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 | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 (Groq)whisper-large-v3 | Groq | 25 MB | free 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 | Cohere | 25 MB | free evaluation key - 1,000 calls/month shared |
Cohere Transcribe (03-2026)cohere-transcribe-03-2026 | Cohere | 25 MB | Free evaluation key — 1,000 calls/month shared; language defaults to English |
Voxtral Mini Transcribe 2 (Mistral)voxtral-mini-2602 | Mistral | 25 MB | Renewing 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 Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Whisper Large v3 Turbo (OVH)whisper-large-v3-turbo | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Typhoon ASR Realtimetyphoon-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Typhoon Isan ASR Realtimetyphoon-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 | bashhttp://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。
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=jsonPython(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 |
model | auto、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_format | json, 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 |
temperature | 0 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 | 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 AI | 1 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_format | srt 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 |
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
- FreeLLMAPI README: supported endpoints (確認日 20 November 2026)
- Groq docs: Speech to text (確認日 20 November 2026)
- Cloudflare Workers AI pricing (確認日 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (確認日 20 November 2026)
- OVHcloud AI Endpoints capabilities (確認日 20 November 2026)
- Cohere docs: rate limits (確認日 20 November 2026)