Deepgram vs AssemblyAI — 文字起こしAPIの単価と課金方式
どちらも文字起こしのAPIだが、課金の単位と付いてくる機能が違う。大量に回すなら単価差が効き、少量なら付帯機能で決まる。価格は2026年11月時点で各社の公式料金ページで確認した値。
編集部
AI Tools Hub 編集部 · 公開 2026-11-01
料金
| Deepgram | AssemblyAI | |
|---|---|---|
| 単位 | 分 | 時間 |
| 録音済み（単一言語） | Nova-3 $0.0043/分（$0.258/時） | Universal-2 $0.15/時 |
| 録音済み（多言語） | $0.0052/分（$0.312/時） | Universal-3.5 Pro $0.21/時 |
| ストリーミング | $0.0077〜$0.0092/分 | $0.15〜$0.45/時（接続時間で課金） |
| 無料 | $200分のクレジット（無期限） | $50分のクレジット |
| セルフホスト | Enterprise で可 | 記載なし |
| 付帯 | 音声合成・音声エージェント | PII除去・要約・話題抽出・LLMゲートウェイ |
録音済みの単価は Deepgram が安い。時間換算で$0.258と$0.15なので一見 AssemblyAI が安く見えるが、Deepgram の分単価を時間に直すと$0.258。つまり AssemblyAI のほうが安い。単位が違うので、必ず同じ単位に揃えて比べる。
ストリーミングの課金方式に差がある
AssemblyAI のストリーミングは、送った音声の量ではなく WebSocket が開いていた時間で課金される。音声エージェントのように接続を開いたまま沈黙が続く構成では、その沈黙にも払うことになる。
Deepgram は分単位の課金で、この点の記載が異なる。長時間の接続を前提にするなら、実際の使い方で試算しないと見積もりが外れる。
付帯機能で選ぶ
AssemblyAI は PII 除去を標準で持つ。文字起こしの後で消すのではなく、生成の段階で除去できるのは実務上大きい。後から消す構成だと、未除去のテキストがどこかに存在した事実が残る。
Deepgram は音声合成と音声エージェントまで含む。文字起こしだけでなく対話システムを作るなら、ベンダーを1社に寄せられる。
日本語での検証
両社とも無料クレジットがあり、Deepgram は$200で期限なし、AssemblyAI は$50。同じ日本語音声を両方に通して比べるには十分である。公称の精度は条件が揃っていないので比較に使えない。
比べるときは、冒頭5分だけを人が聞いて誤りに印を付け、「意味が変わる誤り」と「読めば分かる誤り」に分けて前者だけ数える。これで実用上の差がはっきり出る。
よくある質問
- Q. どちらが日本語に強いですか。
- A. 第三者が同一条件で比較した公開データはありません。無料クレジットで同じ音声を通して比べてください。
- Q. 議事録ツールと何が違いますか。
- A. これらはAPIで、組み込んで使うものです。会議の記録として使うだけなら Notta や Rimo のような完成品のほうが手間がかかりません。
