0065-0,0078 USD/dk. Dil kaynağı: https://developers.deepgram.com/docs/models-languages-overview. Konsol adresi bilinen adres. | 200 USD ücretsiz kredi (SSS bölümüne göre yaklaşık 43.000 dakika). | Resmî dil tablosuna göre Nova-3 çok dilli modelde tr, tek dilli listede tr ve tr-TR var; Nova-2 de tr var; Flux modelinde Türkçe yok. Varsayılan dil en, language parametresi ayarlanmalı. | Fiyat sayfası Anahtar al |
| AssemblyAI Universal-3.5 Pro ve Universal-2 (ön kayıtlı) | Konuşma tanıma API; ön kayıtlı ve gerçek zamanlı akış. | 0,15 $ / saat ses (Universal-2, ön kayıtlı)AyrıntıÖn kayıtlı: Universal-3.5 Pro 0,21 USD/saat, Universal-2 0,15 USD/saat. Akış: Universal-3.6 Pro Realtime 0,45 USD/saat, Universal-Streaming (İngilizce ve çok dilli) 0,15 USD/saat. SLAM-1 için kullanmayın, universal-3-5-pro modeline geçin deniyor. Türkçe için fiyat Universal-2 olarak yazıldı (0,15 USD/saat). Dil kaynağı: https://www.assemblyai.com/docs/pre-recorded-audio/supported-languages. Konsol adresi bilinen adres. | 50 USD ücretsiz kredi, kart gerekmez; ücretsiz planda akışta dakikada 5 yeni akış sınırı. | Universal-2 99 dili destekliyor; Türkçe yüksek doğruluk (en çok %10 WER) grubunda. Universal-3.5 Pro 18 dili destekliyor ama dil listesi okunan sayfada verilmiyor, Türkçe orada doğrulanamadı. | Fiyat sayfası Anahtar al |
| ElevenLabs Scribe v2 (ve Scribe v2 Realtime) | Çok dilli konuşma tanıma; kelime zaman damgası, konuşmacı ayrımı, anahtar terim ipucu. | 0,22 $ / saat ses (Scribe v2)AyrıntıScribe v2: 0,22 USD/saat (anahtar terim ipucu +0,05 USD/saat, transkript düzenleme +0,07 USD/saat). Scribe v2 Realtime: 0,39 USD/saat. Scribe v2 Medical 0,22 USD/saat. Sayfanın SSS bölümü dakika başına faturalanır diyor, tablo saat veriyor. Dil kaynağı: https://elevenlabs.io/docs/overview/capabilities/speech-to-text. Konsol adresi bilinen adres. | Konuşma-metin için ayrı ücretsiz kota fiyat sayfasında doğrulanamadı. | Resmî belgede Türkçe Turkish (tur) olarak listeleniyor ve Mükemmel (en çok %5 WER) grubunda; belge 100 dil sıralıyor, tanıtım metni 90+ dil diyor. | Fiyat sayfası Anahtar al |
| Google Cloud Speech-to-Text V2 (Chirp modelleri dahil) | Google Cloud konuşma tanıma hizmeti; toplu ve akış, çok sayıda dil. | 0,016 $ / dakika ses (Standard, ilk 500.000 dk/ay)AyrıntıV2 Standard modeller (default, latest_long, latest_short, phone_call, video, chirp): 0-500.000 dk arası 0,016 USD/dk; 500.000-1.000.000 dk 0,01 USD/dk. Dynamic Batch: 0,003 USD/dk. Ayrıca V1 tablosunda ilk 60 dk/ay 0 USD görünüyor. chirp_3 için ayrı fiyat satırı okunmadı: sayfa Standard modeller arasında chirp sayıyor, chirp_3 fiyatı doğrulanamadı. Anahtar türü basit API anahtarı değil, servis hesabı/OAuth; konsol adresi bilinen adres. Dil kaynağı: https://docs.cloud.google.com/speech-to-text/docs/speech-to-text-supported-languages | Fiyat tablosunda ayda ilk 60 dakika 0 USD (V1 tablosunda görünüyor; V2 için aynı koşul sayfada ayrıca yazılmıyor). | Resmî dil tablosunda tr-TR: chirp_3, long ve short modelleri eu konumunda; chirp ve chirp_2 asia-southeast1 ve europe-west4 konumlarında (sayfanın son bölümü okunmadı, global/us teyit edilemedi). | Fiyat sayfası Anahtar al |
