Deepgram vs AssemblyAI：文字起こし料金と精度

AssemblyAI Universal-3.5 Proは音声1時間あたり$0.21で、Deepgram Nova-3の$0.258より安く、AA-WERも3.0%対5.2%と低い。Nova-3は548.1×対100.3×（実時間比）で5.5×高速に処理します。

更新日 · 5 出典 · 比較方法

比較項目優位な比較対象差根拠
音声時間の料金AssemblyAI$0.048$0.258 / $0.2123
AA-WER v2AssemblyAI2.2 pp5.2% / 3.0%1
処理速度係数Deepgram5.5×548.1× / 100.3×1

性能

提供元モデルAA-WER v2 (%)処理速度係数
Deepgram1Nova-35.2%548.1×
AssemblyAI1Universal-3.5 Pro3.0%100.3×

料金とリクエスト費用

提供元音声時間の料金100 h
Deepgram2$0.258$25.80
AssemblyAI3$0.21$21.00
算例：録音済みモノラル音声100時間
Deepgram$25.80
AssemblyAI$21.00

機能と提供条件

比較項目DeepgramAssemblyAI
多言語の料金と対応言語言語が切り替わる音声にはNova-3 Multilingual（$0.0052/min、$0.312/h）を使い、比較対象のモノリンガル料金$0.0043/minより高くなります。Nova-3 Multilingualは55言語に対応します。25Universal-3.5 Proの公表料金$0.21/hには、18言語間のネイティブなコードスイッチが含まれ、別の多言語料金はありません。34

各サービスが向いている用途

Deepgram

  • 大規模なモノラル録音で、認識精度の最後の改善幅よりキューの処理完了を優先するならNova-3です。1
  • AA-WERは5.2%でUniversal-3.5 Proの3.0%より高く、誤りの少ない保存用文字起こしならAssemblyAIが優勢です。1

AssemblyAI

  • 対応言語が混在し、文脈を指示したい録音会話にはUniversal-3.5 Proが向いています。4
  • 処理速度係数100.3×はNova-3の548.1×を下回るため、安い料金が最速の処理完了も意味するわけではありません。1

比較方法と出典

AA-WER v2はAA-AgentTalk (50%)、修正版VoxPopuli (25%)、修正版Earnings22 (25%)を使用。速度はAAの直近7日間の中央値による10分音声の処理秒数比で、リアルタイム遅延ではありません。録音済みモノラル基本料金で、追加機能と追加チャンネルを除きます。

音声費用は公表料金による試算で、税とサブスクリプションのクレジットを除外。Novita AIが公開資料に基づき掲載しています。

  1. Artificial Analysis · AA-WER v2 non-streaming
  2. Deepgram · API公式料金
  3. AssemblyAI · API公式料金
  4. AssemblyAI · Universal-3.5 Pro languages
  5. Deepgram · Nova-3 multilingual code-switching

Novita Model APIsで開発を始める

Novita AI は音声認識（speech-to-text）を提供していません。文字起こしサービスと Novita の LLM API を組み合わせて書き起こしの要約・分析に使うか、音声出力には Fish Audio text-to-speech をご利用ください。

開発を始めるモデルを見る