音声文字起こしモデルの料金比較
BibiGPT で動かせるすべての文字起こしモデルと、参考用の API の 1 時間あたりの料金です。トークン課金のモデルは、当社が実測した密度で換算しています。
料金確認日：2026-10-26。表示は上流の定価で、BibiGPT の料金ではありません。
| モデル | 1 時間あたり | 10 時間 | 定価 | 特長 | BibiGPT での対応 |
|---|---|---|---|---|---|
Bibi Local 端末内文字起こし Bibi Local デスクトップアプリ SenseVoice / Whisper（端末内）音声がパソコンの外に出ません。速度はパソコンの性能次第です。 | $0 | $0 | 無料（お使いのパソコンで実行） | 中/英/日/韓/広東語ほか 単語タイムスタンプ | 端末内で実行 デスクトップアプリ（ローカルモード） Bibi Local をダウンロード |
Qwen-Audio-3.1 ASR最安 Alibaba Qwen qwen-audio-3.1-asr-flash-filetrans当社の中国語サンプルで 1 時間あたり約 ¥0.075〜0.10。実測したクラウドでは最安です。商品名の認識は Paraformer より良好で、フィラーは残ります。 | $0.0136実測 | $0.136 | 入力 ¥0.8／出力 ¥2.7（100 万トークンあたり、北京リージョン） | 30 言語＋中国語方言 10 種 単語タイムスタンプ話者分離ホットワード方言 | BibiGPT で利用可 |
StepAudio 2.5 ASR StepFun stepaudio-2.5-asr時間課金 API では最安。標準中国語に強い一方、方言と話者分離には非対応です。 | $0.0211 | $0.211 | ¥0.15/時間（$0.022/時間） | 中国語、英語 単語タイムスタンプホットワード | BibiGPT で利用可 |
Paraformer v2 Alibaba Qwen paraformer-v2BibiGPT の中国語動画の既定モデルで、話者分離とフィラー除去をオンにしています。ブランド名は苦手です。 | $0.0406 | $0.406 | ¥0.00008/秒 | 中/英/日/韓/独/仏/露＋約 18 種のアクセント 単語タイムスタンプ話者分離ホットワードフィラー除去方言 | BibiGPT で利用可 |
DeepSeek POST /v1/tools/asrFLEURS 実測で中国語 CER 1.9%（6 社中 2 位）、英語 WER 6.4%。1 本約 1 秒。1 ファイル最長 120 秒でタイムスタンプなし。字幕ではなく音声入力向け。 | $0.058 | $0.58 | $0.116/時間（期間限定半額 $0.058）、秒単位課金 | 広東語を含む 21 言語、自動判定 方言 | BibiGPT 未対応 |
Grok Voice Transcribe 2.0 xAI grok-voice-transcribe-2.0英語などの非 CJK 音声向けの安価な選択肢。中国語には向きません。 | $0.1 | $1 | $0.10/時間（バッチ） | 25 言語（CJK を除く） 単語タイムスタンプ話者分離 | BibiGPT で利用可 |
Whisper large-v3 (Groq) OpenAI オープンソース／Groq whisper-large-v3対応言語が多く、非常に高速。話者分離はなく、無音部分で幻覚が出ることがあります。 | $0.111 | $1.11 | $0.111/時間 | 99 言語 単語タイムスタンプ | BibiGPT で利用可 |
Qwen3-ASR Flash Alibaba Qwen qwen3-asr-flash-filetrans3.1 にはない感情ラベルを返します。話者分離はありません。 | $0.112 | $1.12 | ¥0.00022/秒 | 約 27 言語＋方言 4 種 単語タイムスタンプ感情方言 | BibiGPT で利用可 |
Qwen-Audio-3.0 ASR Alibaba Qwen qwen-audio-3.0-asr-flash-filetrans方言の対応範囲は 3.1 より広く、料金は約 8〜10 倍です。 | $0.112 | $1.12 | ¥0.00022/秒 | 中国語方言の対応が最も広い 単語タイムスタンプ方言 | BibiGPT で利用可 |
ElevenLabs Scribe v2 ElevenLabs scribe_v2多言語で安定しており、話者分離にも対応。ご自身の ElevenLabs キーが必要です。 | $0.22 | $2.2 | $0.22/時間（バッチ） | 90 以上の言語 単語タイムスタンプ話者分離音イベントホットワード | BibiGPT で利用可・自分のキー |
