Deepgramの料金は$0.0043/分・無料$200枠は期限なし。日本語対応と使い方 (2026年版)

Deepgramとは、音声を文字に変えるSTT、文字を音声に変えるTTS、その両方をつないだ対話エージェント機能を1つのAPIで提供する米国の音声AIサービスです。APIとは、他のソフトからその機能を呼び出す窓口のこと。料金は月額固定ではなく、処理した音声の長さに応じた従量課金です。

公式の料金ページを開いて、モデル名とプランと課金単位が入り組んだ表を見て手が止まった人が多いはずです。読み解く順番さえ決まれば、覚える数字は3つで足ります。

録音を後から処理するなら$0.0043/分、その場で流し込むなら$0.0048/分、音声エージェントを組むなら$0.056/分。 ここから始めれば、月の請求額の見当は9割つきます。

Deepgramの料金はいくら？2026年8月時点の全単価

Deepgram公式の料金ページに載っている主要な単価を、そのまま並べます。すべてPay As You Go（従量課金）の値です。

つまり1時間の会議録音を後から文字起こしすると約$0.26。1ドル150円なら40円ほどで、缶コーヒー1本より安い計算です。

読み上げ（TTS）と対話エージェントは課金単位が変わります。文字数と会話時間です。

Voice Agent APIは「聞く・考える・話す」の3つをまとめた値段です。自前のLLM（ChatGPTなど）を持ち込むと$0.050/分に下がります。

なお公式ページは、Flux TTSを2026年9月12日まで無料開放中と告知しています。同時接続は世界全体で45本まで（EU/AUは5本）。標準料金に戻るのは9月13日からです。読み上げの試作をするなら、今が一番おいしい時期。

スペックの要点はDeepgramのツールページにもまとめています。

無料$200クレジットは何時間ぶん？期限は？

$200という金額だけでは実感が湧きません。公式FAQがはっきり答えを書いています。

新規アカウントには$200のクレジットが付き、Novaモデルの文字起こしで約43,000分（700時間超）に相当します。12か月で切れる「無料枠」とは違い、このクレジットは使い切るまで利用できます。（Deepgram公式FAQより要約）

ここが競合と決定的に違う点です。要点を3つに絞ります。

• 有効期限がない（使い切るまで有効）
• クレジットカードの登録が不要
• 最低利用額がない

700時間ぶんを期限なしで、カードも出さずに試せる。破格です。以前は「登録から1年」と案内されていましたが、現在の公式ページは「No expiration」と明記しています。

ひとつ注意。無料でもらったクレジットは「Promotional or Free Credits」に当たり、同じ組織の別アカウントへの移管ができません。検証用アカウントと本番アカウントを分けるなら、$200は検証側で使い切る前提で設計してください。

無料で使える文字起こしツールを先に見比べたい人は、無料で使える文字起こしツールの比較を読んでからAPIに降りてくると、判断が早くなります。

リアルタイムのほうが録音より安いのはなぜ？

料金表を見て「逆じゃないか」と思った人は、正しく読めています。ふつうリアルタイム処理のほうが高い。

答えは料金ページの脚注にあります。「Limited-time promotional rates on streaming.（ストリーミングは期間限定の特別料金）」 と書かれています。値下げキャンペーン中、という意味です。

以前の公開単価はリアルタイムが$0.0077/分でした。それが$0.0048/分。約38%下がっています。

見落としやすい罠: 期間限定である以上、いつ元に戻ってもおかしくありません。リアルタイム前提でコストを積み上げる案件では、$0.0077/分に戻った場合の請求額も並べて上長に見せておくべきです。差は1時間あたり$0.29と$0.46。年間1万時間なら$1,700の開きになります。

逆に言えば、いま音声エージェントを試作するなら追い風です。旧価格を前提にDeepgramを見送った判断は、いったん白紙に戻す価値があります。

Nova-3は精度面でも公式が数字を出しています。競合比でWER（単語誤り率、AIが単語を聞き間違える割合）がストリーミングで54.2%減、バッチで47.4%減。この手の数字は自社発表なので割り引いて読むべきですが、Nova-3が同社の最上位ASRである点は間違いありません。

