音声認識APIの無料枠を比較|超過後の月額試算と2026年の変更点

音声認識APIの多くには無料枠があります。AmiVoice APIは毎月60分、Deepgramは$200分のクレジット、AssemblyAIは事前録音で最大185時間が無料です。ただし、無料枠が毎月戻るか一度きりか、課金単位、送った音声の扱いはサービスごとに異なります。無料の量だけでなく、超過後の単価とデータの条件まで比べて選んでください。

最終確認日:2026年11月18日

API名

無料枠

無料枠の型

カード登録

AmiVoice API

エンジンごとに毎月60分

毎月リセット

料金ページに記載なし

Deepgram

$200のクレジット

一度きり(有効期限なし)

不要

AssemblyAI

事前録音で最大185時間

上限つき(毎月の付与の記載なし)

不要

出典:AmiVoice API 料金、Deepgram Pricing、AssemblyAI Pricing(2026年11月17日確認)

総務省「令和8年版 情報通信白書」では、生成AIサービスの利用経験者は58.8%でした(2025年度調査。今回から15〜19歳も対象。20歳以上に限ると52.2%)。IPAが2026年7月16日に公表した「DX動向2026」の速報ポイントによると、AIの導入率は従業員101人以下の企業で16.6%にとどまります。

従業員の少ない会社でも、無料枠の範囲なら費用をかけずに精度を確かめられます。

この記事の結論
無料枠は、毎月戻る型(AmiVoice API)と、上限まで使うと終わる型(Deepgram・AssemblyAI)に分かれます。月100時間の試算では、AssemblyAI Universal-2が$15、Deepgram Nova-3が$28.80(プロモ価格)、AmiVoice APIが9,801円(税込)です。

無料で使える音声認識APIの無料枠一覧【2026年11月時点】

2026年11月17日時点の音声認識APIの無料枠は、AmiVoice APIが毎月60分、Deepgramが$200、AssemblyAIが事前録音で最大185時間です。改定される場合があるため、契約前に公式料金ページで最新の値を確かめてください。

音声認識APIの無料枠の3つの見方(毎月リセット型・一度きりの無料分・超過後の条件)

無料枠・超過後の単価・課金単位の比較表

比較の項目は、無料枠の量・型・課金単位・超過後の単価・カード登録・送った音声の扱いの6つです。単価は1分あたりにそろえました。

API名

無料枠の量

無料枠の型

課金単位

超過後の単価(1分あたり)

カード登録

送った音声の扱い

AmiVoice API

エンジンごとに毎月60分

毎月リセット

発話区間だけ1秒単位

1.32〜2.475円(税込。汎用エンジン)

料金ページに記載なし

ログ保存の有無を選べる(保存ありは単価が低い)

Deepgram

$200のクレジット

一度きり(期限なし)

秒単位

Nova-3 Monolingual $0.0048(プロモ価格)

不要

料金ページでは確認できず

AssemblyAI

事前録音で最大185時間、ストリーミングで最大333時間

上限つき

料金ページに記載なし

Universal-2 $0.0025

不要

料金ページに記載なし

出典:AmiVoice API 料金、Deepgram Pricing、AssemblyAI Pricing(2026年11月17日確認)

時間単価の料金は、60で割って1分あたりに換算しました。たとえばAssemblyAI Universal-2は、$0.15/時間÷60=$0.0025/分です。ドル建ての料金は円に換算していません。AmiVoice APIの単価は、料金表の表記(税込)によります。

無料枠は「毎月リセット型」と「一度きりのクレジット型」がある

AmiVoice APIの無料枠は、エンジンごとに毎月60分が戻る毎月リセット型です。

Deepgramは、$200のクレジットを使い切ると終わる一度きりの型で、有効期限と最低利用額はありません。AssemblyAIも上限つきの無料分で、毎月付与されるという記載は料金ページにありません。