Deepgram Nova-3 Deepgram deepgram/nova-3英語の通話や会議向けの定番。OpenRouter キーで選択できます。 | $0.258 | $2.58 | $0.0043/分（OpenRouter） | 多言語（英語が最も得意） 単語タイムスタンプ話者分離ホットワード | BibiGPT で利用可・自分のキー |
GPT Transcribe OpenAI openai/gpt-transcribeOpenRouter キーで選択可能。テキストのみで、タイムスタンプや話者情報はありません。 | $0.27 | $2.7 | $0.0045/分（OpenRouter） | 多言語 | BibiGPT で利用可・自分のキー |
Gemini 3.5 Transcribe Google gemini-3.5-transcribeフィラーや言い直しをネイティブに除去します。ご自身の Gemini キーが必要です。 | $0.31概算 | $3.1 | 音声入力 $2／テキスト出力 $12（100 万トークンあたり、公式見積もり約 $0.005/分） | 85 以上の言語 単語タイムスタンプ話者分離フィラー除去 | BibiGPT で利用可・自分のキー |
Doubao 録音ファイル ASR ByteDance 火山引擎（Volcengine） volc.bigasr.auc中国語と方言に強い。火山引擎の AppID とトークンが必要です。 | $0.324 | $3.24 | 標準 ¥2.3/時間、閑散時間帯 ¥1.2、ファイル ASR 2.0 ¥0.8 | 中/英＋方言 5 種 単語タイムスタンプ話者分離ホットワード方言 | BibiGPT で利用可・自分のキー |
MAI-Transcribe 1.5 Microsoft microsoft/mai-transcribe-1.5OpenRouter キーがあれば、文字起こしの選択肢から選べます。 | $0.36 | $3.6 | $0.36/時間（OpenRouter） | 多言語 単語タイムスタンプ | BibiGPT で利用可・自分のキー |
Fish Audio Transcribe Pro Fish Audio transcribe-1-pro話者タグと音イベントタグ付き。BibiGPT は [click] などのイベントを字幕から取り除きます。中国語の人名は平均的です。 | $0.36 | $3.6 | $0.0001/秒 | 83 言語（ベンダー公称） 単語タイムスタンプ話者分離音イベント | BibiGPT で利用可・自分のキー |
StepAudio 3 ASR StepFun stepaudio-3-asr-maxArtificial Analysis のバッチ WER で首位タイ。ホットワードなしだと「BibiGPT」を「Bilibili GPT」と聞き取りました。 | $0.394 | $3.94 | ¥2.8/時間（国際サイトは $0.40/時間） | 中国語、英語 単語タイムスタンプホットワード | BibiGPT で利用可・自分のキー |
- Gemini の音声入力は 1 秒あたり 25 トークン、文字起こしの出力は 1 秒あたり約 3 トークンで換算。
- Qwen-Audio-3.1：1 秒あたり入力約 20 ＋ 出力約 4 トークン。当社の中国語サンプルでの実測値です。
- 人民元と米ドルは 7.1 で換算。
よくある質問
いちばん安い文字起こしモデルはどれ？
当社のサンプルでは、Qwen-Audio-3.1 のファイル文字起こしが 1 時間あたり約 ¥0.075〜0.10 で、StepAudio 2.5（¥0.15/時間）や Paraformer v2（¥0.288/時間）より安くなりました。Bibi Local デスクトップアプリの端末内モデルは無料です。
STT、ライブ、TTS の違いは？
STT は録音済みの音声をテキストにするもので、音声の時間数で課金されます。ライブモデルは話している最中に同じ処理を行うか、音声で返答するもので、料金は高めです。TTS は逆にテキストから音声を作り、多くは文字数で課金されます。
なぜ「概算」と表示される価格があるの？
それらのモデルは分単位ではなくトークンで課金されます。表の下に記載したトークン密度で換算しており、実際の請求額は話す速さや言語によって変わります。
これらのモデルは BibiGPT で使える？
「BibiGPT で利用可」のモデルはメンバーシップに含まれます。「自分のキー」のモデルは、ご自身の API キーを登録すると選択できます。「端末内で実行」のモデルは Bibi Local デスクトップアプリで無料で動作します。「BibiGPT 未対応」の行は参考として掲載しています。
自分の音声で試してみる
YouTube、Bilibili、ポッドキャストのリンクを BibiGPT に貼り付け、文字起こし設定でエンジンを選びます。非公開の録音は、Bibi Local ならお使いのパソコン上で文字起こしできます。