会議録音や通話の文字起こしをAPIで外注するとき、最初にぶつかるのが料金の見比べ方です。サービスごとに単位が違い、同じ「安い」でも中身がずれます。
本稿は2026年9月19日時点の公式料金ページをもとに、日本から利用しやすい主要文字起こしAPIを一覧表にまとめます。xAI（Grok）のSpeech-to-Textも含めます。数値は導入の入口としての目安です。
料金の見方
文字起こしAPIの料金は、サービスごとに「1分いくら」「1時間いくら」「トークンいくら」が混在します。ここではビジネスでよく使う録音ファイルの文字起こしを軸に、公式が見せている単価を「音声1分」「音声60分」にそろえて並べます。為替は日々動くため、円建てが公式のAmiVoiceはそのまま円で示し、海外サービスはドル表記のままにします。
比較の前提は次のとおりです。確認日は2026年9月19日。公式の料金ページ・製品ページに書かれた標準単価を使い、ボリュームディスカウントや営業見積もりは「目安」扱いです。ストリーミングは接続時間課金のサービスもあるため、表では方式名を分けてあります。日本語対応の有無はモデルごとに違うので、導入前に各社の言語一覧も見てください。
「日本で使える」は、日本からアカウントを作りAPIを呼べる、または国内データ運用の選択肢がある、という意味です。データの保管場所や契約条件は別途、各社の規約と自社の要件で確認が必要です。xAIのGrok Voice TranscribeもSpeech-to-Text APIとして日本から利用できるため、今回の一覧に含めています。
公式単価の比較表
確認日: 2026年9月19日。海外サービスは公式のドル表記、AmiVoiceは公式の税込円表記です。xAIは公式の時間単価を分換算して併記しています。
| サービス | モデル／方式 | 公式の目安単価 | 音声60分あたり | 無料枠など | 補足 |
|---|---|---|---|---|---|
| xAI（Grok） | Speech to Text / Grok Voice Transcribe（REST・バッチ） | $0.10 /時間（約$0.0017/分） | $0.10 | 要確認 | 話者分離・タイムスタンプ・キーワード込み。日本からAPI利用可 |
| xAI（Grok） | Speech to Text（ストリーミング） | $0.20 /時間（約$0.0033/分） | $0.20 | 要確認 | リアルタイム。単価は公式Voice Pricing |
| OpenAI | gpt-transcribe（推奨の録音文字起こし） | 約 $0.0045 /分 | 約 $0.27 | なし（従量） | 公式が見積もり単価を掲載。新規はこちら推奨 |
| OpenAI | gpt-4o-mini-transcribe | 約 $0.003 /分 | 約 $0.18 | なし | トークン課金。見積もり約$0.003/分 |
| OpenAI | gpt-4o-transcribe | 約 $0.006 /分 | 約 $0.36 | なし | トークン課金。見積もり約$0.006/分 |
| OpenAI | whisper-1 | $0.006 /分 | $0.36 | なし | 分単位の固定単価 |
| OpenAI | gpt-live-transcribe（ライブ） | 約 $0.017 /分 | 約 $1.02 | なし | リアルタイム向け |
| Google Cloud | Speech-to-Text V2 標準（Chirp含む） | $0.016 /分（〜50万分/月） | $0.96 | V1は月60分無料あり | 大量利用で$0.01〜$0.004へ段階値下げ |
| Google Cloud | Dynamic Batch（V2） | $0.003 /分 | $0.18 | — | 結果まで最大約24時間許容向け |
| Amazon Transcribe | 標準バッチ（例: 米国東部） | $0.006 /分 | $0.36 | 初12ヶ月・月60分 | リージョンで単価が違う。秒単位課金 |
| Amazon Transcribe | 標準ストリーミング（同） | $0.01 /分 | $0.60 | 同上 | 通話・ライブ向け |
| Azure Speech | 標準リアルタイム | 約 $1.00 /時間（約$0.0167/分） | 約 $1.00 | F0で月5時間 | 公式表は地域表示。公開資料の$表記を参照 |
| Azure Speech | バッチ（REST v3.2以降） | 約 $0.18 /時間（約$0.003/分） | 約 $0.18 | バッチは無料枠対象外の記載あり | 導入直前に公式で再確認 |
| Deepgram | Nova-3 録音済み（単言語） | $0.0043 /分 | $0.258 | $200クレジット | 言語対応は公式の言語表を確認 |
| Deepgram | Nova-3 ストリーミング（単言語・現行表示） | $0.0048 /分（通常$0.0077） | $0.288 | 同上 | プロモ価格の表示あり |