短期間に多くの音声で精度を確かめるならクレジット型、小さな機能を長く動かすなら毎月リセット型が合っています。

ポイント: 音声認識APIの無料枠は、毎月戻るAmiVoice APIと、上限まで使うと終わるDeepgram・AssemblyAIに分かれます。

音声認識APIを無料で使う2つの方法

音声認識APIを無料で使う方法は、クラウドAPIの無料枠を使う方法と、OSSのモデルを自分で動かす方法の2つです。OSSとは、ソースコードやモデルが公開され、自分の環境で動かせるソフトです。2つの方法では、費用の種類、手間、音声データの置き場所が変わります。

音声認識を試す2つの方法(APIの無料枠を利用・OSSモデルを自分で実行)

クラウドAPIの無料枠を使う

クラウドAPIの無料枠は、APIキーを取得して音声を送るだけで、文字起こしの結果を受け取れる方法です。GPUやサーバーは不要で、登録した日から試せるのが利点です。

ただし無料枠には上限があり、音声は提供会社のサーバーに送られます。処理量が増えたときの単価と音声の扱いは、登録前に確認が必要です。

OSSの音声認識モデルを自分で動かす

OSSの音声認識モデルの代表例は、OpenAIが公開したWhisperです。2022年12月発表の論文によると、Whisperは約68万時間の音声で学習しています。そのうち約11万7千時間は、英語以外の96言語の音声です(出典:Radford ほか、arXiv:2212.04356、2022年12月)。

WhisperのコードとモデルはMITライセンスで公開され、利用料はかかりません(出典:GitHub openai/whisper)。その代わり、GPUの費用と環境構築の手間は自分で負担します。

ポイント: すぐ試すならクラウドAPIの無料枠、音声を外部に送れない場合や処理量が多い場合はOSSのモデルを自分で動かす方法が候補です。

無料の音声認識APIを選ぶ前に確認する4つの条件

無料の音声認識APIを選ぶ前に確認したいのは、無料の量と期限、課金単位、カード登録の要否、送った音声の扱いの4つです。無料枠の量が同じでも、4つの条件で超過後の費用やリスクが変わります。

無料の音声認識APIを選ぶ前の4つの確認(無料枠の量と期限・課金単位と処理方式・カード登録・送った音声の扱い)

無料の量と期限(毎月か一度きりか)

期限で見ると、AmiVoice APIは毎月戻り、Deepgramは期限なし、AssemblyAIは料金ページに期限の記載がありません。

一度きりの無料枠は、使い切った時点で有料に切り替わります。AssemblyAIを長く検証に使う場合は、無料分の期限を登録時に確かめてください。

課金単位とバッチ・ストリーミングの違い

AmiVoice APIは、話している区間だけを1秒単位で課金し、無音の時間は課金しません。沈黙の多い会議の録音では、録音時間より課金される時間が短くなります。

バッチは録音済みのファイルをまとめて処理する方式、ストリーミングは話しながら逐次テキストにする方式です。AssemblyAIは、2つの方式で無料枠も単価も別です。

API名

課金単位

方式による違い

AmiVoice API

発話区間だけ1秒単位

接続方式で単価が違う(税込・ログ保存なしで、WebSocket・同期HTTPは148.5円/時間、非同期HTTPは99円/時間)

AssemblyAI

料金ページに記載なし

無料枠は事前録音が最大185時間、ストリーミングが最大333時間。単価はUniversal-2が$0.15/時間、STT-3.7-Realtimeが$0.30/時間

出典:AmiVoice API 料金、AssemblyAI Pricing(2026年11月17日確認)

クレジットカード登録の要否

DeepgramとAssemblyAIは、クレジットカードを登録せずに無料枠を使い始められます。カードを登録しなければ、検証中に思わぬ請求が起きにくくなります。AmiVoice APIのカード登録の要否は料金ページに書かれていないため、登録画面で確認してください。

送った音声の扱い(ログ保存・学習利用)

AmiVoice APIは、ログ(音声や認識結果の記録)の保存を許可すると単価が下がります。汎用エンジンの非同期HTTPなら、ログ保存なしが99円/時間、ログ保存ありが79.2円/時間(税込)です。DeepgramとAssemblyAIは、料金ページでは音声の保存や学習への利用を確認できません。