Deepgramは「聞く・喋る・会話する」が1本で揃う

2015年創業、米国発の音声AI企業です。文字起こし専業のサービスと違い、APIがカバーする範囲が広いのが持ち味。

役割は3つに分かれます。

• STT（音声→テキスト）: Nova-3 / Nova-2 / Flux。文字起こしとリアルタイム認識
• TTS（テキスト→音声）: Aura-2 / Aura-1 / Flux TTS。読み上げやナレーション生成
• Voice Agent API: 聞き取りと発話をつないだ対話エージェント

STTとTTSを別々の会社で組み合わせると、応答の遅れが両方に積み上がって会話が不自然になります。Deepgramなら同じアカウント・同じ課金体系で全部を賄えます。地味に便利なポイント。

2026年の主役はFluxです。音声エージェント専用に作られたモデルで、「いつ聞き、いつ考え、いつ話すか」の判断（ターンテイキング）をモデル自体が持っています。会話の切れ目を外部ロジックで判定する手間が消えるので、応答の自然さが変わります。

読み上げ側の選択肢を横に並べたいなら、テキスト読み上げAIの使い方やElevenLabsが比較対象になります。音声AI全体の勢力図はAI音声ツールのランキングで確認できます。

日本語は使える？対応モデルと選び方

使えます。公式ドキュメントの対応言語一覧で、日本語はjaとして次のモデルに載っています。

つまり日本語の文字起こしはmodel=nova-3 + language=jaで素直に動きます。言語を指定せずに投げると英語（en）扱いになる点だけ注意。

多言語モデル（multi）が対応するのは英語・スペイン語・フランス語・ドイツ語・ヒンディー語・ロシア語・ポルトガル語・日本語・イタリア語・オランダ語の10言語です。日英が混ざる社内会議には、このmultiが刺さります。

正直に言うと、日本語の精度そのものは実際の音源で試すしかありません。方言・専門用語・電話回線の音質で結果が変わるからです。$200枠が期限なしで使えるのは、ここで効きます。自社の実音源を投げて、NottaやRimo Voiceのような国産の日本語特化サービスと結果を並べる。それが一番確実。

議事録用途で完成品を探しているなら、APIを触る前にAI議事録ツールの比較を見たほうが早いです。自分で組む必要がないケースも多い。

請求で足をすくわれる4つの落とし穴

料金ページの細則に、見落とすと請求が跳ねる項目が並んでいます。順に潰します。

1. 自動チャージの初期設定がオン

公式の記載では、残高が$10を切ると自動で$100が補充されます。これが初期値。設定画面から止められますが、知らないまま検証を回すと$100刻みで積み上がります。$200枠を使い切った直後がいちばん危ない瞬間。

2. ステレオ音源は2倍請求

10分のファイルでも2チャンネル（ステレオ）なら20分ぶんの請求です。会議録音は左右で話者を分けている場合があるので、モノラルに落としてから投げるかどうかで請求額が倍変わります。

3. Growthプランの超過は10%上乗せ

年間コミットのGrowthプランでクレジットを使い切ると、Pay As You Goに戻るのではなく、Growth単価+10%で課金されます。請求は毎週月曜。カードを外したまま残高が尽きると、APIは402エラーを返して止まります。

4. 同時接続数の上限

Pay As You GoはREST APIが最大50、WebSocket（リアルタイム）が最大150。Growthに上げるとWebSocketが最大225になります。Whisper Cloudは両プランとも最大5だけ。上限を超えたリクエストは待たされるか、弾かれます。

ここまでの整理: 単価は安い。ただし請求額を決めるのは単価ではなく、チャンネル数・自動チャージ・同時接続の設計です。ここを詰めずに本番へ出すと、想定の2倍の請求書が届きます。

秒単位課金は逆に効きます。公式FAQは「14秒の音声なら14秒ぶんだけ課金する。15秒や1分に切り上げる競合は請求を15〜20%膨らませる」と明記しています。短い音声を大量に処理する用途（コールセンターの一言応答など）では、この差が効いてきます。

