DeepgramとAWS Transcribe、2026年の料金と速度を比較
Summarize this article with:
Deepgram Nova-3は標準の従量課金で1分あたり1セント未満、AWS Transcribeの初期料金のおよそ3分の1。AWSのボリューム割引は最高利用量でようやく差を縮める程度。コストとストリーミングのレイテンシーではDeepgramがほとんどのチームで有利。100以上の言語対応、HIPAA準拠の医療文字起こし、AWSエコシステムとの緊密な連携が必要ならAWSが勝る。どちらが絶対的に優れているわけではなく、利用量、言語の組み合わせ、既存のインフラ次第で正解は変わる。
Deepgram Nova-3は標準料金でAWS Transcribeより約69%安く、およそ$0.0077/分に対して$0.024/分です。 AWSのボリューム階層は大量利用時にその差をかなり縮めますが、言語の幅とエコシステム統合ではAWSが勝っています。スクラッチから文字起こし機能を構築するほとんどの開発者チームにとって、Deepgramのコストとレイテンシー面での優位性は強いです。すでにAWSインフラに深く組み込まれているチームや、医療グレードの文字起こしが必要なチームでは、乗り換えコストが節約額を上回ることが多いです。
この2つがより広い市場の中でどう位置づくかの文脈については、音声認識API料金の完全比較をご覧ください。
各プロバイダーの実態
Deepgramは文字起こし専門の会社で、独自のASRモデルをゼロから構築しました。2025年1月にリリースされたNova-3が現在のフラッグシップです。同じ基盤モデルからストリーミングとバッチの両方のワークロードに対応し、処理された音声の秒単位で課金されます。
AWS Transcribeは数百あるサービスのうちの1つです。既存のAWSスタックに自然に組み込めるように設計されており、S3に音声を置き、Lambdaからジョブをトリガーし、結果をS3に保存するか下流のサービスにストリーミングします。その設計にはそうしたDNAが反映されています。すでにAWSでインフラを運用しているチームは、文字起こしエンジンそのものではなく、IAM、CloudWatch、S3がすでに配線されているからこそ、Transcribeの方が運用しやすいと感じることが多いです。
この哲学の違いが、その後のすべてを形作ります。
料金: 2026年確認済みのレート
Deepgram Nova-3
| モード | PAYG | グロースプラン（年間約$4,000） |
|---|---|---|
| 標準（ストリーミング） | $0.0077/分（約$0.46/時間） | 約$0.0065/分 |
| 事前録音（バッチ） | 約$0.0043/分（約$0.26/時間） | 割引あり |
| 多言語ストリーミング | $0.0058/分 | $0.0050/分 |
| 話者分離アドオン | +$0.0020/分 | +$0.0017/分 |
| サインアップ時の無料クレジット | $200、有効期限なし | 該当なし |
Deepgramは音声1秒ごとに課金されます。この違いは規模が大きくなると重要です。たとえば30秒のクリップが数千件あるワークロードの場合、1分単位の課金体系から想像されるよりも、実際のコストは大幅に低くなります。
AWS Transcribe
AWSの標準料金は4つのボリューム層に分かれており、バッチ利用とストリーミング利用を合算した月間利用量に自動的に適用されます。
| 層 | 月間分数 | 1分あたりの料金 |
|---|---|---|
| Tier 1 | 0〜250,000分 | $0.024 |
| Tier 2 | 250,000〜1,000,000分 | $0.015 |
| Tier 3 | 1,000,000〜5,000,000分 | $0.0102 |
| Tier 4 | 5,000,000分以上 | $0.0078 |
AWSは1秒単位で請求し、リクエストごとに最低15秒が適用されます。新規アカウントは最初の12か月間、毎月60分が無料です。コールアナリティクス（感情分析、カテゴリ分類、通話後の要約）には、1分あたり$0.030から始まる独自の料金層があります。
ここで最もデータに基づいたポイントは、AWSの最安値層（500万分で$0.0078/分）が、Deepgramの標準PAYGストリーミング料金にようやく並ぶ程度だということです。 AWSの料金が同等に近づくには、月間500万分以上の処理が必要になります。
AWSのボリューム層とDeepgram Nova-3 PAYGの比較。出典: deepgram.com/pricing、aws.amazon.com/transcribe/pricing。
現実的な本番ボリュームでの月間コスト
以下の表は、DeepgramのPAYGストリーミング料金（$0.0077/分）とAWS Tier 1（$0.024/分）を使用しています。
