TL;DR
- La RTX 4090 offre le coût le plus bas par heure audio pour la transcription par lots, en faisant tourner faster-whisper large-v3 à environ 95× le temps réel.
- Pour une API toujours active, louez la L4 72 W à $0,196 par heure sur LowCostGPU, près de 40× le temps réel et 35 % moins cher en réservé.
- Whisper large-v3 n’a besoin que d’environ 3 GB en float16 et 1,5 GB en int8, donc la VRAM ne décide jamais ; c’est le débit multiplié par le prix qui décide.
- Le traitement par lots fait la différence entre 8× et 90× le temps réel sur une seule 4090 ; le VAD élimine les silences pour 20 à 40 % de calcul en moins.
La seule mesure : cents par heure audio
Whisper tient sur n’importe quoi — large-v3 fait environ 3 GB en float16 — donc la VRAM ne décide jamais. Ce qui décide, c’est le débit × le prix : combien d’heures d’audio une carte transcrit par heure de location. Avec le pipeline par lots de faster-whisper, l’écart entre une T4 et une H100 est d’environ 10× en vitesse, mais seulement d’environ 2× en coût par heure audio, parce que les cartes rapides coûtent plus cher à l’heure. Choisissez selon la dernière colonne ci-dessous, puis selon qu’il s’agit d’un batch ou d’un service.
Les cartes classées par coût par heure audio
Vitesses indicatives pour faster-whisper large-v3, en float16, pipeline par lots (batch 16, VAD activé), exprimées en multiples du temps réel ; votre mix audio, la taille de batch et les réglages int8 les font varier. Les prix sont les tarifs à la demande du jour.
| Carte | À la demande | Vitesse (× temps réel) | Heures audio par GPU-heure | $ par heure audio | Note |
|---|---|---|---|---|---|
| Tesla T4 16 GB | $0,104 | ~18× | 18 h | $0,0058 | La carte datacenter la moins chère ; l’int8 aide |
| RTX 3060 12 GB | $0,058 | ~28× | 28 h | $0,0021 | La carte grand public la moins chère qui fait tenir large-v3 facilement |
| L4 24 GB | $0,196 | ~40× | 40 h | $0,0049 | 72 W, mono-slot — la carte API toujours active |
| RTX 4070 12 GB | $0,123 | ~45× | 45 h | $0,0027 | Vitesse Ada à bas tarif pour les tâches en batch |
| RTX 4090 24 GB | $0,354 | ~95× | 95 h | $0,0037 | Le cheval de bataille de la transcription en batch |
| A100 PCIE 80 GB | $0,388 | ~110× | 110 h | $0,0035 | De nombreux flux parallèles, 80 GB pour les gros batches |
| H100 PCIE 80 GB | $1,811 | ~170× | 170 h | $0,0107 | Le débit le plus élevé par carte |
La capacité interruptible divise par deux chaque chiffre de la colonne prix — les files de transcription sont la charge de travail interruptible idéale, puisque chaque fichier est un élément indépendant et redémarrable.
Quelle carte pour quelle tâche
| Tâche | Louez | Pourquoi |
|---|---|---|
| Une archive de podcasts, des milliers d’heures, une fois | RTX 4090, interruptible | Le $/heure-audio le plus bas des cartes grand public ; le batch tolère les pauses |
| Une API de transcription toujours active | L4, réservé | Carte datacenter 72 W, −35 % réservé, ~40× le temps réel suffit largement pour le streaming |
| Des réunions pour une petite équipe, en soirée seulement | RTX 3060 | La carte la moins chère qui fait tourner large-v3 confortablement ; arrêtez-la quand elle est inactive |
| Des milliers de flux simultanés | A100 PCIE ou H100 PCIE | 80 GB pour les gros batches, le débit agrégé le plus élevé |
| Pipelines de diarisation + transcription | RTX 4090 ou L4 | Les modèles Pyannote ajoutent ~2 GB ; les deux cartes ont la place |
Configuration : WebUI et API en 30 secondes
lowcostgpu launch --gpu l4 --template whisper-webui-api --disk 40 --volume audio:/data
# ✓ instance i-5d0a91f2 running (27.3s) · $0,196/hr
# https://i-5d0a91f2.lowcostgpu.com:7860 (Web UI) · :8000/transcribe (REST)
curl -F 'file=@call.mp3' -F 'model=large-v3' https://i-5d0a91f2.lowcostgpu.com:8000/transcribeLe template Whisper WebUI & API fait tourner faster-whisper derrière une interface web et un endpoint REST avec horodatage des mots, détection de la langue et export des sous-titres. Montez un volume pour les fichiers d’entrée et les transcriptions, afin que les instances restent jetables.
Tirer davantage de n’importe quelle carte
- Batch. Le pipeline par lots fait la différence entre 8× et 90× le temps réel sur la même 4090 ; le décodage séquentiel fichier par fichier gaspille la carte.
- int8 sur les petites cartes. Sur la T4 et la 3060, les poids en int8 tournent plus vite avec une perte de précision négligeable ; gardez le float16 à partir d’Ada.
- VAD d’abord. La détection d’activité vocale saute les silences — 20 à 40 % de calcul en moins sur l’audio de réunion.
- Choisissez la bonne taille de modèle. turbo et distil-large-v3 tournent 4 à 6× plus vite que large-v3 pour l’anglais, avec une petite perte de précision.
- Interruptible pour les files d’attente, réservé pour les API. Les tâches en batch paient moitié prix ; un endpoint 24/7 paie −35 % et ne dort jamais.
Voir aussi : servir des LLM sur les mêmes cartes et le comparatif L4 vs T4.
Faites travailler ces chiffres
Chaque prix de ce guide est notre tarif en direct — fixe, ≥30 % sous la médiane du marché, facturé à la seconde. Déployez exactement la configuration ci-dessus depuis la console en environ 30 secondes, paiement en crypto, sans carte et sans KYC.