| Mistral AI Mistral OCR 4.1 | PDF ve görüntülerden metin, tablo ve yapıyı çıkaran belge OCR modeli; paragraf düzeyinde kutu, blok etiketi ve güven puanı döndürür. | 4 $ / 1.000 sayfaAyrıntı1.000 sayfa başına 4 USD; Annotated (yapılandırılmış çıkarım) 1.000 sayfada 5 USD. Bir önceki sürüm OCR 3 hâlâ kullanılabilir ve 1.000 sayfası 2 USD (resmî fiyat sayfası). Model kimliği docs sayfasında mistral-ocr-4-1+2. OCR 4.0 (mistral-ocr-4-0) 29 Eylül 2026 tarihinde kullanımdan kaldırıldı, 30 Eylül 2026 tarihinde kapandı; OCR 3 hâlâ kullanılabilir (2 USD/1.000 sayfa, https://docs.mistral.ai/inference/pricing). Model sayfası 16 Temmuz 2026 tarihini gösteriyor (etiket belirsiz). Konsol adresi bilinen adres. Model listesi: https://docs.mistral.ai/getting-started/models/models_overview/ | Ücretsiz mod var (Free mode) ama OCR için ayrı kota okunamadı; doğrulanamadı. | Okunan resmî OCR sayfalarında Türkçe ya da dil listesi bulunamadı; OCR belge sayfası 40+ dil diyor. Türkçe resmî olarak doğrulanamadı. | Fiyat sayfası Anahtar al |
| Google Cloud Document AI (Enterprise Document OCR, Layout Parser, Form Parser) | Taranmış belgelerden metin, tablo ve form alanlarını çıkaran işlemciler. | 1,5 $ / 1.000 sayfa (Enterprise Document OCR)AyrıntıEnterprise Document OCR: ilk 1.000 birim 0 USD, 1.000-5.000.000 arası 1,50 USD, 5 milyon üstü 0,60 USD (tablo birimi count, 1.000 sayfa başına faturalama olarak okundu). Layout Parser 10 USD, Form Parser 30 USD (1.000 sayfa). Dil kaynağı: https://docs.cloud.google.com/document-ai/docs/languages. Google Cloud projesi gerekir; basit API anahtarı yerine servis hesabı/OAuth kullanılır. Konsol adresi bilinen adres. | Enterprise Document OCR için ilk 1.000 birim ücretsiz (tabloda 0 USD). | Resmî dil listesinde Enterprise Document OCR için Turkish tr Latn satırı var. | Fiyat sayfası Anahtar al |
| Microsoft Azure Azure Document Intelligence (Read, Layout, ön tanımlı modeller) | Basılı ve el yazısı metin, tablo ve belge yapısı çıkarma; fatura, kimlik gibi ön tanımlı modeller. | 1,5 $ / 1.000 sayfa (Read, ilk 1 milyon)AyrıntıAzure Retail Prices API (eastus, tüketim) kayıtları: Read 1.000 sayfada 1,50 USD (ilk 1 milyon), 1 milyon sonrası 0,60 USD; Pre-built 10 USD/1.000 sayfa; Batch Layout 10 USD/1.000 sayfa; Custom 30 USD/1.000 sayfa. Fiyat sayfasının kendisinde tutarlar $- olarak göründü. Fiyat kaynağı Microsoft resmî Retail Prices API (okunma 2026-10-24); https://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/ sayfası tutarları göstermedi. Dil kaynağı: https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/ocr?view=doc-intel-4.0.0 | F0 katmanı: ayda 500 sayfa ücretsiz (premium özellikler hariç). | Resmî dil sayfasında Read ve Layout için basılı metinde Turkish (tr) listeleniyor; el yazısı tablosunda (v4.0) Türkçe yok. | Fiyat sayfası Anahtar al |