| 月間ボリューム | Deepgram Nova-3 PAYG | AWS T1 | AWS T2（対象の場合） |
|---|---|---|---|
| 100時間 | $46.20 | $144.00 | 該当なし |
| 500時間 | $231.00 | $720.00 | 該当なし |
| 1,000時間 | $462.00 | $1,440.00 | 約$900.00 |
| 5,000時間 | $2,310.00 | $7,200.00 | 約$4,500.00 |
月1,000時間の場合、Deepgramの優位性はAWS Tier 1に対して月約$978、年間で約$12,000になります。AWS Tier 2と比較しても、Deepgramは依然として約半分のコストです。
AWSの価格帯が計画にどう影響するか詳しく知りたい場合は、AWS Transcribeの価格内訳をご覧ください。分単位の料金に表れない隠れたコストについては、文字起こしサービスの隠れたコストの投稿で全体像を解説しています。
精度：数字が実際に意味すること
私の見解：両プロバイダーともクリーンな英語音声では良好なパフォーマンスを示し、精度の差は価格差よりも小さいです。ノイズの多い音声では、Deepgramは多くの実務者の報告でより安定しています。ただし、ここでの情報源については明確にしておきたいと思います。
DeepgramはNova-3の自社WERベンチマークを公開しています： ストリーミングWERの中央値6.84%、バッチWERの中央値5.26%。これらはDeepgramの社内テストセットを用いた社内テストによるもので、独立したラボの結果ではありません。関連記事のDeepgram Nova-3解説で、これらの主張を慎重に検証しています。
AWS Transcribeは、Standard文字起こしに関する同等の公式WER数値を公開していません。サードパーティの比較は存在しますが、テストセットや条件が異なるため、直接比較は信頼性に欠けます。
方向性として言えることは：
- スタジオ品質の単一話者英語では、両プロバイダーは互角です。
- ノイズが多い、重なり合う、またはアクセントのある音声では、実務者の評価はDeepgramの処理を支持しています。
- AWS Transcribe Medicalは臨床用語に特化したモデルを使い、HIPAA準拠です。Deepgramには医療専用の同等ティアはありません。
- 非英語言語では、AWSは100以上の言語をサポートし、Deepgram Nova-3の50以上を上回ります。両者がカバーする言語では、主要言語の品質は同等です。
本番システムにとって重要なベンチマークは、自分の音声で実行するものだけです。両プロバイダーとも無料利用枠が十分にあるので、コミット前に実際の評価が可能です。
ストリーミングとレイテンシ
Deepgramのストリーミングレイテンシは200〜300ms（Deepgram公表値）、AWS Transcribeのストリーミングは実務者報告で500ms〜1.5秒の範囲です。 ライブキャプション、音声アシスタント、リアルタイム会議文字起こしを構築しているなら、この差はユーザーに体感されます。
DeepgramのストリーミングはWebSocket接続でバイナリ音声フレームを使い、音声が届くたびに暫定および最終トランスクリプトを返します。プロトコルはクライアント側でステートレスです。
AWS TranscribeのストリーミングはHTTP/2とイベントストリームを使い、各リクエストでAWS Signature V4認証を行います。AWS SDKが大半を処理しますが、ストリーミング問題のデバッグにはより多くの可動部品が関わります。
Deepgramはストリーミング中のリアルタイム話者分離もサポートしています。AWS Transcribeの話者分離はバッチ処理のみです。
サブ500msのレイテンシが不要なユースケース（通話後分析、アーカイブ文字起こし、非同期要約）では、両プロバイダーともワークロードを処理できます。レイテンシの利点は、ユーザーがトランスクリプトとリアルタイムでやり取りする場合にのみ意味を持ちます。
開発者体験
Deepgramは最初の文字起こしまで5分未満です。 サインアップ、APIキー取得、音声URLまたはファイルでPOSTリクエストを送るだけ。インフラ設定は不要です。
AWS Transcribe: 最初の文字起こしまで20〜30分かかります。AWSに不慣れなチームの場合です。アカウント作成、IAM認証情報の設定、CLIやSDKの構成、S3バケットの作成、ファイルのアップロード、文字起こしジョブの開始、結果のポーリングまでが必要です。すでにAWS上でIAMとS3を設定済みのチームなら、セットアップ時間は大幅に短縮されます。
