Aqua Voiceの音声入力を体験
話した言葉が、句読点や書式とともにリアルタイムでテキストになります。
Aqua VoiceとOpenAI Whisperの比較まとめ
Aqua VoiceはOpenAI Whisperではありません。技術・AI分野に特化した独自モデルAvalonを使い、AISpeak-10で97.4%、Whisper Large v3は65.1%を記録。2025年10月のOpenASR初登場時にはクローズドソースモデルの中で1位でした。OpenAIはWhisperに加えGPT-Transcribeなども提供し、低い時間単価、99以上の言語、豊富なエコシステムを持つ開発者向けの定番です。Avalonは$0.39/時間のOpenAI SDK互換バッチAPIと、Mac、Windows、iPhone、Android向けのアプリを提供します。
技術・AI分野の発話を入力・文字起こしし、精度を確認したい方。バッチ処理がAvalonの公開OpenAI互換範囲に収まる、Mac、Windows、iPhone、またはAndroidで設定不要の完成したアプリを使いたい、開発者やAI用語向けの専用モデルを重視する場合に向いています。
汎用文字起こしの時間単価を抑えたい、99以上の言語への対応が必要、OpenAIの環境をすでに使っていて提供元を統一したい、音声が日常会話中心で汎用モデルで十分、といった場合に向いています。
Avalonとは？Whisperとの違いは？
WhisperはOpenAIの公開音声認識モデルで、さまざまな言語や分野を幅広く扱うように学習されています。優れた汎用モデルで、多くの文字起こしツールの基盤になっています。
Avalonは、プログラミングのキーワード、フレームワーク名、CLIコマンドなど、開発者やAIユーザーが実際に話す内容に合わせて学習した独自モデルです。汎用モデルは日常会話には強くても、こうした語彙を誤認識しがちです。その差を埋めるためにAvalonを開発し、結果を公開しています。
Aquaは、Avalon を開発者やAI研究者の自然な会話の実録データで評価し、Whisper Large v3と比較しました：
| モデル | AISpeak-10の精度 |
|---|---|
| Avalon（自社モデル） | 97.4% |
| Whisper Large v3 | 65.1% |
公開のOpenASRランキングでは、Avalonは2025年10月の初登場時にクローズドソースモデルの第1位となり、Whisperを上回りました。OpenAIの新しいGPT-Transcribeモデルは有力な汎用モデルですが、ここでは直接比較していません。開発者やAI利用者にとって、技術用語の認識精度は重要な判断材料です。Aqua Voiceを無料で試す.
AISpeak-10はAquaが作成した英語の技術用語データセットです。97.4%は各音声クリップのキーワードを正しく認識した割合であり、文章全体や日本語全般の精度ではありません。競合アプリとの直接比較でもありません。評価方法と結果をご確認ください。
Aqua VoiceとOpenAI Whisperの機能比較
| 機能 | Aqua Voice / Avalon | OpenAI Whisper API |
|---|---|---|
| 音声認識モデル | Avalon（独自開発・専用学習） | Whisper、GPT-Transcribeなど（汎用音声認識） |
| 専門用語の認識率 | 97.4%（自社ベンチマークAISpeak-10） | 65.1%（Whisper Large v3、AISpeak-10） |
| 公開ベンチマーク | OpenASRのクローズドソースモデルで1位（2025年10月の初登場時） | 汎用的な音声認識 |
| API料金（音声1時間あたり） | $0.39/時間（Avalon API） | Whisper $0.36/時間、GPT-Transcribe $0.27/時間、gpt-4o-mini $0.18/時間 |
| OpenAI APIとの互換範囲 | バッチ処理の一部機能 | ネイティブ対応、より広い機能範囲 |
| 無料プラン | ✅ アプリのStarter（1,000語） | ❌（従量課金） |
