最新AIツール大全Web版

音声・音楽生成API（世間の評判順に並べています）

  • 開発編 アプリ開発者向けAIツール大全・Chapter 8
  • 2026年11月5日版
  • 8件
★の意味（世間の評判）
★5
世界的に評価が定着しており、初心者にも安心してオススメできます
★4
評判は高いですが、注意点や賛否両論があります
★3
評判が割れている、または使う人・用途をかなり選びます
★2
ネガティブな評判が目立つ、または将来性に不安があります
★1
現時点では使用を推奨されていない状況です（サービス終了間際など）

この★は、海外のレビューサイトや開発者コミュニティ、日本の技術ブログでの評判をもとに、筆者がまとめた総合評価です。 ★の付け方をくわしく

アプリに「声」と「音」を組み込む

文章と画像と動画ときたら、次は「音」です。

音声系のAPIには大きく2つの方向があります。1つは「テキストを読み上げる」

TTS（テキスト・トゥ・スピーチ＝音声合成）。

もう1つは「音声を文字にする」STT（スピーチ・トゥ・テキスト＝文字起こし）です。

読み上げアプリ、ナレーション付き動画の量産ツール、会議の議事録アプリ、電話の自動応答…と、応用範囲はとても広い分野です。

そしてもう1つ、音楽生成のAPIについても、この章で現状を整理します。

実は音楽分野には「あの有名サービスの公式APIがまだ存在しない」という、知らないと危ない落とし穴があるのです。

迷ったらこれ

世間の評判が★5のツールを、本の順に最大3つ載せています（★の数で自動的に選んでいます）。

  • ElevenLabs
    世間の評判 ★5（5段階）
    ElevenLabs（イレブンラボ）は、前作の音声生成AIの章で第一候補としてご紹介した、音声AIの世界的リーダーです。
  • AivisSpeech／VOICEVOX
    世間の評判 ★5（5段階）
    この2つは、日本語の読み上げに特化した、日本製の無料ソフトです。

音声・音楽生成APIの一覧（世間の評判順）

★5 世界的に評価が定着しており、初心者にも安心してオススメできます （2件）

同じ★の中は、本の順に並べています。

AivisSpeech／VOICEVOX （アイヴィススピーチ／ボイスボックス）

世間の評判 ★5（5段階）

この2つは、日本語の読み上げに特化した、日本製の無料ソフトです。

料金：どちらもソフト本体は完全無料です。商用利用も可能で、AivisSpeechはソフト自体にクレジット表記の義務もありません（ただし使う音声モデ…

詳しく（AivisSpeech／VOICEVOX） 公式サイト（AivisSpeech／VOICEVOX・新しいタブで開きます）

★4 評判は高いですが、注意点や賛否両論があります （6件）

同じ★の中は、本の順に並べています。

Deepgram （ディープグラム）

世間の評判 ★4（5段階）

Deepgram（ディープグラム）は、文字起こしとリアルタイム音声処理を専門とするAPIサービスです。

料金：従量課金制（文字起こしは音声1分あたり約0.0043ドル〜。大量利用の割引あり）。登録時に200ドル分の無料クレジットがもらえます。

詳しく（Deepgram） 公式サイト（Deepgram・新しいタブで開きます）

AssemblyAI （アセンブリーエーアイ）

世間の評判 ★4（5段階）

AssemblyAI（アセンブリーエーアイ）は、文字起こしを専業とするAPIサービスです。

料金：従量課金制。録音済み音声の文字起こしは1時間あたり0.15ドル〜。無料枠は、登録時にもらえる50ドル分のクレジットです（クレジットカード不要…

詳しく（AssemblyAI） 公式サイト（AssemblyAI・新しいタブで開きます）

ローカル文字起こし

世間の評判 ★4（5段階）

whisper.cpp／Qwen3-ASR

この章でご紹介してきた文字起こしAPIは、どれも音声を送るたびに料金がかかります。

料金：どちらも完全無料です。あなたのパソコンの中で動くため、何時間の音声を処理してもAPI料金は1円もかかりません。

詳しく（ローカル文字起こし） 公式サイト（ローカル文字起こし・新しいタブで開きます）

この章のコラム

もう1冊の、近いカテゴリ

作るのではなく、そのまま使いたい方は、もう1冊の本の章もどうぞ。

こんな言葉でも探せます

API・音声合成・文字起こし・ナレーション

この章を電子書籍で読む

『アプリ開発者向けAIツール大全』2026年11月5日版の Chapter 8 と同じ内容です。