注意: AmiVoice APIのログ保存ありは、研究開発と品質向上のために音声データを提供する代わりに割引される料金です(AmiVoice API 料金ページの記載)。個人情報や社外秘を含む音声を送る前に、利用規約と社内ルールを確認してください。

音声を国外のサーバーに出せない場合は、国内で処理できる環境を選ぶ方法があります。HelloCloudの公式サイトの導入事例では、株式会社ラス恋(CEO 山口様)が、処理を国内に閉じられる点を決め手に挙げています。会員の個人情報を扱うため、推論も国外のサーバーに出せない前提でした(出典:HelloCloud公式サイト)。なお、この事例は音声認識ではなく、レコメンドのモデルでの利用です。

個人情報保護法の安全管理措置は、クラウドに個人データを置く場合も必要です。外国のクラウドを使う場合は、外国の制度を把握する「外的環境の把握」も求められます(出典:JIPDECセミナー資料(個人情報保護委員会事務局の講演)、2023年9月)。

ポイント: 4つの条件を確かめると、無料枠の後の月額と、音声を外部に送ってよいかを契約前に判断できます。

主要な音声認識APIの無料枠と料金の詳細

AmiVoice APIは毎月の無料枠、Deepgramは$200のクレジット、AssemblyAIは方式ごとの無料時間と、3社で無料枠の出し方が違います。Google Cloud・AWS・Azure・Gemini・OpenAIは、末尾に公式料金ページのリンクを置きました。

主要な音声認識APIの料金ページで見るポイント(AmiVoice API・Deepgram・AssemblyAI)

AmiVoice API:毎月60分無料、発話区間だけ課金

AmiVoice APIは、株式会社アドバンスト・メディアの国産の音声認識APIで、エンジンごとに毎月60分を無料で使えます。

項目

内容

無料枠

エンジンごとに毎月60分(3,600秒)

課金単位

発話区間だけ1秒単位(無音は課金しない)

汎用(WebSocket・同期HTTP)

ログ保存なし148.5円/時間、あり99円/時間

汎用(非同期HTTP)

ログ保存なし99円/時間、あり79.2円/時間

税の表記・請求の下限

税込。月の税抜合計が50円未満なら請求なし

出典:AmiVoice API 料金(2026年11月17日確認)

Deepgram:$200の無料クレジット(期限なし)

Deepgramの無料クレジットは$200で、有効期限がなく、カード登録も要りません。

項目

内容

無料クレジット

$200(有効期限・最低利用額なし)

カード登録

不要

Nova-3の単価

Monolingual $0.0048/分、Multilingual $0.0058/分

無料クレジットの目安

料金ページのFAQでは約43,000分(700時間超)。$200÷$0.0048/分で計算すると約41,667分

出典:Deepgram Pricing(2026年11月17日確認)

Deepgramの単価は「Promo pricing(プロモ価格)」の表示つきです。プロモ価格は終わる可能性があるため、契約直前に確認してください。

AssemblyAI:事前録音は最大185時間まで無料

AssemblyAIは、事前録音を最大185時間、ストリーミングを最大333時間、カード登録なしで無料で使えます。

項目

内容

無料枠

事前録音で最大185時間、ストリーミングで最大333時間

事前録音の単価

Universal-2 $0.15/時間、AssemblyAI-STT-3.7 $0.21/時間

ストリーミングの単価

STT-3.7-Realtime $0.30/時間

話者分離

別料金(事前録音$0.02/時間、Realtime $0.12/時間)

出典:AssemblyAI Pricing(2026年11月17日確認)

話者分離とは、誰が話したかを分けてテキストにする機能です。議事録に使うなら、見積もりに話者分離の料金も含めてください。マルチチャンネルの音声はチャンネルごとに課金され、1時間のステレオ音声は2時間分の扱いです。

