Deepgramの料金（2026年）：STT、TTS、エージェント

Deepgramはほぼすべてを音声1分単位で課金するため、音声AIの請求額の中でも予測しやすい部類に入ります。落とし穴は細部にあります。どのモデルを使うか、ページの料金がプロモーション価格かどうか、音声のチャンネル数、どのアドオンを有効にするか、です。

要点をまとめます。2026年10月にDeepgramの料金ページで確認した内容です。Pay As You Goのストリーミング音声認識は1分あたり$0.0048〜$0.0078で、そのうちいくつかは期間限定のプロモーション価格と表示されています。Nova-3とFlux Englishの通常価格は$0.0077です。音声合成は1,000文字あたり$0.015〜$0.045です。Voice Agent APIはStandardティアで1分あたり$0.075です。新規アカウントには期限のない$200のクレジットが付きます。

私たちはCartesiaを開発しており、音声認識、音声合成、音声エージェントでDeepgramと競合しています。つまり利害関係があります。以下のDeepgramの数字はすべてDeepgram自身のページから取ったもので、最後に私たちの料金も載せていますので、両方を確認してください。

Deepgramのプラン

Pay As You Goは開始時のクレジットカード登録も最低利用額も不要です。クレジットはデフォルトで自動チャージされ（残高が$10になると$100を追加）、コンソールでオフにできます。購入したクレジットは、未使用であれば30日以内なら返金できます。

リアルタイムのアプリケーションでは、コストより先に同時接続数の上限に当たることがよくあります。Pay As You Goではストリーミング音声認識が最大150接続、音声合成と音声エージェントが最大45接続まで同時に使え、Growthではそれぞれ225と60に増えます。上限を超えたリクエストはキューに入るか拒否されることがあります。

音声認識の料金

2026年10月時点の1分あたりの料金です。「プロモ」は、Deepgramが取り消し線付きの通常価格の横に表示している現在の価格です。

FluxはDeepgramの音声エージェント向けモデルで、ターン検出を内蔵しています。Nova-3は汎用の文字起こしモデルです。旧モデルも従来の料金で利用でき、Nova-2のストリーミングは1時間あたり$0.35、Enhancedは$0.99、Baseは$0.87です。

プロモーション価格には、ページ上に終了日の記載がありません。1年分の予算を立てるなら通常価格の列を使ってください。プロモーションが終われば、その金額を支払うことになります。

合計額には、モデルの選択より次の3つの課金ルールのほうが大きく効きます。

• 課金は秒単位です。Deepgramは分単位に切り上げません。
• マルチチャンネル音声はチャンネルごとに課金されます。10分のステレオ通話は20分として請求されます。オペレーターと通話相手を別チャンネルで録音しているコンタクトセンターは2倍払うことになります。
• アドオンは1分あたりの料金が上乗せされます。Pay As You Goでは、個人情報の秘匿化が$0.0020、エンティティ検出が$0.0017、キーワードプロンプト（keyterm prompting）が$0.0013、ストリーミングの話者分離が$0.0020です。スマートフォーマットは料金に含まれ、録音済み音声の話者分離も含まれます。

音声合成の料金

発話1分あたり約1,000文字とすると、Flux TTSは音声1分あたり約4.5セントです。Deepgramは2026年12月31日まで、Flux TTSに使った1ドルごとに1ドルのクレジットを追加するキャンペーンを行っています（上限$500）。

Voice Agent APIの料金

Voice Agent APIは、音声認識、LLM、音声合成を1本のWebSocketにまとめ、接続時間で課金します。どのティアになるかはLLMで決まります。GPT-4o mini、Claude Haiku 4.5、Gemini Flash系などの小型モデルはStandard、GPT-5やClaude Sonnetなどの大型モデルはAdvancedです（DeepgramのLLM一覧による）。

この料金に含まれないものが2つあります。電話をかけるにはTwilioなどの通信事業者が必要で、その料金は別途請求されます。また、自前のプロバイダーを使うティアが安いのは請求書のDeepgramの行だけで、持ち込んだLLMやTTSの料金は引き続き支払います。

課金は接続時間ベースなので、保留音や長い無音のあいだソケットを開いたままにしているエージェントは、その時間分も支払います。

実際のワークロードでの費用

Pay As You Goの定価で2つの例を計算します。

2チャンネルの通話録音を月100,000分文字起こしする場合。 請求対象は200,000分です。録音済み音声のNova-3（$0.0043）なら$860です。個人情報の秘匿化（1分あたり$0.0020）を加えると$1,260になります。Growthでは、どちらの料金も約15〜20%下がります。

月10,000分の通話を処理する音声エージェントの場合。 StandardティアならDeepgramへの支払いは$750で、これに通信事業者の料金が加わります。より大きなモデルが必要な場合、Advancedティアでは$1,630になります。

Cartesiaの位置づけ

音声エージェント向けにDeepgramを検討しているなら、分単価より重要な数字が3つあります。エージェントが言葉をどれだけ正しく聞き取れるか、どれだけ自然に聞こえるか、そして通話1件あたりの総額です。

• 音声認識：2026年10月のArtificial Analysisのストリーミングベンチマークでは、Ink-2の単語誤り率は3.4%で、Nova-3 Realtimeは6.6%、Fluxは7.4%です。口座番号や名前を聞き違えるたびに、エージェントはそのターンを立て直す必要があります。
• 音声合成：Artificial Analysisのブラインドリスニングテストでは、Sonic 3.6のスコアは1284、Flux TTSは1054です（2026年10月）。
• 音声エージェント：Cartesia Managed Agentsの通話は1分あたり$0.06で、DeepgramのStandardティアは$0.075です。期間限定で、Cartesiaのプレイグラウンドで作成したエージェントはLLMの利用料が含まれます。上の月10,000分のエージェントはCartesiaでは$600で、Cartesiaの電話番号を使う場合は1分あたり$0.014が加わります。

レイテンシの測定結果はCartesiaとDeepgramの比較ページに、試す価値のある他のストリーミングモデルは音声認識モデルのガイドにまとめています。

録音済み音声を大量に文字起こしするだけで、リアルタイムのエージェントが不要なら、Deepgramの録音済み音声向け料金はまさにその用途向けで、秒単位の課金により短いファイルも安く済みます。

比較用：Cartesiaの料金

Cartesiaのプランでは、音声認識と音声合成を同じクレジット残高から差し引きます。音声合成は1文字1クレジット、Ink-2の音声認識は音声1秒あたり3クレジットです。

音声エージェントは1分あたり$0.06で、まず前払いのエージェント利用枠から差し引かれます。未使用のクレジットは月間付与量の2倍まで繰り越せます。CartesiaはVPC、オンプレミス、エアギャップ環境へのデプロイにも対応しています。

プレイグラウンドでInk-2とSonicを試すか、どちらかに決める前に同じ音声を両方のAPIで処理して比べてみてください。

関連ガイド

• ElevenLabsの料金（2026年）
• おすすめの音声認識モデル
• 音声エージェントとは
• AI音声エージェントのプラットフォーム