Growthプラン（年$4,000）に上がる分岐点はどこ？

Growthは年間$4,000以上のコミットで、全プロダクトが最大約20%引きになるプランです。単価はこう変わります。

つまり単価の割引は10〜16%程度。年$4,000を前払いして取り返せるかは、使用量次第です。

判断はシンプルです。Nova-3の録音処理だけで年$4,000を使うには、約93万分（15,500時間）が必要。 月あたり1,290時間です。ここに届かないなら、割引目的でGrowthに上がる意味はありません。

ただし価格以外の理由はあります。同時接続の上限（WebSocket 150→225）と優先サポート。ピーク時にリクエストを弾かれると売上に直結する事業なら、割引を無視してもGrowthを選ぶ理由になります。

さらに上のEnterpriseは個別見積もりです。自社サーバーやVPCに置く自己ホスト版（NVIDIA GPU必須）、SOC 2 Type 2とHIPAA準拠、BAAの締結もこの層。金融・医療で音声データを外に出せない案件は、ここから話が始まります。

PythonでAPIキーを取って文字起こしするまで

手順は3つです。アカウント作成から動くコードまで、10分あれば着きます。

ステップ1: アカウントを作ってAPIキーを取る

Deepgramのコンソールで登録すると、$200のクレジットが自動で付きます。カード登録は不要。管理画面の「API Keys」から新しいキーを1本発行して、控えておきます。

キーは環境変数に入れてください。コードに直書きすると、GitHubに上げた瞬間に流出します。

ステップ2: cURLで疎通を確認する

SDKを入れる前に、キーが生きているかだけ確かめます。公式ドキュメントに載っている形です。

curl --request POST \
  --header 'Authorization: Token YOUR_DEEPGRAM_API_KEY' \
  --header 'Content-Type: audio/wav' \
  --data-binary @youraudio.wav \
  --url 'https://api.deepgram.com/v1/listen?model=nova-3&language=ja&smart_format=true'

smart_format=trueは句読点や数字表記を読みやすく整える指定です。これを外すと、記号なしのべた書きが返ってきます。

ステップ3: Python SDKで書き直す

疎通が取れたらSDKに移します。

pip install deepgram-sdk python-dotenv

from deepgram import DeepgramClient

# 環境変数 DEEPGRAM_API_KEY を自動で読む
deepgram = DeepgramClient()

with open("meeting.wav", "rb") as audio_file:
    response = deepgram.listen.v1.media.transcribe_file(
        request=audio_file.read(),
        model="nova-3",
        language="ja",
        smart_format=True,
        diarize=True,  # 話者を分ける（+$0.0020/分）
    )

print(response.results.channels[0].alternatives[0].transcript)

diarize=Trueは「誰が話したか」を分ける話者識別です。便利ですが有料の追加機能なので、要らない場面では外してください。

APIの叩き方そのものに慣れていないなら、ChatGPT APIの使い方で環境変数とキー管理の型を先に押さえると、つまずきが減ります。

追加機能の単価も押さえておく

文字起こし料金に上乗せされる主な機能です。

要約や感情分析が$0.0003/分というのは、ほぼ無視できる金額です。文字起こし本体の1/14。全部盛りにしても$0.0043が$0.0119になる程度。ここは遠慮なく使っていい領域です。

AssemblyAI・Whisperと比べてどうか

同じ用途で名前が挙がる3つを、公表単価で並べます。出典はAssemblyAIの料金ページとOpenAIの料金ページです。

つまり単純なバッチ文字起こしの最安はAssemblyAI Universal-2の$0.15/時。Deepgramは約$0.26/時なので、コストだけならAssemblyAIに軍配が上がります。ここは正直に書きます。

ただし課金の数え方が違います。AssemblyAIのリアルタイムはWebSocketの接続時間で課金されるため、音声が流れていない待機時間も請求対象です。Deepgramは実際の音声の秒数だけ。通話の待ち時間が長い用途では、単価表の順位がひっくり返ります。

Whisperは自前のGPUで動かせば無料ですが、リアルタイム非対応です。録音をまとめて処理するだけならgpt-4o-mini-transcribeの$0.18/時が強い。AssemblyAIは無料枠$50、Deepgramは$200という差もあります。

