文字起こしの料金相場【2026年】：1分・1時間あたりの費用比較

2026年10月14日時点、文字起こしの費用は音声API経由で音声1時間あたり約0.15〜0.36ドル、AIサブスクで月額約8〜30ドル、人手による文字起こしで音声1時間あたり約120ドルです。 最適な選択肢は、月に文字起こしする時間数と、コードが書けるかどうかによって決まります。月5時間未満なら従量課金が最安です。月10時間を超えると、アプリ付きの従量課金よりも定額サブスクの方が通常1時間あたりのコストを低く抑えられます。

以下の他社価格はすべて、2026年10月14日時点で各社の料金ページに記載されていた通貨での数値です。リンクは情報源に記載しています。価格は変更される可能性があるため、購入前にご確認ください。

文字起こしの料金相場一覧（2026年10月）

音声APIの料金（録音済み音声、従量課金）

AssemblyAIは時間単位の料金を掲載しており、1分あたりの数値は1時間の料金を60で割ったものです。Deepgramのストリーミング料金は別体系で、期間限定のプロモーション価格と表記されています。これらはエンジン単体の価格であり、JSON形式で結果が返されるため、アップロード機能、エディター、エクスポート機能、ストレージは自前で構築する必要があります。開発者向けの詳しい比較は、音声認識API料金の詳細解説をご覧ください。

AssemblyAI Universal-2

$0.15/hr

AssemblyAI U-3.5 Pro

$0.21/hr

Deepgram Nova-3

$0.26/hr

OpenAI Whisper

$0.36/hr

Rev human

$119.40/hr

API rates are pay-as-you-go for pre-recorded audio. Human rate is Rev at $1.99 a minute.

AI文字起こしサブスクリプションの比較

比較用の無料プラン：ConvertAudioToTextはアカウント登録不要でファイルの最初の30分を文字起こしでき、無料アカウントなら1日30ファイル、各30分まで利用できます。TurboScribeの無料プランは1日3ファイル、各30分までです。Otter Basicは月300分で、ファイルインポートはアカウントの有効期間全体で3回までです。Revの無料プランは月45分のAI文字起こしが可能です。

サブスクリプションを希望しない場合、ConvertAudioToTextのWeekly Passなら買い切り$9.99で7日間にわたり1,200分利用でき、使い切った場合は1時間あたり$0.50となります。クレジットパックも従量課金の選択肢であり、付与された分数に有効期限はありません。詳細は料金一覧をご確認ください。

公平な比較のためのConvertAudioToTextのフェアユースに関する注記：30日間で約30時間を超える音声の場合、ファイルが標準エンジンで処理されることがあります。文字起こしを継続することは可能で、ファイルがブロックされることはありません。

人の手による文字起こしの料金相場

訓練を受けた文字起こし担当者が1時間の完成したトランスクリプトを作成するには、通常4〜6時間程度（音質が悪い場合はそれ以上）かかります。人件費、品質レビュー、利益率がこの価格の背景にあります。これに費用をかける価値があるのは、誤りが法的な影響を及ぼす宣誓供述書、医療記録、規制対象の放送用キャプション、AIの出力を修正するより最初から書き直した方が早いほど音質が劣悪な録音など、限られたケースです。詳細な判断基準については、AI文字起こしと人手による文字起こしの比較をご覧ください。

1時間あたりの実質コストの計算方法

従量制プラン： 1分あたりの価格 x 60 = 1時間あたりの価格

定額制プラン： 月額料金 / 実際に文字起こしした時間 = 1時間あたりの実質単価

Otter Proは月1,200分（20時間）で上限となるため、50時間の行は該当しません。年間契約のConvertAudioToText Proも同様の価格帯に収まりますが、30日間で約30時間を超えると一部のファイルが標準エンジンで処理される場合があります。

月額$10のサブスクリプションは、月間約39時間を超えると上記最安のDeepgram料金（1時間あたり$0.26）を下回り、約67時間を超えるとAssemblyAIのUniversal-2（1時間あたり$0.15）よりも安くなります。それ以下の時間数では、純粋な価格面ではAPIの方が安価ですが、アプリなどのインターフェースは付属しません。