Google Cloud・AWS・Azure・Gemini・OpenAI

Google Cloud・AWS・Azure・Gemini・OpenAIの音声認識の料金と無料枠は、各社の公式料金ページに載っています。比べるときは、無料枠の型・課金単位・超過後の単価の3点をそろえると差が分かります。

ポイント: AmiVoice APIは毎月の無料枠と発話区間だけの課金、Deepgramは期限のない$200、AssemblyAIは方式別の無料枠が特徴です。

2026年の変更点:OpenAIの音声認識APIは2027年2月停止

OpenAIは2026年8月26日に、whisper-1など4つの音声認識モデルのAPI提供を2027年2月26日に停止すると告知しました。これから試す場合、停止予定の4モデルで実装すると、2027年2月26日以降に作り直しが必要になります。

音声認識モデルの提供終了への備え(利用中のモデルを特定・代替モデルで検証・終了前に切り替え)

停止するモデルと公式の代替モデル

停止するモデル

停止日

公式の代替

whisper-1

2027年2月26日

gpt-live-transcribe または gpt-transcribe

gpt-4o-transcribe

2027年2月26日

gpt-live-transcribe または gpt-transcribe

gpt-4o-mini-transcribe(2025-12-15版を含む)

2027年2月26日

gpt-live-transcribe または gpt-transcribe

gpt-4o-transcribe-diarize

2027年2月26日

gpt-live-transcribe または gpt-transcribe

/v1/audio/translations

2027年2月26日

/v1/realtime/translations

gpt-4o-mini-transcribe-2025-03-20

2027年1月20日

gpt-4o-mini-transcribe-2025-12-15

出典:OpenAI Deprecations(告知日:2026年7月20日・8月26日。2026年11月18日確認)

表の最後の行は2026年7月20日に告知された分で、ほかより1か月早く止まります。代替の2025-12-15版も、2027年2月26日に停止する予定です。

これから無料枠で試すときの注意点

OpenAIの音声認識APIを新しく組み込む場合は、停止予定のモデル名ではなく、公式が案内する代替モデルで実装してください。

注意: whisper-1などで実装したアプリは、2027年2月26日以降に文字起こしができなくなります。停止日までに代替モデルへ切り替えてください。

ポイント: whisper-1を含む4モデルは2027年2月26日に停止予定のため、新規の実装はgpt-live-transcribeかgpt-transcribeで行ってください。

音声認識APIの無料枠を超えたら月いくら?料金試算

音声認識APIの無料枠を超えて月100時間を処理すると、AssemblyAI Universal-2は$15、Deepgram Nova-3 Monolingualは$28.80です。AmiVoice API(非同期HTTP・ログ保存なし)なら9,801円(税込)かかります。いずれも公式の単価から計算した値です。

無料枠を超えた後の月額の見積もり方(月の処理量・超過後の単価・追加費用)

試算の計算式と前提(単位・税込税別・為替)

月額は「単価×月の処理時間」で計算しました。AmiVoice APIは毎月60分の無料枠を差し引き、「(月の処理時間−1時間)×99円」としています。

  • Deepgram Nova-3 Monolingual:$0.0048/分×60分×月の処理時間

  • AssemblyAI Universal-2:$0.15/時間×月の処理時間

  • AmiVoice API:99円/時間(税込)×(月の処理時間−1時間)

ドル建ての料金は円に換算していません。DeepgramとAssemblyAIの税の扱いは料金ページにないため、契約時に確認が必要です。

月10時間・100時間・1,000時間の試算表

API・モデル

単価

月10時間

月100時間

月1,000時間

Deepgram Nova-3 Monolingual

$0.0048/分

$2.88

$28.80

$288

AssemblyAI Universal-2

$0.15/時間

$1.50

$15

$150

AmiVoice API(汎用・非同期HTTP・ログ保存なし)

99円/時間(税込)

891円

9,801円

98,901円

出典:Deepgram Pricing、AssemblyAI Pricing、AmiVoice API 料金の単価から計算(2026年11月17日確認)

試算には、DeepgramとAssemblyAIの一度きりの無料分を含めていません。AmiVoice APIは発話区間だけが課金されるため、試算額は上限の目安です。話者分離などの追加機能を使うと、別料金が上乗せされます。

