ホーム / ガイド / 無料の音声認識 API

無料の音声認識 API

音声認識 API は、音声をテキストに変換します。Groq、Cloudflare、OVH、Mistral、Cohere などのプロバイダーが、上限付きで無料の文字起こしを提供しています。FreeLLMAPI は、13 件の無料の文字起こしモデルを、1 つの OpenAI 互換エンドポイント /v1/audio/transcriptions の背後にまとめます。あるプロバイダーがリクエストを停止すると、ルーターは次のプロバイダーを試します。

コード、モデル名、ライブのカタログラベルは英語で表示します。

本日の無料の文字起こしモデル

この表には、FreeLLMAPI カタログにある無料の文字起こしモデルが掲載されています。データはライブのカタログから取得しています。「最大アップロードサイズ」は、カタログで判明している場合に、プロバイダーが無料枠で受け付ける最大のファイルサイズです。

モデルプロバイダー最大アップロードサイズ無料枠
Whisper Large v3 Turbo (Groq)
whisper-large-v3-turbo
Groq25 MBfree tier - 25 MB uploads
Whisper Large v3 (Groq)
whisper-large-v3
Groq25 MBfree tier - 25 MB uploads
Whisper Large v3 Turbo (Cloudflare Workers AI)
@cf/openai/whisper-large-v3-turbo
Cloudflare Workers AI-Workers AI free allocation
Whisper (Cloudflare Workers AI)
@cf/openai/whisper
Cloudflare Workers AI-Workers AI free allocation
Deepgram Nova-3 (Cloudflare Workers AI)
@cf/deepgram/nova-3
Cloudflare Workers AI-Workers AI free allocation
Whisper Tiny English (Cloudflare Workers AI)
@cf/openai/whisper-tiny-en
Cloudflare Workers AI-Workers AI free allocation
Cohere Transcribe Arabic (07-2026)
cohere-transcribe-arabic-07-2026
Cohere25 MBfree evaluation key - 1,000 calls/month shared
Cohere Transcribe (03-2026)
cohere-transcribe-03-2026
Cohere25 MBFree evaluation key — 1,000 calls/month shared; language defaults to English
Voxtral Mini Transcribe 2 (Mistral)
voxtral-mini-2602
Mistral25 MBRenewing Mistral Free-mode monthly usage shared with Studio/API/Vibe; account-specific allowance. Paid overage may apply if enabled.
Whisper Large v3 (OVH)
whisper-large-v3
OVH AI Endpoints25 MBfree · anonymous 2 req/min per IP
Whisper Large v3 Turbo (OVH)
whisper-large-v3-turbo
OVH AI Endpoints25 MBfree · anonymous 2 req/min per IP
Typhoon ASR Realtime
typhoon-asr-realtime
Typhoon-Ongoing free research API (shared rate limits)
Typhoon Isan ASR Realtime
typhoon-isan-asr-realtime
Typhoon-Ongoing free research API (shared rate limits)

FreeLLMAPI カタログのライブデータ(バージョン 2026.11.19、確認日 2026-11-19)。無料枠の上限は頻繁に変わります。カタログは毎日確認されます。

ほとんどのエントリーは、異なるプロバイダーがホストする OpenAI の Whisper モデルです。この表には、Cloudflare の Deepgram Nova-3、Mistral の Voxtral、Cohere Transcribe、タイ語向けの Typhoon ASR も含まれています。Whisper モデルのみの比較については、無料の Whisper APIを参照してください。

モデルを選ぶには、次のルールを使用してください。

  • 多言語の一般的な文字起こし: Whisper Large v3 または Whisper Large v3 Turbo。Turbo は高速です。Groq では、Large v3 の単語誤り率が低くなります。
  • 字幕: Cloudflare の Whisper モデル。VTT を返すためです。
  • アラビア語: Cohere Transcribe Arabic。タイ語: Typhoon ASR。
  • フォールバック: OVH Whisper。キーは不要ですが、1 分あたり 2 件のリクエストのみ許可されます。

手順 1: FreeLLMAPI をインストールしてキーを追加する

FreeLLMAPI はオープンソースです。Docker でお使いのコンピューター上で動作します。プロバイダーのキーは、お使いのコンピューターに保存されたままです。

インストール(macOS または Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

http://localhost:3001 のダッシュボードを開きます。Keys ページで、Groq のキーと Cloudflare のキーを追加します。どちらのプロバイダーも無料のキーを提供しており、どちらも Whisper を提供しています。同じページで統合キーをコピーします。

Cloudflare のキーの形式: Cloudflare Workers AI のキーは account_id:token の形式です。アカウント ID のないトークンは動作しません。

手順 2: 音声ファイルを送信する

エンドポイントは、OpenAI API と同じく multipart/form-data のアップロードを受け付けます。必須の欄は 2 つです。file と model です。model=auto または model=whisper-1 を使用すると、ルーターがプロバイダーを選択します。

curl

curl http://localhost:3001/v1/audio/transcriptions \
  -H "Authorization: Bearer <unified-key>" \
  -F [email protected] \
  -F model=auto \
  -F language=en \
  -F response_format=json