SDKの品質も同じような対比が見られます。DeepgramのSDK（Python、Node.js、Go、.NET、Rust）は文字起こし専用に設計されています。一方、AWS Transcribeの操作面は、数百のサービスをカバーする巨大なAWS SDKの中に埋もれており、設定オプションが多い分、誤設定が起きる箇所も増えます。
エラーメッセージも同様の傾向です。Deepgramは具体的で対処可能なエラーコードを返します。AWS TranscribeのエラーはIAM、S3、または文字起こしエンジン自体に起因する可能性があり、問題を診断するには複数のレイヤーを確認する必要があります。
機能比較
| 機能 | Deepgram Nova-3 | AWS Transcribe |
|---|---|---|
| 基本料金（従量課金） | $0.0077/分 | $0.024/分（Tier 1） |
| ボリューム階層 | グロースプラン（年間約$4,000） | 4段階、自動適用 |
| 無料枠 | $200クレジット、期限なし | 月60分、12ヶ月間 |
| ストリーミング | 対応、WebSocket、200〜300ms | 対応、HTTP/2、500ms〜1.5s |
| リアルタイム話者分離 | 対応 | 非対応（バッチのみ） |
| 対応言語 | 50以上（Nova-3） | 100以上 |
| 医療文字起こし | 非対応 | 対応（HIPAA準拠） |
| 感情分析 | 含まれる | Call Analytics層（+$0.030/分） |
| カスタム語彙 | キーワードブースト、リアルタイム | IPAヒント付き語彙リスト |
| 課金単位 | 秒単位 | 秒単位、最低15秒 |
| S3/Lambda統合 | ネイティブ非対応 | ネイティブ対応 |
| SDK言語 | Python、Node、Go、.NET、Rust | Python、Java、Node、Go、.NET、PHP、Ruby |
感情分析の行は注目に値します。Deepgramは追加費用なしで含んでいます。AWS TranscribeではCall Analytics層（$0.030/分）が必要で、標準料金の2倍以上になります。
結論: どちらを選ぶべきか
Deepgramを選ぶべき場合:
- コストが最優先の制約である。 月500万分未満のボリュームでは、Deepgramの方が安く、時には劇的に安い。月1,000時間の場合、AWS Tier 1と比べて年間1万ドル以上の節約になる。
- リアルタイムのストリーミングが必要である。 低遅延とリアルタイムの話者分離により、ライブキャプション、音声アシスタント、会議ボットにはDeepgramがより強い選択肢となる。
- 迅速な統合を求める。 インフラのセットアップが少なく、エラー処理がシンプルで、SDKの設計が焦点を絞っているため、本番環境までの時間が短縮される。
- インテリジェンス機能が含まれていることを望む。 感情分析とトピック検出は標準APIの一部であり、別のティアではない。
以下の場合はAWS Transcribeを選ぶ:
- インフラがすでにAWSネイティブである。 音声がS3にあり、コンピュートがLambdaやECSで動作し、チームが日常的にIAMポリシーを管理しているなら、Transcribeは摩擦なく統合できる。既存のAWS環境内での運用のシンプルさが、分あたりの高い料金を相殺できる。
- 100以上の言語カバレッジが必要である。 AWS Transcribeは2倍の言語数をサポートしている。あまり一般的でない言語では、しばしば唯一の選択肢となる。
- HIPAA準拠の医療文字起こしが必要である。 AWS Transcribe Medicalは臨床モデルを使用し、HIPAAに準拠している。Deepgramには同等のティアがない。
- 詳細な発音制御が必要である。 AWSのカスタム語彙リストは、細かい用語認識のためのIPA表記をサポートしている。
ユースケース別の決定マトリックス
| ユースケース | おすすめ | 理由 |
|---|---|---|
| 大量のポッドキャスト文字起こし | Deepgram | コスト削減効果が大きく、英語の精度が高い |
| ライブ会議のキャプション | Deepgram | ストリーミングの遅延が低く、リアルタイムの話者分離に対応 |
| AWSネイティブのメディアパイプライン | AWS Transcribe | S3やLambdaとのネイティブ連携 |
| 医療文書 | AWS Transcribe | HIPAA準拠のメディカル向けプラン |
| コールセンター分析（AWS環境） | AWS Transcribe | エコシステムとの親和性、Call Analytics機能 |
| コールセンター分析（コスト重視） | Deepgram | 感情分析がバンドルされ、1分あたりのコストが低い |
| 多言語コンテンツプラットフォーム | AWS Transcribe | 対応言語の幅が広い |