一度きりの無料クレジットは何時間分か

Deepgramの$200は、料金ページのFAQではNova-3で約43,000分(700時間超)と書かれています。現在のNova-3 Monolingualの単価$0.0048/分で割ると、約41,667分(約694時間)です。

AssemblyAIは事前録音なら最大185時間まで無料で使えます。AmiVoice APIは毎月60分なので、1つのエンジンを1年使っても無料分は合計12時間です。数百時間の音声で精度を確かめたいなら、DeepgramかAssemblyAIの無料分が向いています。

ポイント: 自分の月の処理時間を計算式に当てはめて、無料枠を超えた後の予算を見積もってください。

無料枠の次の選択肢:音声認識モデルをGPUで動かす

無料枠を使い切った後や、音声を外部のAPIに送れない場合は、Whisperなどの音声認識モデルをGPUで動かす方法があります。判断の軸は、APIの単価で予算に収まるか、音声を外部に送ってよいか、環境を自分で運用できるかの3点です。

音声認識モデルをGPUで動かすときの3つの判断軸(音声あたりの費用・データを置く場所・運用できるか)

Whisperのモデルサイズと必要VRAM

Whisperを動かすには、モデルの大きさに応じたVRAM(GPUのメモリ)が必要で、largeは約10GB、turboは約6GBです。

モデル

パラメータ数

必要VRAM

tiny

39M

約1GB

base

74M

約1GB

small

244M

約2GB

medium

769M

約5GB

large

1550M

約10GB

turbo

809M

約6GB

出典:GitHub openai/whisper(2026年11月17日確認)

READMEの相対速度は、A100で英語の音声を処理したときの比較で、実際の所要時間には換算できません。インストールは、READMEに記載された次のコマンドで行います。READMEにバージョンの指定はなく、入るのは最新のリリースです。

pip install -U openai-whisper

動かすには、別途ffmpegのインストールも必要です(READMEの記載)。

VRAMの必要量の見積もり方は、LLMを例にした必要VRAMの計算方法で紹介しています。

API従量課金と自前GPUを比べる計算式

自前のGPUの費用は、「音声1時間あたりのGPU費用=GPUの時間単価×処理にかかった時間÷処理した音声の長さ」で計算できます。この値を、試算表のAPIの単価と同じ1時間あたりの単位で比べてください。処理時間はGPUの種類、モデル、音声の言語や長さで変わるため、自分の音声で測る必要があります。

自前で動かすときの手間と注意点

自前で動かす場合に、利用料の代わりに負担する手間は次の4つです。

  • GPUの環境構築と、ドライバ・ライブラリの管理

  • 話者分離やタイムスタンプなど、APIにある機能の実装

  • 処理速度の測定と、処理量に合わせたGPUの増減

  • 音声とテキストの保存場所、アクセス権の管理

環境構築の手間を減らす方法は、構築済みイメージなどの方式の比較で紹介しています。

GPUクラウドで動かす方法

GPUを買わずに動かすなら、GPUクラウドを使う方法があります。国内の一例として、HelloCloudの公式サイトで確認できる事実をまとめました(出典:HelloCloud公式サイト、利用規約、2026年11月17日確認)。

GPUクラウドの仕組みと使い方は、GPUクラウドの基本を解説した記事で説明しています。

  • GPUインスタンスとサーバーレスGPU実行環境は、東京の2拠点で稼働

  • RTX 6000(VRAM 96GB)は¥380/時間(1インスタンスあたりの参考価格。税込・税別の記載なし)。公式の想定用途に「画像・音声のバッチ処理」がある

  • サーバーレスGPU実行環境は、依存ライブラリをコンテナイメージにまとめ、コードでGPUの種類と枚数を指定してコマンド1つでデプロイすると、指定したGPUでコンテナが起動する

