AssemblyAI（アセンブリーエーアイ）

従量課金制。録音済み音声の文字起こしは1時間あたり0.15ドル〜。無料枠は、登録時にもらえる50ドル分のクレジットです（クレジットカード不要。安いUniversal-2なら、録音済みの音声で約330時間分）。

AssemblyAI（アセンブリーエーアイ）は、文字起こしを専業とするAPIサービスです。

日本語を含む99言語に対応し、単に音声を文字にするだけでなく、文字起こしと同時に要約を作る、話者を分離する（誰が話したかを判別する）、重要箇所を抽出する、感情を分析するといった処理をまとめて頼めるのが特徴です。

会議録アプリを作る場合、「文字起こし→要約→議事録の整形」という一連の流れを1回のAPI呼び出しで済ませられるため、開発の手間も費用も減らせます。

料金は録音済み音声の文字起こしが1時間あたり0.15ドルから。

そして無料枠として、登録時に50ドル分のクレジットがもらえます（クレジットカードの登録は不要）。安いUniversal-2なら、録音済みの音声で約330時間分を試せます。

これほどの時間を無料で試せるAPIは珍しく、じっくり品質を検証してから採用を決められる点は開発者にとって大きな安心材料です。

開発者の間では「精度のAssemblyAI、速さのDeepgram」という比較が定番で、特に多言語での聞き取り精度を評価する検証報告が目立ちます。

単純な文字起こしにとどまらず、要約や話者分離まで含めた「後工程まで面倒を見てくれる」設計思想が、アプリ開発の生産性を上げると評価されています。

そして何より、カード登録なしで数百時間分を無料で試せる無料枠の太さは開発者コミュニティで大好評です。

「本番導入前に、自社の音声データで存分に検証できた」という声は、他のAPIではなかなか聞けません。

注意点として、最新世代のモデル（Universal-3.5 Pro）は日本語にも対応していますが、対応言語を18に絞った新しいモデルです（99言語に対応しているのは、1つ前の世代のモデルです）。

日本語のみを扱うアプリでは、WhisperやDeepgramと比べて明確に優れているとは限りません。

日本語メインなら、無料枠で3社を聞き比べてから選ぶのが賢い進め方です。英語や多言語を扱うアプリなら、有力な第一候補になるでしょう。