3つの利用シーン別コスト試算

個人のポッドキャスター、週1回60分のエピソード（月約4時間）： AssemblyAI Universal-3.5 Proなら240分 x $0.0035 = $0.84、Deepgram Nova-3なら240 x $0.0043 = $1.03です。サブスクリプションは月額$8〜$17かかります。自前で実装できるならAPIが価格面で有利ですが、自作せずにエディター、話者名、エクスポート機能を使いたい場合は、サブスクリプションまたはWeekly Passの方が手軽でおすすめです。

月20時間のインタビューを抱えるジャーナリスト： AssemblyAI Universal-3.5 Proなら1,200分 x $0.0035 = $4.20、Deepgramなら$5.16です。年払いのOtter Proはちょうど20時間をカバーします。月額$10の定額プランも同等の価格帯で、エディターやエクスポート機能が利用できます。

月60時間の動画素材を扱うコンテンツ制作チーム： AssemblyAI Universal-3.5 Proなら3,600 x $0.0035 = $12.60、Deepgramなら$15.48です。月額約$10の定額プランなら、ツール開発の時間を考慮する前であっても従量課金エンジンより安くなります。Otter Proの20時間の上限では、この利用量には対応できません。

分単位課金 vs シート単位課金

分単位課金は処理した音声の量に応じて課金されます。利用量が少ない、あるいは不定期な場合や、エンドユーザーにコストを転嫁するプロダクトに適しています。

シート単位課金はユーザーごとに月額料金を支払い、通常シートごとに一定の分数枠が付与されます（Otter、Rev、Happy Scribeなど）。録音頻度が高い少人数のチームに適しています。文字起こしをほとんど行わないメンバーが多い大規模チームでは割高になります。

アカウント単位の定額料金（ConvertAudioToText Pro、TurboScribe Unlimited）は、通常利用において分数制限なしで1人あたり一律の料金が請求されます。利用頻度が高い個人ユーザーにとっては1時間あたり最安です。チーム向けには、ConvertAudioToTextのBusiness & teamsプランでシート単位ではなく企業ごとの個別見積もりが用意されています。

格安文字起こし：注意すべき落とし穴

見出しの最安価格が、必ずしも実際の最低請求額になるとは限りません。以下の点を確認してください。

• 1ファイルあたりの長さの上限： Otter Proは1つの会話を90分に制限しているため、枠が残っていても2時間の講義は処理できません。
• エクスポート料金や制限： 一部のプランではDOCX、SRT、PDFが有料プラン限定になっています。ConvertAudioToTextでは、ログインしたすべてのアカウントでTXTが無料であり、その他の形式は初回ファイル、Weekly Pass、クレジットパック、または有料プランで利用できます。
• 年間契約の縛り： 提示されている低価格な月額表記の多くは、年払いでの一括支払いが条件となっています。
• シート数： ユーザーごとの課金は、チームの人数に応じて費用が跳ね上がります。

最低コストのツールのランキングとそれぞれの注意点については最安の文字起こしツールを、定額制と従量課金制の詳しい比較は無制限プランと従量課金制の文字起こし料金比較をご覧ください。

セルフホスティング（自前運用）

独自のGPU上でオープンソースの音声モデルを実行すれば、1時間あたりの計算コストを最安のAPIよりも抑えることができます。しかし、環境構築、監視、特殊な音質の音声への対応、アップデートの管理を自前で担う必要があります。すでにGPUワークロードを運用している場合や、月に数千時間もの音声を処理するのでない限り、そのエンジニアリング工数にかかる費用は削減できるコストを上回るのが一般的です。

まずはここから

APIキーや従量課金を気にせず文字起こしを試したい場合は、ConvertAudioToTextでアカウント登録不要で任意のファイルの最初の30分を文字起こしできます。無料アカウントなら、最初のファイルをプレミアムエンジンで最大1時間処理でき、その後も1日最大30ファイル（各30分まで）を文字起こしできます。プランを契約する前に、上記の計算式を使ってご自身の月間利用時間を確認してみてください。

