録音した音声から文字を起こす機能を、自分で作るアプリやサービスに組み込みたい。そんな案件が、フリーランスの開発者にも増えています。会議の記録、動画の字幕、通話の分析など、使い道はさまざまです。
こうした機能には、音声認識のAPIを使う方法があります。ただ、料金は1時間あたり、1分あたり、クレジットの消費など、数え方がサービスごとに違います。無料でもらえる分も、金額や条件が異なります。
このページでは、AssemblyAI・Deepgram・Speechmaticsの3つを、公式の料金ページをもとに比較します。無料の範囲と、料金の違いを確認していきましょう。



なぜフリーランスに音声認識APIの比較が必要か?
まずは、フリーランスがこうしたサービスを比べて選ぶ理由を確認しましょう。利用する音声の時間が増えるほど、費用も増えていきます。見積もりの段階で、料金の数え方を把握しておくことが大切です。
無料で試せるサービスが多い一方で、無料の分の大きさや、使い切った後の動きは、サービスごとに異なります。事前に違いを知っておくと、案件の規模に合った選び方ができます。
料金の数え方がサービスごとに違う
1時間あたりで示すもの、1分あたりで示すもの、クレジットを消費する形のものがあります。リアルタイムの処理と、録音済みの処理で、料金が分かれている点も共通しています。
案件で扱う音声が、録音済みか、リアルタイムかを、先に整理しておきましょう。
追加機能の料金も見ておきたい
話者の分離、個人情報の黒塗り、キーワードの指定などは、別料金になる場合があります。基本の料金だけで比べると、実際の費用とずれることがあります。
案件で必要な機能を、先に洗い出しておきましょう。
3つのサービスをひと目で比較すると?
個別に見る前に、3つのサービスの違いを一覧で確認しておきましょう。無料のクレジットと、料金の数え方に違いがあります。
表を見ながら、自分の案件に近いものを探してみてください。
無料の範囲に違いがある
AssemblyAIは、登録時に50ドル分のクレジットがもらえ、カードの登録は不要です。Deepgramは200ドル分、Speechmaticsは100ドル分の無料クレジットと案内されています。
無料の分の大きさは、Deepgramが最も大きい形です。
録音済みの音声の料金にも違いがある
AssemblyAIは、Universal-2が1時間0.15ドル、Universal-3.5 Proが0.21ドルです。Deepgramは、Nova-3の単一言語が1分0.0043ドルで、1時間あたり0.26ドルと案内されています。
Speechmaticsは、Melia 1が1時間0.24ドル、Standardが0.45ドルです。
| 項目 | AssemblyAI | Deepgram | Speechmatics |
|---|---|---|---|
| 無料のクレジット | 50ドル分 | 200ドル分 | 100ドル分 |
| 録音済みの料金 | 1時間0.15ドル〜 | 1時間0.26ドル〜 | 1時間0.24ドル〜 |
| リアルタイムの料金 | 1時間0.15ドル〜 | 1分0.0048ドル〜 | 1時間0.30ドル〜 |
| 料金の数え方 | 時間単位 | 分単位 | 時間単位(クレジット) |
| 表示の注意 | 日本語対応は記載なし | リアルタイムは期間限定価格 | 無料は同時2接続・使い切ると停止 |
表で見比べてから、気になるサービスを詳しく確認する
気になる項目を先にチェックしてから、下記の各サービスの詳細解説を読むと理解しやすくなります。
AssemblyAIにはどんな特徴があるのか?
AssemblyAIは、音声認識を中心に、音声の分析機能も提供するAPIです。公式の料金ページでは、無料のクレジットと、従量課金、エンタープライズの形が案内されています。
モデルごとに、1時間あたりの料金が示されています。



登録時に50ドル分のクレジット、カード登録は不要
登録すると50ドル分のクレジットがもらえ、クレジットカードの登録は不要と案内されています。無料枠では、1分あたりに始められるストリームが5本までです。
従量課金では、1分あたり100本までに上がります。
モデルごとに1時間あたりの料金
録音済みの音声は、Universal-3.5 Proが1時間0.21ドル、Universal-2が0.15ドルです。リアルタイムは、Universal-Streamingが1時間0.15ドルで、接続していた時間で課金されます。
話者の分離は、1時間あたり0.02ドルの追加と案内されています。日本語に対応しているかは、料金ページに記載がありません。
Deepgramにはどんな特徴があるのか?
Deepgramは、音声認識と、音声の合成、音声エージェントのAPIをまとめて提供するサービスです。公式の料金ページでは、Pay As You Go、Growth、Enterpriseが案内されています。
料金が1分単位で示され、モデルごとに細かく分かれています。



200ドル分の無料クレジット、最低利用額なし
Pay As You Goは、最低利用額も、有効期限もなく、カードの登録は不要と案内されています。登録時に、200ドル分の無料クレジットがもらえます。
Growthは、年間の前払いで最大20%の割引があり、年4,000ドル以上からです。
Nova-3は1分0.0043ドルから
録音済みの音声は、Nova-3の単一言語が1分0.0043ドル、多言語が0.0052ドル、Whisper Largeが0.0048ドルと案内されています。リアルタイムは、Nova-3の単一言語が1分0.0048ドルです。
リアルタイムの料金は、期間限定の価格として表示されており、元の価格は取り消し線で示されています。
Speechmaticsにはどんな特徴があるのか?
Speechmaticsは、音声認識のAPIを提供するサービスです。公式の料金ページでは、セルフサービスと、エンタープライズが案内されています。
クレジットを消費する形で、モデルごとに1時間あたりの料金が決まります。



