Deepgramの料金と日本語対応｜$200無料枠は約46,500分ぶん (2026年版)

Deepgramの公式料金ページを開いて、Nova-3・Flux・Aura・Voice Agentというモデル名と、Pay As You Go・Growth・Enterpriseというプラン名が縦横に交差した表を前に手が止まる。ほとんどの人が同じところでつまずきます。

覚える数字は3つだけで足ります。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。音声で会話するエージェントを組むなら分単位で数セント。 ここを押さえれば、月の請求額の見当は9割つきます。

Deepgramとは、音声を文字に変えるSTT（音声認識）、文字を音声に変えるTTS（読み上げ）、その両方をつないだ会話エージェント機能を、1つのAPIで提供するアメリカの音声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。月額固定ではなく、処理した音声の長さに応じて課金されます。同じ領域のサービスは音声AIツールのカテゴリにまとめてあります。

Deepgramの料金体系は3階建て。まず自分がどこにいるか決める

Deepgramの料金は、従量課金・Growth・Enterpriseの3層です。ほとんどの読者は一番下の従量課金から動く必要がありません。

つまり、年$4,000（月あたり約$333）を安定して使うかどうかが最初の分かれ目です。そこに届かないなら従量課金一択で、プラン選定に時間を使うだけ無駄。

判断の順番は、単価を知る → 無料枠でどこまで行けるか測る → 超えそうなら前払いを検討する、の3手です。

録音とリアルタイムの単価表。1時間で約$0.26

Deepgram公式の料金ページに掲載されている、従量課金の主要単価を並べます。

つまり1時間の会議録音を後から文字起こしして、かかるのは約$0.26。1ドル150円換算で40円ほどです。缶コーヒー1本より安い。

読み上げ（TTS）と会話エージェントは、課金の単位そのものが変わります。文字数と接続時間です。

Voice Agent APIは「聞く・考える・話す」をまとめた値段で、接続していた時間ぶん課金されます。ここを分単位の文字起こしと同じ感覚で見積もると、桁を間違えます。

読み上げ側だけを他社と並べて選びたいなら、音声読み上げAIツールの比較のほうが早く決まります。

料金ページの数字は改定されます。契約や社内稟議に使う数字は、必ず公式ページの当日表示を確認してください。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。

リアルタイムの単価が録音に近いのはなぜか？

その場で処理するストリーミングは、普通なら録音の後処理よりずっと高くつきます。Deepgramの差は$0.0043と$0.0048で、1割強しかありません。近すぎます。

理由は値引きです。Deepgramの料金ページはストリーミングに期間限定の特別料金を適用していると明記しており、Nova-3（単一言語）は通常$0.0077/分のところが$0.0048/分。録音より安いのではなく、通常価格から4割ほど引かれた結果、録音のすぐ上まで下りてきているだけです。

見落としやすい罠: 期間限定である以上、いつ通常価格に戻ってもおかしくありません。$0.0048が$0.0077に戻れば、リアルタイムの単価は録音の1.8倍に跳ね上がります。リアルタイム前提で年間コストを積んだ案件は、通常価格に戻った場合の請求額も並べて決裁者に見せておくべきです。年間1万時間規模なら、分単価$0.0029の差で$1,700以上の開きが出ます。

逆に言えば、いま音声エージェントを試作するには追い風です。通常価格を前提に「Deepgramのストリーミングは高い」と結論を出した過去の判断は、いったん白紙に戻す価値があります。

$200無料クレジットは何分ぶん？ 期限には注意がいる

Deepgramは新規登録時に$200のクレジットを付与します。クレジットカードの登録は不要。ここがDeepgramの一番強いところです。

Nova-3の録音一括変換（$0.0043/分）に使った場合、$200はおよそ46,500分。時間に直すと約775時間です。

• カード登録なしで始められる
• 最低利用額の縛りがない
• 公開モデルとエンドポイントに一通りアクセスできる

775時間ぶんを無料で試せる。個人開発なら破格です。 1時間の会議録音を毎日処理しても2年もつ計算になります。

期限について、公式の料金ページはPay As You Goを「No minimums. No expiration. No credit card required.」と説明しており、失効期限は書かれていません。一方で第三者の解説には「登録から1年で失効」とするものもあります。プロモーションクレジットの条件は改定されやすい領域です。本番投入の前に、ダッシュボードのクレジット残高表示で自分の目で確認してください。