よくある質問

2026年の文字起こしは1時間あたりいくらかかりますか？

2026年10月14日現在、従量制の音声APIは音声1時間あたり約0.15〜0.36ドル、単一ユーザー向けAIサブスクは月額約8〜30ドル、人手による文字起こしは音声1時間あたり約120ドル（Revは1分あたり1.99ドル）です。月に約10時間以上文字起こしする場合、定額サブスクなら1時間あたり1ドル未満に抑えられます。

音声を文字起こしする最も安価な方法は何ですか？

数ファイル程度なら無料プランが最適です。ConvertAudioToTextはアカウント登録なしで最初の30分を文字起こしでき、無料アカウントなら1日30ファイル（各30分まで）を処理できます。継続的な利用なら定額サブスクが1時間あたり最安です。プロダクトを開発するエンジニアには、1時間あたり0.15〜0.36ドルの音声APIが1分あたり最安となります。

1分あたりの一般的な文字起こし料金はいくらですか？

大手サービスによる人手での文字起こしは音声1分あたり約2ドルです（Revは1.99ドル、Happy Scribeの校正サービスは1.75ユーロから）。API経由のAI文字起こしは1分あたり1セント未満であり、AIサブスクはプランの上限内であれば1分ごとの追加料金はかかりません。

分単位課金とシート単位課金の違いは何ですか？

分単位課金は処理した音声の量に応じて支払うため、利用量に比例してコストが増加します。シート単位課金はユーザーごとに月額料金を支払い、通常シートごとに一定の分数枠が付与されるため、チームの人数に応じてコストが増えます。少人数で大量に録音するならシート単位、人数が多くて録音が少ないなら分単位が適しています。

1時間の音声を文字起こしするのにどのくらいの時間がかかりますか？

手作業の場合、経験豊富なタイピストでもクリアな音声で約4〜6時間、音質が悪かったり話者が複数いたりするとさらに時間がかかります。AIツールなら数分で下書きを作成でき、ConvertAudioToTextでは通常1時間の音声が約3分で完了します。どちらの場合も、名前や数字を確認する時間は見込んでおきましょう。

ビジネスや財務関連の文字起こしにはいくらかかりますか？

決算説明会や取締役会、金融インタビューでは名前や数値の厳密な精度が求められるため、音声1分あたり約2ドルの人手による文字起こし、またはAI文字起こしに加えて自身ですべての数字を確認する作業が必要です。法的記録はページ単位で価格設定されることが多く、Revでは1ページあたり2.25〜2.50ドルとなっています。

人の手による文字起こしにお金を払う価値があるのはどんな時ですか？

法的な宣誓供述や裁判所提出書類、医療記録、規制対象の放送用キャプションなど、誤りが重大な問題につながる場合や、極端に音質が悪い場合です。それ以外のクリアな録音であれば、AI文字起こしに目視確認を組み合わせる方がはるかに低コストで済みます。

情報源

すべて2026年10月14日に確認しました。

• AssemblyAIの料金：録音済み音声でUniversal-2が1時間あたり$0.15、Universal-3.5 Proが1時間あたり$0.21
• Deepgramの料金：Nova-3の録音済み音声、従量課金で1分あたり$0.0043（単一言語）および$0.0052（多言語）
• OpenAI APIの料金：1分あたりWhisperとgpt-4o-transcribeが$0.006、gpt-transcribeが$0.0045、gpt-4o-mini-transcribeが$0.003
• Amazon Transcribeの料金：同ページの料金例でバッチ文字起こしが1分あたり$0.006
• Revの料金：人手による文字起こし1分あたり$1.99、法的記録1ページあたり$2.25〜$2.50、Essentialsは1席あたり月払い$29.99または年払い$25.49、無料プランは月45分のAI文字起こし
• TurboScribeの料金：Unlimitedは月額$10（年払い$120）、無料プランは1日3ファイル、各30分まで
• Otter.aiの料金：Proは1ユーザーあたり年払い$8.33または月払い$16.99、1,200分
• Happy Scribeの料金：Basicは€17（年払い€8.50）、Proは€29（年払い€19）、追加チャージは1分あたり€0.20、人手による校正は1分あたり€1.75から
• ConvertAudioToTextの料金