登録時に100ドル分のクレジット、使い切ると停止
登録時に100ドル分のクレジットがもらえ、カードの登録は不要と案内されています。無料の間は、リアルタイムの同時接続が2つまでです。
クレジットを使い切ると、APIへのアクセスが止まります。無料分の分数は、料金ページに記載がありません。
モデルごとに1時間あたりの料金
録音済みの音声は、Melia 1が1時間0.24ドル、Standardが0.45ドル、Enhancedが0.75ドルと案内されています。リアルタイムは、Melia 1が0.40ドル、Enhancedが0.80ドルです。
サブスクリプションで最大25%、クレジットのパックで最大20%の割引があります。
フリーランスの文字起こしツールとはどう使い分ければいいのか?
すでにある文字起こしのツールを使いたい場合は、フリーランスの文字起こし・議事録作成ツール比較の記事も参考になります。自分のアプリに機能を組み込むなら、APIが向いています。
使うだけならツールで足りる
自分の仕事の議事録を作るだけなら、完成したツールのほうが、手間が少なく済みます。
案件に組み込むならAPIを選ぶ
納品するアプリの機能にするなら、APIを使い、料金を案件の見積もりに含めておく必要があります。
フリーランスのサーバーレス関数やジョブサービスとはどう組み合わせればいいのか?
音声の処理は、時間がかかる場合があります。フリーランスのサーバーレス関数サービス比較や、フリーランスのバックグラウンドジョブサービス比較の記事も参考になります。
長い音声は裏側で処理する
長い録音を処理する場合は、画面とは別の裏側の処理に切り出すと、画面の待ち時間を減らせます。
結果をアプリに戻す流れを決める
文字起こしの結果を、どこに保存し、いつ画面に反映するかを、先に決めておきましょう。
料金を比べるときに注意したい点は何か?
無料のクレジットの大きさだけで選ぶと、運用が始まってから費用の見込みがずれることがあります。次の2点を意識すると、判断しやすくなります。
料金の単位を揃えて比べる
AssemblyAIとSpeechmaticsは1時間、Deepgramは1分で料金が示されています。1時間に直して比べると、Deepgramの録音済みは0.26ドルからです。
追加機能や、リアルタイムの料金も含めて、案件の条件で試算してみましょう。
日本語の対応や、期間限定の価格を確認する
料金ページには、日本語への対応の記載が見当たらないサービスもあります。Deepgramのリアルタイムは、期間限定の価格です。
契約する前に、日本語の精度と、最新の料金を、実際の音声で確認しておくと安心です。
申し込む前に整理しておきたいことは何か?
どのサービスを選ぶ場合でも、始める前に案件の条件を整理しておくと、費用の見込み違いを減らせます。
音声の種類と月間の時間、必要な機能を見積もる
録音済みか、リアルタイムかを決めて、月間に処理する音声の時間を、おおまかに見積もっておきましょう。話者の分離などの機能も、必要かどうかを確認します。
音声データの扱いと契約の主体を確認する
会議や通話の音声には、個人情報が含まれる場合があります。データの保存や、学習への利用の条件も、公式ページで確認しておきましょう。納品後の請求先も、先に決めておくと安心です。
料金や無料枠は、事業者の都合で変更されることがあります。契約の前に、各社の公式ページで最新の内容を確認しておきましょう。
ドル建ての料金は、為替や税の扱いで実際の請求額が変わります。支払い方法と請求の通貨も、申し込み前に確認しておくと安心です。
まとめ:フリーランスの音声認識API比較
料金を1時間単位で見積もりたいならAssemblyAI、無料のクレジットを多く使いたいならDeepgram、モデルを選んで調整したいならSpeechmaticsが選択肢になります。
どれが最適かは案件の内容によって分かれるところで、これが唯一の正解だと言い切るのは難しいところですが、音声の種類と月間の時間で絞るとわかりやすくなります。
| サービス | 向いている人 |
|---|---|
| AssemblyAI | 時間単位で見積もりたい人 |
| Deepgram | 無料クレジットを多く使いたい人 |
| Speechmatics | モデルを選んで調整したい人 |
いずれのサービスも、料金や無料枠は変更されることがあります。申し込みの前に、公式サイトで最新の内容をじっくり確認してみましょう。
自分の案件の音声の種類と、月間の時間に合わせて、無理のないサービスを選んでいきましょう。まずは、無料のクレジットで試してみることから始めるのがおすすめです。
まずは自分に合ったサービスを確認してみることから、無理せず気軽に始めてみてください。


関連記事:フリーランスのAIモデル実行API比較|Replicate・fal・Together AI、AI機能をアプリに組み込むならどれ?
出典・参照元
※本ページに掲載している口コミ・実践談は、特定の個人を特定できないよう配慮しており、ウェブサイトおよびSNS上の公開情報をもとに編集しています。個人の実践に基づく情報であり、すべての方に同じ効果や利益が生じることを保証するものではありません。本ページは特定のサービスへの申し込みをすすめるものではなく、条件は変更される場合があるため、最新情報は公式サイトでご確認ください。