| スタートアップ・初期段階のプロダクト | Deepgram | コストが低く、統合が速く、$200の無料クレジット付き |
API統合の管理を完全にスキップしたい場合は、ConvertAudioToTextがエンジンのルーティング、話者分離、エクスポート形式（SRT、VTT、プレーンテキスト）を処理してくれます。APIの配管工事なしでクリーンな文字起こしが欲しいチームには検討する価値があります。
FAQ
DeepgramはAWS Transcribeより安いですか？
標準の従量課金制では、はい。Deepgram Nova-3は約$0.0077/分、AWS Transcribeは$0.024/分から始まります。AWSには月500万分で$0.0078/分まで下がるボリュームティアがあり、ほぼ差がなくなりますが、そこに到達するには非常に高いボリュームが必要です。月100万分未満のほとんどのチームにとっては、Deepgramの方が安いです。
DeepgramはAWS Transcribeより正確ですか？
Deepgramは自社テストによるNova-3のWERベンチマークを公開しており、ストリーミング中央値6.84%、バッチ5.26%で、名前を挙げていない競合に対して大きな優位性を主張しています。AWSはTranscribe Standardの公式なWER数値を公開していません。独立した評価もほとんどありません。クリーンな英語音声では両者は互角ですが、ノイズが多い音声や強いアクセントのある音声では、多くの実務者の報告がDeepgramを支持しています。正直な答えは、自分の音声でテストしてみることです。
AWS Transcribeにはボリュームディスカウントがありますか？
はい。AWS Transcribeには4つの料金帯があります。最初の25万分までは1分あたり$0.024、25万〜100万分は$0.015、100万〜500万分は$0.0102、500万分を超えると$0.0078です。これらはバッチとストリーミングの合計使用量に適用されます。最も高いボリューム帯では、AWSの料金はDeepgramの標準PAYGレートにほぼ匹敵します。
リアルタイムストリーミングに優れているのはどちらか？
Deepgramです。DeepgramのストリーミングAPIは、200〜300msのレイテンシで結果を返します（Deepgram自身の数値であり、独立したベンチマークではありません）。AWS Transcribeのストリーミングレイテンシは、実務者によると一般的に500ms〜1.5sの範囲と報告されています。ライブキャプション、音声アシスタント、話しながらテキストが表示されるリアルタイム会議の文字起こしでは、このレイテンシの差は重要です。
AWS TranscribeからDeepgramにアプリを書き換えずに移行できますか？
APIは互換性がないため、統合コードの更新が必要です。バッチ文字起こしの場合、S3アップロードとポーリングのロジックを、Deepgramへの単一のPOSTリクエストに置き換えることになります。ストリーミングの場合は、HTTP/2イベントストリームをWebSocket接続に置き換えます。ほとんどのチームは移行を1〜2日で完了します。出力形式が異なるため、後段のパース処理も更新が必要です。
出典
Try transcription free
Convert any audio or video to clean, unwatermarked text — speaker labels, timestamps, and AI summaries included. First 10 minutes free, no account.
Related Articles
Speechmatics Alternative for Non-Developers: Web Transcription Without Code
Speechmatics is genuinely excellent for developers: 50 hours free per month, 56 languages, on-prem deployment. If you need a drag-and-drop web app with flat $9.99/mo pricing instead of an API, here is an honest comparison of the two.
Best Transcription Tools with API Access (2026)
Which transcription SaaS tools actually give you API keys, and on which plan? Verified pricing and plan gates for Descript, Sonix, Fireflies, Happy Scribe, AssemblyAI, and more.