Python(OpenAI SDK)

from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

with open("meeting.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="auto",               # or a model id, e.g. "whisper-large-v3-turbo"
        file=audio,
        language="en",              # optional ISO-639-1 code; improves accuracy
        prompt="FreeLLMAPI, Groq",  # optional: names and terms in the audio
    )
print(result.text)

レスポンスには X-Provider ヘッダーと X-Model ヘッダーがあります。これらのヘッダーには、文字起こしを作成したプロバイダーとモデルが表示されます。

オプションと出力形式

項目値備考
file音声ファイル 1 つ必須。FreeLLMAPI 経由のアップロードごとに最大 25 MB
modelauto、whisper-1、またはモデル ID必須。モデル ID を指定すると、1 つのプロバイダーの行に固定されます
response_formatjson, text, verbose_json, vtt既定値は json です。srt はエラー 400 を返します
language言語コード(例: en)省略可能。言語がわかっている場合に設定します
promptテキスト省略可能。名前や固有の用語を指定します
temperature0 から 1省略可能。安定した出力にするには 0 のままにします
  • verbose_json は、プロバイダーがセグメントを返す場合に、時間付きのセグメントを返します。プロバイダーにセグメントがない場合は、通常の JSON 形式を受け取ります。
  • vtt の字幕は、ネイティブに作成するプロバイダーからのみ得られます。カタログでは、これは Cloudflare の Whisper モデルです。
  • srt は拒否されます。設定済みのプロバイダーは SRT をネイティブに作成せず、ゲートウェイも変換しません。

無料の上限と、その範囲内に収める方法

無料の文字起こしの上限は、単位がプロバイダーごとに異なります。リクエスト数を数えるプロバイダーもあれば、音声時間や 1 日の計算リソースの予算を数えるプロバイダーもあります。

プロバイダーのドキュメントの上限。確認日 2026-11-19
プロバイダー無料枠の上限(公式)お客様にとっての意味
Groq無料枠では、ファイルごとに 25 MB。10 秒未満のリクエストは 10 秒として課金されます高速です。短いファイルと中程度のファイルに適した最初の選択肢です
Cloudflare Workers AI1 日あたり 10,000 ニューロン。Whisper Large v3 Turbo は、音声 1 分あたり 46.63 ニューロンを使用しますほかの Workers AI モデルが予算を使わない場合、1 日あたり約 214 分の音声
OVH AI Endpointsキーなしで、IP アドレスとモデルごとに 1 分あたり 2 件のリクエスト低速のフォールバックです。バッチ処理には使用しないでください
Cohere試用キー: すべてのエンドポイントで、毎月 1,000 件の API 呼び出し呼び出しは、チャットと埋め込みと共有されます
  • 2 つ以上のプロバイダーのキーを追加してください。Groq が 429 エラーを返すと、ルーターはファイルを次のプロバイダーに送信します。
  • 大きなファイルは、アップロード前に変換してください。Groq によると、そのモデルは音声を 16 kHz のモノラルにダウンサンプリングします。ファイルを小さくするには、自分で実行してください。
  • 約 25 MB を超える音声は、複数の部分に分割してください。各部分を文字起こしし、その後テキストを結合します。

ffmpeg でファイルを小さくする(16 kHz モノラル FLAC)

ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a flac interview.flac

トラブルシューティング

問題原因対処
エラー 413 file_too_largeファイルが 25 MB を超えている16 kHz のモノラルに変換するか、ファイルを分割する
エラー 400: model が必要ですフォームに model 欄がない-F model=auto を追加する
エラー 400 unsupported_formatsrt を指定したvtt、json、text、または verbose_json を使用する
エラー 503 no_transcription_models文字起こしモデルが有効になっていないGroq または Cloudflare のキーを追加し、カタログの同期を待つ
名前の単語が誤って文字起こしされるモデルがその用語を知らない名前を prompt 欄で送信する
vtt の出力が空プロバイダーが VTT を作成しないCloudflare の Whisper モデル ID を指定する
これらすべてを 1 つのキーで利用できます。 FreeLLMAPI は、オープンソースのセルフホスト型ルーターです。これらの無料枠すべてを 1 つの OpenAI 互換エンドポイントの背後にまとめ、レート制限に達した場合は自動的に別のプロバイダーへ切り替えます。 カタログを見る または 公開.

よくある質問

無料の音声認識 API はありますか?

はい。Groq、Cloudflare Workers AI、OVH、Mistral、Cohere は、上限付きで無料の文字起こしを提供しています。FreeLLMAPI は、13 件の無料モデルを 1 つの OpenAI 互換エンドポイントの背後にまとめます。

音声ファイルの最大サイズはいくつですか?

FreeLLMAPI は、最大 25 MB までのアップロードを受け付けます。Groq も、無料枠で 25 MB を許可しています。より長い音声は、16 kHz のモノラルに変換するか、部分に分割してください。

無料の音声認識 API で字幕を取得できますか?

はい。response_format を vtt に設定します。VTT をネイティブに作成するのは Cloudflare の Whisper モデルのみです。SRT は利用できません。

無料の音声認識 API は OpenAI Python SDK で動作しますか?

はい。base_url を http://localhost:3001/v1 に設定し、ファイルと model="auto" を指定して client.audio.transcriptions.create を呼び出します。

関連ガイド

出典

すべてのガイド · 無料モデルをすべて見る