Best 19 api voice to text Tools in 2026

音声からテキストへのAPI（STT）
テキストから音声へのAPI（TTS）
音声エージェントAPI
オーディオインテリジェンスAPI

無料トライアル $200の無料クレジット これにより750時間の転記が可能、または約200時間のテキストから音声へのオーディオが生成できます。クレジットカードは必要ありません。

Deepgramを使用するには、無料アカウントにサインアップして$200の無料クレジットを受け取ります。Playgroundを探索してモデルやAPIを試したり、サンプルオーディオファイルを転記したり、テキストから音声への変換を行ったりします。DeepgramのAPIをアプリケーションに統合して、音声からテキストへの変換、テキストから音声への変換、および音声エージェント機能を活用します。

音声からテキストへ
ストリーミング音声からテキストへ
音声理解
スピーカーダイアリゼーション
感情分析
PII削除
コンテンツモデレーション
自動言語検出

無料 無料 $50の無料クレジットでの構築を開始
使用量に応じて支払う 音声からテキストへは$0.12/時 音声AIを製品に統合する準備ができたチーム向け
カスタム お問い合わせ AIを生産にスケールするための最も柔軟なプラン

ユーザーはAssemblyAIのAPIを利用して、録音された音声データをテキストに変換し、低遅延のストリーミング音声からテキストへの変換で音声エージェントワークフローを構築し、音声インテリジェンスモデルを使用して深い分析を行うことができます。このプラットフォームは、AIモデルをテストするためのノーコードプレイグラウンドも提供しています。

音声クローン
テキストから音声
音声から音声
音声デザイン
マルチリンガル音声生成
音声編集
ディープフェイク検出
AI透かし

STARTER $5 / 月 AI音声を始めるのに最適な方法。毎月4,000秒を含む。1つのRapid Voice Clone。音声デザイン。150以上の言語に翻訳。音声編集。
CREATOR $19 / 月 個別クリエイターに最適なプロフェッショナル音声クローンへの手頃なステップ。15,000秒含まれる。3つのRapid Voice Clones。1つのProfessional Voice Clone。48キロヘルツの高音質オーディオ出力。6言語で声をクローン。150以上の言語に翻訳。音声編集。
PROFESSIONAL $99 / 月 ローカリゼーション、優先サポート、ボリュームディスカウントでプロジェクトを拡大。クリエイターのすべての機能。45,000秒含まれる。45,000秒以降は$0.002/秒。20のRapid Voice Clone。1つのProfessional Voice Clone。
SCALE $299 / 月 優先サポートとボリュームディスカウントでプロジェクトを拡大。プロフェッショナルのすべての機能。120,000秒含まれる。120,000秒以降は$0.0018/秒。150のRapid Voice Clone。3つのProfessional Voice Clone。
BUSINESS $699 / 月 大規模な統合のための完全なAPIアクセスを備えた包括的プラン。スケールのすべての機能。毎月360,000秒を含む。360,000秒以降は$0.0015/秒。500のRapid Voice Clone。3つのProfessional Voice Clone。低遅延WebSocket API。認可パートナープログラム。
ENTERPRISE お問い合わせ 企業規模のニーズに対してプレミアムサポートを備えた調整された包括的ソリューション。ビジネスのすべての機能。専任サポート。エンタープライズSLA。ディープフェイク検出。リアルタイムの音声から音声への変換。専用ノードまたはオンプレミスサポート。

ユーザーは、自分の声を録音またはアップロードすることでAI音声を作成できます。このプラットフォームでは、テキストから音声、音声から音声、音声デザイン機能を提供しています。ユーザーは、音声、ビデオ、または画像の操作を分析するためのディープフェイク検出ツールも利用できます。

人間のように聞こえるAI電話エージェント
24時間年中無休の可用性
複数の言語をサポート
セルフホスト型のエンドツーエンドインフラ
既存システムとの動的統合
カスタマイズ可能なプロンプトとガードレール

従量課金制 すべてが1分あたり$0.09で。
エンタープライズ エンタープライズのお問い合わせ

BlandのAPIをビジネスシステムに統合して、営業、スケジューリング、カスタマーサポートを担当するAI電話エージェントを構築します。カスタムプロンプトやサンプルダイアログを提供し、インタラクションをパーソナライズします。このプラットフォームは、数千件の電話を処理できる自動スケーリングインフラを提供します。

600以上のリアルなAI声によるテキスト読み上げ変換
声クローン作成技術
142の言語とアクセントに対応
カスタマイズ可能な声出力（速度、音程、音量、発音）
MP3およびWAV形式でのダウンロードオプション
商業利用および放送権が利用可能
スクリプトライターAI
アバターAI
サウンドスタジオ

