Whisper
議事録・文字起こしAIでの評価です
OpenAI の音声認識モデルで、APIまたは自分の環境で動かして文字起こしを行います。画面上で1本ずつ処理する既製サービスではなく、自分で仕組みを組んで使う前提の道具です。従量課金で1分あたり0.006ドル前後（1時間およそ50〜60円）、軽量モデルはその半額程度という情報で、単価はこの分野で最安クラスです。
こんな人におすすめ
- 月数十時間規模の音声を処理し、単価を抑えたい人
- ファイル分割や整形の仕組みを自分で組める人
- 多言語が混ざる音声や、英語資料の文字起こしを扱う人
- 守秘義務があり、外部サービスへアップロードできない音声を扱う人（ローカルで動かす選択肢があります）
良い点
- ・従量課金で単価が最安クラスのため、処理量が多いほど有利になります
- ・多言語の文字起こしに広く対応しており、日本語と英語が混ざる音声にも使えます
- ・自分の環境で動かせば、音声を外部へ送信せずに処理できます
注意点
- ・自分で仕組みを組む技術力が必須で、この分野では導入の手間が最も大きい部類です。既製サービスのような画面はありません
- ・1ファイルの容量に上限があり、長時間の音声は分割が前提になります。話者分離や整形も自分で組み合わせる必要があります
- ・月10時間程度までなら、既製のサービスを契約したほうが総コスト（自分の作業時間を含む）は安く済むことが多くあります
料金プラン
自分の環境で動かす0円モデル自体は無料で入手できます。かかるのは機材と電気代、そして自分の作業時間です
API（whisper-1）1分あたり0.006ドル前後1時間およそ50〜60円という情報。為替で変動します
API（軽量モデル）1分あたり0.003ドル前後後継の文字起こしモデルが並行して提供されており、単価は見直されることがあります。最新の単価は公式の料金ページで確認してください
使用に必要なもの
- API を使う場合は OpenAI のアカウントと支払い登録（前払いのチャージ方式という情報）
- Python などでスクリプトを書ける環境、または Whisper を組み込んだアプリ
- 自分の環境で動かす場合は、実用的な速度を出すために GPU 搭載のPCが望ましいとされます
- 1ファイルの容量に上限があるため、長時間の音声を分割する仕組みを用意する必要があります
組み合わせると効果的なツール
- ChatGPT — Whisper の出力は句読点や段落が整っていない生のテキストになりがちです。同じ OpenAI のアカウントで整形・要約まで続けて処理する流れを組めます
- Claude Code — 分割・連結・整形といった前後処理のスクリプトを書く作業そのものを任せられます。Whisper の導入コストは技術面の手間なので、そこを直接下げる組み合わせです
- Notta — 処理量が少ない月は既製サービスのほうが総コストが安く済みます。量が多い案件は Whisper、少ない月は Notta の無料枠、と切り替える判断材料になります
議事録・文字起こしAIB上級者向け合計 65/100
従量課金で単価は最安クラスだが、自分で仕組みを組む技術力が必須
コスパ
18
性能
17
使いやすさ
8
日本語
13
サポート
9
評価は編集部独自の基準によるもので、コスパ・性能・使いやすさ・日本語対応・サポートの5項目(各20点満点、合計100点満点)で採点しています。料金・仕様は変更される場合があるため、契約前には必ず公式サイトで最新の情報をご確認ください。