| AssemblyAI | Universal-2（録音） | $0.15 /時間（$0.0025/分） | $0.15 | $50クレジット | 時間単価表示 |
| AssemblyAI | Universal-3.5 Pro（録音） | $0.21 /時間（$0.0035/分） | $0.21 | 同上 | 高精度寄り |
| AmiVoice API | 汎用・非同期・ログ保存あり | 79.2円 /時間（税込） | 79.2円 | 各エンジン月60分無料 | 発話区間のみ課金。国内向け |
| AmiVoice API | 汎用・非同期・ログ保存なし | 99円 /時間（税込） | 99円 | 同上 | 無音は課金しない方針 |
| AmiVoice API | 汎用・リアルタイム（WS/同期）・ログなし | 148.5円 /時間（税込） | 148.5円 | 同上 | ライブ字幕・通話向け |
表から見える傾向
表をざっと見ると、録音ファイル向けの「安い帯」はおおむね音声1分あたり0.002〜0.006ドル前後に集まります。特にxAI（Grok）のREST文字起こしは公式で$0.10/時間（約$0.0017/分）で、話者分離やタイムスタンプ込みの表示です。OpenAIのgpt-transcribeやgpt-4o-mini-transcribe、Deepgram Nova-3の録音、AssemblyAIのUniversal系、Amazon Transcribeのバッチ、GoogleのDynamic Batchもこの安い帯に入ります。Googleの標準リアルタイムやAzureの標準リアルタイムは、同じ「1分」でも高めに見えることが多いです。
AmiVoiceは円建てで、汎用の非同期・ログ保存ありが税込79.2円/時間です。毎月エンジンごとに60分無料で、無音は原則課金しない、というのが国内向けのわかりやすい強みです。ドル換算すると為替次第ですが、「日本語特化・発話区間課金・無料枠」という選び方の軸になります。
注意したいのは、表示単価が同じでも課金の単位が違うことです。AssemblyAIのストリーミングはWebSocketを開いている時間で課金され、DeepgramやOpenAIの分単価とも考え方が異なります。ステレオの複数チャンネルを別課金するサービスもあるので、見積もりでは「音声の長さ」だけでなく「チャンネル数」と「リアルタイムかバッチか」を揃えて比べてください。
用途別の選び方
選び方の目安は用途で分けると迷いにくいです。会議やインタビューの録音を後から起こすなら、xAIのGrok Voice Transcribe、OpenAIのgpt-transcribe、Deepgram Nova-3録音、AssemblyAI、Amazonバッチ、Google Dynamic Batch、AmiVoice非同期を候補に、精度と日本語・社内用語の強さで絞ります。コールセンターや字幕のようにリアルタイムが必要なら、各社のストリーミング単価と遅延、接続時間課金の有無を先に確認します。
日本企業で「日本語の品質」と「国内サポート・円建て請求」を優先するならAmiVoiceが第一候補になりやすいです。グローバル製品に載せたい、他のAI機能と同じキーで済ませたいならOpenAIやxAI、クラウド大手が扱いやすいです。医療・金融など業界語が多い場合は、AmiVoiceの業界エンジンや、各社のカスタム語彙・医療オプションの有無も料金表の横で見てください。
最後に、公式ページは改定が早いです。導入や契約の直前には、必ず各社の料金ページで当日の数字を取り直してください。本稿の表は比較の入口であり、請求の根拠は各社の最新公式が優先です。
まとめ
文字起こしAPIは、録音向けなら1分0.002〜0.006ドル前後の選択肢が厚い一方、リアルタイムやクラウド標準は高めになりがちです。xAI（Grok）のRESTは$0.10/時間と公式単価が低く、AmiVoiceは円建て・発話区間課金・月60分無料で日本語業務との相性がわかりやすいです。
比べるときは「分／時間／トークン」「バッチ／ストリーム」「チャンネル数」「無料枠」をそろえ、最終確認は各社公式で行いましょう。
参考リンク
- xAI：Pricing（Speech to Text）
- xAI：Introducing Grok Voice Transcribe 2.0
- OpenAI：API Pricing（Transcription）
- Google Cloud：Speech-to-Text pricing
- Amazon Web Services：Amazon Transcribe Pricing
- Microsoft Azure：Azure Speech pricing
- Deepgram：Deepgram Pricing
- AssemblyAI：AssemblyAI Pricing
- AmiVoice Cloud Platform：AmiVoice API 価格
コメント