もうひとつ。無料クレジットはアカウント単位で付与されるため、検証用と本番用でアカウントを分けると管理も残高も分かれます。本番側の残高を検証で削りたくないなら分ける、$200を1本で使い切りたいなら分けない。先に決めておくと迷いません。

無料で使える文字起こしツールを先に見比べたい人は、無料の文字起こしツール比較を読んでからAPIに降りると、判断がぐっと速くなります。課金ゼロで済ませたい用途は無料の文字起こしツールまとめのほうが近道です。

Deepgramの日本語はどこまで使えるのか？

Deepgramの日本語は、多言語対応モデル経由で使えます。単一言語（英語）モデルより単価が1〜2割ほど高い、というのが料金上の扱いです。

正直に書きます。Deepgramの強みは英語圏の音声認識であり、日本語は「対応している」水準です。 英語での低遅延・高精度が評価の中心にあるサービスなので、日本語の議事録精度だけを比べるなら国内向けサービスのほうが噛み合う場面があります。

では、日本語案件でDeepgramを選ぶ理由はどこにあるのか。3つあります。

• 遅延の小ささ。リアルタイム会話を組むならここが効く
• 単価の安さ。大量処理でコストが桁で変わる
• STT・TTS・エージェントが1つのAPIに揃っている

議事録を作るだけならDeepgramでなくてもいい。会話するプロダクトを作るなら候補に残る。この線引きで考えると迷いません。

日本語の精度を軸に他の選択肢も並べたい人は、Whisperの日本語向け代替まとめが横断の下敷きになります。会議用途そのものを見直すならAI議事録・会議ツールのカテゴリから辿るのが早い。

日本語の精度は用途と音質で大きく変わるので、$200の無料枠を使って自分の音源で必ず試すこと。ここを人の記事の数字で決めるのが一番危ない。

ここまでの整理: 単価は録音$0.0043/分・リアルタイム$0.0048/分（期間限定価格）。無料$200は約46,500分ぶんでカード不要。日本語は使えるが英語ほどの強みはない。ここから先は、実際に使い始めたあとに効いてくる話です。

使い方は3ステップ。最短5分で最初の文字起こしが返る

Deepgramを触り始める手順は、驚くほど短いです。

1. 公式サイトでアカウント登録（カード不要）
2. ダッシュボードでAPIキーを発行
3. 音声ファイルのURLかファイル本体をAPIに投げる

録音ファイルの文字起こしは、音声を送って結果のJSONを受け取るだけ。JSONとは、プログラムが読みやすい形で整理されたテキストのことです。話者の区別、句読点の自動挿入、フィラー除去といったオプションは、リクエストのパラメータで足していきます。

言語指定は必須だと思っておいたほうが安全です。指定しないと英語として解釈され、日本語音声から意味不明な結果が返ってくる。最初につまずくポイントはたいていここ。

リアルタイム処理はWebSocketという常時つなぎっぱなしの通信を使います。音声を細かく送り続け、途中結果と確定結果が返ってくる仕組み。ここは実装の難易度が一段上がるので、まず録音ファイルで感触をつかんでから進むのが早道です。

APIキーの発行から従量課金の考え方まで、他社APIでの流れと見比べたいならChatGPT APIの使い方と料金が近い構造です。Pythonやローカル環境での自動化と組み合わせるなら、AIで業務を自動化する手順が下地になります。

請求が跳ねる3つの落とし穴

安いサービスほど、油断したときの請求が痛い。Deepgramで実際に事故が起きやすい構造を3つ挙げます。

1つめ、自動チャージ。 従量課金では残高が減ると自動で補充される設定が働きます。処理量が想定を超えたとき、止まらずに走り続ける。上限アラートを最初に設定しておくこと。

2つめ、接続時間課金。 Voice Agent APIは接続していた時間で課金されます。会話が終わったのに接続を閉じ忘れる実装だと、無音のまま料金が積み上がります。切断処理はテストで必ず確認する。

3つめ、多言語モデルの単価差。 日本語を扱うと自動的に高いほうの単価になります。1〜2割の差は、月数万分の処理では効いてきません。月数十万分になると効きます。

つまり、危ないのは単価ではなく「止まらない設計」のほう。予算アラートは実装より先に置いてください。

Growthプランに乗り換える分岐点はどこ？

Growthプランは年$4,000以上の前払いで、単価が下がります。Nova-3の単一言語モデルは従量課金より2割弱安くなるとされ、同時接続数の上限も上がります。