| Google Gemini API (belge anlama, ör. Gemini 3.5 Flash-Lite) | PDF ve görselleri doğrudan yapay zekâ modeline verip metin, tablo ve grafik içeriğini okutma ve soruya yanıt alma. | 0,3 $ / 1 milyon giriş tokenı (Gemini 3.5 Flash-Lite)AyrıntıGemini 3.5 Flash-Lite: giriş 0,30 USD/1 milyon token (tüm modaliteler), çıkış 2,50 USD/1 milyon token; Batch giriş 0,15 / çıkış 1,25. PDF belge tokenları görüntü fiyatından faturalanır. Bir PDF sayfası 258 token (rehber) ise 1.000 sayfa yaklaşık 258.000 giriş tokenı, yaklaşık 0,077 USD, çıktı ayrı (hesap). Fiyat sayfası 2026-10-22 güncellemeli; Gemini 3.6/3.8 Flash için Aralık 2026-Ocak 2027 tarihlerinde fiyat artışı duyurulmuş (giriş 0,75 den 1,50 ye). PDF sınırı 50 MB / 1000 sayfa. Kaynak: https://ai.google.dev/gemini-api/docs/document-processing | Fiyat sayfasında Gemini 3.5 Flash-Lite, 3.6/3.8 Flash ve 2.5 modeller için Free tier: Yes; limit sayıları okunamadı. | Belge anlama sayfasında dil listesi yok; Türkçe resmî olarak doğrulanamadı. | Fiyat sayfası Anahtar al |
Aynı işi yapan ücretsiz açık kaynak repolar
API ücreti ödemeden kendi bilgisayarında ya da sunucunda çalıştırabileceğin muadiller. "Ücretsiz" API ücreti olmadığı anlamına gelir; donanım ve elektrik senin. Lisans koşullarını (özellikle model ağırlıklarının ticari kullanım kısıtlarını) kullanmadan önce oku.
| Repo | Ne yapar | Lisans | GitHub yıldızı |
|---|---|---|---|
| faster-whisper | Whisper modelini CTranslate2 ile hızlandırılmış çalıştıran ses-metin kütüphanesi. | MIT Ağırlık: Whisper ağırlıkları MIT (openai/whisper README); dönüştürülmüş model kopyalarının lisansı ayrıca okunmadı. | 26,1 bin |
| whisper.cpp | OpenAI Whisper modelini C/C++ ile taşıyan, CPU üzerinde ve cihazda çalışan konuşma tanıma. | MIT Ağırlık: Whisper ağırlıkları MIT (openai/whisper README). | 54,6 bin |
| WhisperX | Whisper çıktısına kelime düzeyi zaman damgası ve konuşmacı ayrımı ekleyen ses-metin hattı. | BSD-2-Clause Ağırlık: Konuşmacı ayrımı için pyannote modeli Hugging Face üzerinde kullanıcı sözleşmesini kabul etmeyi gerektiriyor (README); hizalama modelleri dile göre ayrı. | 24,8 bin |
| Tesseract | Görüntüden metin okuyan klasik açık kaynak OCR motoru. | Apache-2.0 Ağırlık: Dil verisi (tessdata) deposunda GitHub API lisans alanı boş; lisans doğrulanamadı. | 77,1 bin |
| PaddleOCR | PDF ve görüntüleri yapay zekâ için yapılandırılmış veriye çeviren OCR ve belge ayrıştırma araç takımı. | Apache-2.0 Ağırlık: README lisansı Apache 2.0 olarak veriyor; modeller için ayrı lisans bildirimi okunmadı. | 91,6 bin |
| Docling | PDF, Office ve görüntü belgelerini yapay zekâ için temiz yapıya (tablolar, okuma sırası, OCR) çeviren araç. | MIT Ağırlık: Kod MIT; tekil modellerin lisansı kendi paketlerine bağlı (README). | 69,5 bin |
Yıldız sayıları GitHub'dan 24 Ekim 2026 tarihinde okundu. Daha fazla açık kaynak araç: Repolar.
API anahtarı almadan önce
- Anahtarı koda ya da GitHub'a koyma; ortam değişkeninde sakla ve sağlayıcı panelinden bütçe uyarısı kur. Ayrıntı: Yapay zekâ API anahtarı rehberi.
- Faturalar ABD doları ile kesilir; TL karşılığı için TL hesaplayıcı.
- Diğer işler: Yazı yazdırma · Görsel üretme · Video üretme · Veri çekme · Seslendirme · Karar verme · Toplayıcılar.