  • GPUは従量課金で、申し込みの当日から使える

  • 利用規約で、法令対応などを除き、選択されたリージョンの外へコンテンツを移動しないと定めている

WhisperのlargeのVRAM約10GBは、RTX 6000の96GBに収まります。

公式サイトの導入事例では、Aimy株式会社(CEO 平野様)が、AIキャラクターとの対話サービスで推論を常時動かしながら、同じ環境でモデルの学習も進めています。音声認識ではない、GPUクラウドの使われ方の一例です。

待機中の料金など、詳しい条件は資料請求で確認できます。国内のGPUクラウドの料金は、国内サービスの総額と契約条件の比較で確かめられます。

ポイント: 無料枠を超えた後は、APIの単価と、GPUの時間単価から求めた音声1時間あたりの費用を比べて選んでください。

音声認識モデルを国内のGPUで動かしたい方へ
HelloCloudの特徴と料金、導入の進め方がわかる資料を配布しています。東京の2拠点で、GPUインスタンスとサーバーレスGPU実行環境を従量課金で使えます。
資料請求(HelloCloudの特徴と料金)

音声認識APIの無料枠についてよくある質問

音声認識APIの無料枠でよくある質問(商用利用できるか・カードなしで試せるか・音声は学習に使われるか)

無料枠で商用利用はできますか?

無料枠を商用に使えるかどうかは、各社の利用規約で確認が必要です。

この記事で確認したのは料金ページの記載だけで、商用利用の条件は判断していません。自社サービスに組み込む前に、利用規約の利用目的と禁止事項を確かめてください。

カード登録なし・期限なしで使えるAPIはありますか?

Deepgramは、カード登録なしで$200のクレジットを使え、有効期限もありません。

AssemblyAIもカード登録は不要ですが、無料分の有効期限は料金ページに書かれていません。

Whisper APIは今後も使えますか?

OpenAIのWhisper API(whisper-1)は、2027年2月26日に提供が停止される予定です。

代替として、OpenAIはgpt-live-transcribeまたはgpt-transcribeを案内しています。一方、OSSのWhisperのモデルはAPIの停止の対象外で、自分のGPUで引き続き動かせる状態です。

送った音声は学習に使われますか?

送った音声の扱いはサービスごとに違うため、各社の利用規約とプライバシーポリシーで確認してください。

AmiVoice APIでは、ログ保存ありを選ぶとデータが研究開発と品質向上に使われ、その代わりに単価が低くなります。DeepgramとAssemblyAIは、料金ページでは音声の保存や学習への利用を確認できません。

まとめ:無料の音声認識APIは超過後の単価と条件で選ぶ

無料の音声認識APIは、無料の量に加えて、無料枠の型・超過後の単価・送った音声の扱いで選んでください。

無料の音声認識APIを選ぶ3つのポイント(無料枠の型・継続利用の総額・音声の扱いと提供期間)
  • 無料枠:AmiVoice APIは毎月60分、Deepgramは$200(期限なし)、AssemblyAIは事前録音で最大185時間

  • 月100時間の試算:AssemblyAI Universal-2が$15、Deepgram Nova-3が$28.80(プロモ価格)、AmiVoice APIが9,801円(税込)

  • OpenAIのwhisper-1などは2027年2月26日に停止予定

処理量が増えたときや音声を外部に送れないときは、国内のGPUで動かす方法も比べてください。

無料枠の次に、音声認識を国内のGPUで動かす方法を検討している方へ
HelloCloudの特徴と料金、導入の進め方がわかる資料を配布しています。LLM推論・モデル学習・バッチ処理での活用方法もまとめています。
資料請求(HelloCloudの特徴と料金)

HelloCloud編集部 国内GPUクラウド「HelloCloud」を提供する株式会社HelloCloudの編集部です。GPUクラウドの仕組みや料金の見方、LLMの推論・学習に使う環境づくり、データの保存先や契約条件の確かめ方を、AI開発に関わるエンジニアや導入を判断する方に向けて解説しています。記事は調査会社や省庁の発表、各社の公式な料金ページ・利用規約などの一次情報をもとに作成し、料金や仕様の変更にあわせて内容を更新しています。