判断はシンプルです。

年$4,000は月あたり約$333。Nova-3の録音処理なら月およそ7.7万分（1,290時間）で到達します。ここに毎月届くなら前払いのほうが得。届かない月があるなら、使い切れないクレジットを買うことになります。

大事なのは、前払いは「安くなる」と同時に「使い切る義務が生まれる」という点。 処理量が読めないうちに年契約を結ぶのは、正直イマイチな判断です。3か月ぶんの実測を持ってから動く。

競合とどう違うのか？

音声認識APIの選択肢は増えました。それぞれ得意分野がはっきり分かれています。

Deepgramは感情分析・トピック抽出・要約・意図認識といった付加機能も持ちますが、そこはAssemblyAIやRev AIも同様に用意しています。差がつくのは速さと安さ。 リアルタイム会話を作るなら、ここが決定的になります。

自前でWhisperを回す選択は、月間の処理量が読めていて、サーバーを管理できるチームがいるときだけ検討する価値があります。個人や小さいチームなら、API利用のほうが総額で安くつくことが多い。自前運用の実像はWhisperの使い方と料金で確認してから決めてください。

音声認識ツール全体の見取り図は文字起こしAIの比較記事、音声系サービスを横断で並べるなら音声AIツールの比較、AIサービス全体の相場感はAIツールの料金比較が参考になります。

編集部の評価

公開情報とリサーチ結果をもとにした率直な評価です。

強い点。 カード登録なしで$200・約775時間ぶん試せるのは、この分野で圧倒的に親切な設計です。単価も1時間$0.26と安く、ストリーミングが通常$0.0077→$0.0048に引かれている期間限定価格は今だけの妙味。音声エージェントを作りたい開発者にとっては、いま最初に触るべき候補の一つ。

弱い点。 日本語の扱いは正直、微妙なところがあります。「対応している」以上の評価を公開情報から下すのは難しく、単価も多言語モデルぶん割高。日本語の議事録精度が最重要なら、国内サービスと並べて自分の音源で比べるべきです。

注意点。 クレジットの有効期限と自動チャージ、この2つは公式ダッシュボードで自分の目で確認してから本番投入してください。記事や第三者サイトの記述は、条件改定に追いつけていないことがあります。

総評。英語のリアルタイム音声処理を安く作りたいなら一択に近い。日本語の文字起こし専用ツールを探しているなら、Deepgramは第一候補ではありません。 この線引きさえ間違えなければ、$200の無料枠は非常に良い投資対効果を返してくれます。

よくある質問（FAQ）

Q. Deepgramは無料で使い続けられますか？

いいえ。$200のクレジットを使い切ると、支払い方法を登録しないと利用は止まります。毎月リセットされる無料枠は用意されていません。無料で継続したいなら、Whisperを自前で動かすほうが構造的に合っています。

Q. クレジットカードなしで本当に試せますか？

はい。登録時の$200クレジットはカード登録なしで付与され、公開モデルとエンドポイントを試せます。有料に移行する段階で初めて支払い方法が必要になります。

Q. 日本語の精度はどのくらいですか？

公開情報から具体的な日本語の精度数値を示すことはできません。Deepgramは多言語モデルで日本語に対応していますが、評価の中心は英語での速度と精度です。無料枠を使い、自分が実際に扱う音源で確かめるのが唯一確実な方法です。

Q. 1時間の会議を文字起こしすると、いくらかかりますか？

Nova-3の単一言語モデルで約$0.26、日本語を含む多言語モデルなら約$0.31です。1ドル150円換算で40〜47円ほど。月30本処理しても1,500円に届きません。

Q. Growthプランはいつ検討すべきですか？

月の支払いが$333（年$4,000）を安定して超えてからです。処理量が月によって上下する段階で年間の前払いをすると、使い切れないクレジットを抱えます。3か月ぶんの実測データを持ってから判断してください。

Q. Voice Agent APIの課金は文字起こしと同じですか？

違います。Voice Agent APIはWebSocket接続の時間で課金されるため、会話が終わっても接続を閉じないと料金が発生し続けます。文字起こしの分単価と同じ感覚で見積もると、請求額が想定を大きく超えます。

次に読むならこれ

Deepgramの単価は分かったけれど、そもそもAPIまで踏み込む必要があるのか迷っている人は、無料の文字起こしツール比較を先に読んでください。ブラウザだけで終わる用途なら、$200のクレジットすら使わずに解決します。APIを選ぶ理由がはっきりしてから戻ってくると、この記事の数字の意味が変わって見えるはずです。