用途ごとの結論を1つずつ置きます。

• 音声エージェント・電話応対を作る: Deepgram一択（Flux +秒単位課金+ Voice Agent APIが1本で揃う）
• 大量の録音をひたすら文字起こし: AssemblyAI Universal-2かgpt-4o-mini-transcribe
• 日本語の議事録が欲しいだけ: APIを書かずNottaやOtter.aiを使う

編集部の評価

Deepgramの評価は、2026年に入って明確に上がりました。理由は3つあります。

無料$200が期限なしになったのが圧倒的です。 700時間ぶんを、カードも出さず、締め切りにも追われずに試せる。競合の$50・12か月と比べると差が大きすぎます。検証フェーズで「期限までに評価を終わらせる」という無意味なプレッシャーが消えるのは、実務では想像以上に効きます。

リアルタイム$0.0048/分は、期間限定でも十分に判断材料です。 音声エージェントは待機時間の課金が効いてくる領域なので、秒単位課金と組み合わせたときの実効コストはさらに下がります。旧価格でDeepgramを見送ったチームは、いま数字を引き直す価値があります。

一方でバッチ文字起こし専用なら微妙です。 $0.26/時はAssemblyAIの$0.15/時に負けています。録音を貯めて夜間にまとめて回すだけの用途なら、Deepgramを選ぶ理由は薄い。リアルタイムか音声エージェントか、この2つが視野に入って初めて本領を発揮するサービスです。

日本語については「使える」までは公式に確認できますが、精度は自社の音源で確かめるほかありません。日本語特化を謳う国産サービスと横並びで試すのが正解です。$200枠はそのためにあります。

よくある質問（FAQ）

Q. 無料の$200クレジットに期限はありますか？

ありません。公式ページには「No minimums. No expiration. No credit card required.」と明記されています。使い切るまで有効です。ただし無料でもらったクレジットは、同じ組織であっても別アカウントへ移せません。

Q. Deepgramは日本語に対応していますか？

対応しています。言語コードはjaで、Nova-3・Nova-2・Enhanced・Baseで指定できます。日本語を含む10言語の多言語モデル（multi）もあり、日英が混ざる会話に使えます。言語を指定しないと英語扱いになるので、language=jaの指定を忘れないでください。

Q. なぜリアルタイムのほうが録音より安いのですか？

料金ページに「ストリーミングは期間限定の特別料金」と注記があるからです。以前のリアルタイム単価は$0.0077/分でした。恒久的な値下げとは書かれていないため、長期の見積もりでは旧価格に戻った場合の試算も用意しておくのが安全です。

Q. 秒単位課金とは何ですか？他社と何が違いますか？

実際の音声の長さぶんだけ課金する方式です。14秒の音声なら14秒ぶん。公式FAQは、15秒や1分単位に切り上げる方式と比べて請求が15〜20%変わると説明しています。短い音声を大量に処理する用途ほど差が開きます。

Q. Growthプランに上げるべき使用量の目安は？

Nova-3の録音処理だけで年$4,000を消化するには約93万分（月1,290時間）が必要です。この水準に届かないなら、割引目的で上がる意味は薄いです。ただし同時接続の上限がWebSocketで150から225に増えるため、ピーク時にリクエストを弾かれたくない事業なら別の判断になります。

Q. Nova-2など古いモデルはまだ使えますか？

使えます。公式FAQによると、既存の運用向けにNova-2がストリーミング$0.35/時、Enhancedが$0.99/時、Baseが$0.87/時で据え置かれています。新規プロジェクトは、汎用の文字起こしならNova-3、リアルタイムの音声エージェントならFluxが推奨されています。

Q. 音声データを社外に出せない場合はどうしますか？

Enterpriseプランで自己ホスト版のコンテナが提供されます。自社のVPCやオンプレミス環境に置けますが、NVIDIA GPUが必要です。SOC 2 Type 2認証とHIPAA準拠、BAAの締結にも対応しています。

次に読むならこれ: APIを自分で書かずに日本語の議事録を自動化したいなら、AI議事録ツールの比較へ。DeepgramをAPIとして採用する前に、既製品で足りるかどうかを見極められます。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• Deepgram — 公式サイト（AI PICKSの詳細）
• AssemblyAI — 公式サイト（AI PICKSの詳細）
• Whisper — 公式サイト（AI PICKSの詳細）