Creator $9 /月（毎月払い）または$6.5 /月（年間払い） 200,000テキスト読み上げ文字、100,000声クローン文字、スクリプトライターAIへの無制限アクセス、約3時間のオーディオ、150以上の言語および方言、すべての声へのアクセス、無制限ダウンロード、サウンドスタジオ、商業権が含まれています
Pro $39 /月（毎月払い）または$26 /月（年間払い） 100万テキスト読み上げ文字、500,000声クローン文字、スクリプトライターAIへの無制限アクセス、約20時間のオーディオ、150以上の言語および方言、すべての声へのアクセス、無制限ダウンロード、サウンドスタジオ、商業権が含まれています
Unlimited $270 /月（毎月払い）または$149 /月（年間払い） 500万テキスト読み上げ文字、500万声クローン文字、スクリプトライターAIへの無制限アクセス、150以上の言語および方言、すべての声へのアクセス、無制限ダウンロード、サウンドスタジオ、商業権が含まれています
API $0.000025 文字あたり 50,000文字ごとに$1、高品質TTS声、迅速なTTS速度、商業権、シンプルなAPI統合、600声142言語

Verbatikを使用するには、アプリのダッシュボードにオーディオに変換したいテキストを貼り付けます。利用可能なオプションからAIテキスト読み上げ用の声を選択します。音声を生成し、プロジェクトのためにダウンロードします。

800以上の声によるテキスト・トゥ・スピーチ変換
無料の制限付き使用のためのTelegramボット統合
高品質44.1K wavファイル出力
有料プランでの商業利用オプション
受動的収入のための声のライセンス提供

プラン1 $2 per month 約1222分の音声、テキストからのボイスオーバー、すべてのファイルのダウンロード、商業利用
プラン2 $6 per month 約3833分の音声、テキストからのボイスオーバー、すべてのファイルのダウンロード、商業利用
プラン3 $10 per month 約6650分の音声、テキストからのボイスオーバー、すべてのファイルのダウンロード、商業利用

ユーザーは、有限な合成のために無料のTelegramボットを使用するか、より広範な機能を利用するために有料プランに登録できます。テキストを入力し、声を選択して音声を生成するだけです。

多言語スピーチ・トゥ・テキスト変換
14言語での高精度
オーディオファイルのアップロードとYouTubeリンクのペーストをサポート
複数のプログラミング言語でのAPI統合
クラウドおよびオンプレミスのデプロイメントオプション
読みやすさのための句読点と最適化

無料 無料 月間30分のオンライン転写、月間5時間のAPI転写、全14言語利用可能、時間に沿った転写、1つのオーディオファイルの同時接続制限、サインアップにはクレジットカードは不要
オンデマンド $0.0002秒ごと 無料プランに含まれるすべて、10オーディオファイルの同時接続制限、秒単位の従量課金、オンラインサポート
エンタープライズ 営業にお問い合わせ ボリューム転写の価格、より高い同時接続制限、VPCデプロイメント、オンプレミスデプロイメント、専用サポート

ユーザーはオーディオファイルをアップロードするか、YouTubeリンクを貼り付けてスピーチをテキストに転写できます。APIはCURL、C#、Go、Java、Node.js、PHP、Python、Ruby、Rust、TypeScriptなどのさまざまな言語でのコードスニペットを使用して統合できます。

GPT-4oおよびClaudeAIとの統合
DALL·E 3統合による画像生成
最新の音声認識技術によるWhisper
Telegram経由の直感的インターフェース
神経ベースのテキスト読み上げ
柔軟なAPIアクセス

Pro 月額$19.99 4つのプライベートボット、0のグループボット、OpenAI - gpt-4o、gpt-3.5-turbo、ClaudeAI - 3-5-sonnet
Community Manager 月額$49.99 1つのプライベートボット、1つのグループボット、OpenAI - gpt-4o、gpt-3.5-turbo、ClaudeAI - 3-5-sonnet

ユーザーは、希望する個性を指定することで、数秒でボットを設定できます。このプラットフォームは、@mygptlinkbotを介してTelegramと統合され、ユーザーは自分のボットを有効化し、デザインすることができます。柔軟なAPIアクセスにより、さまざまなデバイスやプラットフォームで利用できます。

AIツール検索エンジン
AIツールディレクトリ：生産性のためのソリューションを見つける
数字が話す：AIツール、コース、チュートリアルの幅広いコレクションを発見する

最新のAIツール、コース、チュートリアル、ニュース、求人などを探索、比較、シームレスに統合することができます

リアルなテキストから音声への変換
音声クローン機能
多言語音声
テキストからビデオへ
ポッドキャストホスティング
API統合

個人 $19/月 個人プロデューサー向け。最大50動画/月、20000語/月、無制限ダウンロード/エクスポート、50GBストレージ、1000以上の声へのアクセス、無制限オーディオ埋め込み、無制限エクスポート
ソロ $39/月 個人クリエイターや小規模チーム向け。最大150動画/月、50000語/月、無制限ダウンロード/エクスポート、100GBストレージ、1000以上の声へのアクセス、無制限オーディオ埋め込み、無制限エクスポート
エージェンシー $99/月 中小企業やエージェンシー向け。最大250動画/月、500000語/月、無制限ダウンロード/エクスポート、250GBストレージ、1000以上の声へのアクセス、無制限オーディオ埋め込み、無制限エクスポート

プラットフォームにログインし、テキストを貼り付けまたは入力して声を選択し、音声ファイルを生成します。その後、MP3またはWAV形式でダウンロードできます。また、Listnrは音声のピッチ変更、ポーズ追加、発音調整、速度調整ができるテキスト音声編集ツールも提供しています。