| リアルタイムのストリーミング | アプリ：対応、Avalon API：非対応 | ✅ (GPT-Live-Transcribe) |
| 言語 | 49言語（アプリ） | 99+ |
| すぐに使えるアプリ（Mac / Windows / iPhone / Android） | ✅ | ❌（APIのみ） |
| 画面の文脈と音声入力の使い心地 | ✅ | ❌（APIのみ） |
| 向いている用途 | 技術・AI分野の音声入力と、対応するバッチAPI処理 | 大量の汎用文字起こし、多言語、エコシステム |
音声認識モデル
専門用語の認識率
公開ベンチマーク
API料金（音声1時間あたり）
OpenAI APIとの互換範囲
無料プラン
リアルタイムのストリーミング
言語
すぐに使えるアプリ（Mac / Windows / iPhone / Android）
画面の文脈と音声入力の使い心地
向いている用途
Aqua Voiceを選ぶメリット
技術・AI分野の会話を正確に認識
Avalonは技術・AI分野向けに学習され、公開AISpeak-10で97.4%、Whisper Large v3は65.1%を記録しました。2025年10月のOpenASR初登場時にはクローズドソースモデルの中で1位を獲得。この結果はAquaのテストデータ内の重要用語の認識を測ったもので、すべての音声入力での結果を予測するものではありません。
OpenAI SDK互換のバッチAPI
Avalonが対応するバッチ文字起こしの範囲では、OpenAI公式のPython・JavaScript SDKでベースURLとモデルを変更するだけで使えます。音声1時間あたり0.39米ドルで秒単位課金。対応範囲外の高度なOpenAI機能には、実装の変更が必要です。
APIだけでなく、そのまま使える製品
Aqua VoiceはMac、Windows、iPhone、Android向けの設定不要の音声入力アプリです。デスクトップではリアルタイム入力と画面の文脈理解を提供し、エディターではコード、メッセージでは自然な口調に合わせます。Whisper APIが開発用の部品なら、Aqua Voiceは完成した製品です。
専用に学習し、継続的に改善
Avalonは開発者やAIを使う方の話し方に合わせて学習し、マネージドサービスとして改善を続けています。汎用APIが幅広い用途を目指すのに対し、Avalonは汎用モデルが苦手とする語彙に注力しています。
OpenAI Whisper APIが優れている点
大量処理時の料金。Whisper APIは1分$0.006（約$0.36/時間）、GPT-Transcribeは1分$0.0045（約$0.27/時間）、gpt-4o-mini-transcribeは1分$0.003（約$0.18/時間）で、いずれもAvalonの$0.39/時間より安価です。一般的な音声を大量に処理し、費用を最優先するならOpenAIの方が安くなります。
普及度、知名度、エコシステム。Whisperは多くのツールで標準的に使われ、ライブラリ、ドキュメント、コミュニティが充実しています。新しいGPT-TranscribeやGPT-Live-Transcribeも、そのエコシステムを広げています。
対応言語の広さ。OpenAIのモデルは99以上の言語に対応します。Aqua Voiceアプリは49言語なので、より広い多言語対応ではOpenAIに利点があります。
汎用APIと、専用モデルの違い
OpenAI Whisper APIは、多くの開発者が最初に選ぶ音声認識サービスです。安価で99以上の言語に対応し、OpenAIの知名度とエコシステムがあります。現在はファイル向けのGPT-Transcribeやストリーミング向けのGPT-Live-Transcribeも加わり、汎用的な文字起こしAPIとして有力な選択肢です。
Aqua Voiceは対象を絞っています。開発者やAIユーザーの発話に特化した独自モデルAvalonを学習し、その評価結果を公開しています。OpenAIは時間単価が低く、汎用性とAPIの機能範囲が広い一方、Avalonは専門用語に最適化され、OpenAI SDK互換のバッチ処理と、すぐに使える音声入力アプリを提供します。
対応するバッチリクエストをOpenAI SDKで送信
このAvalon API は、OpenAIのバッチ文字起こし仕様の一部に対応します。その範囲内のリクエストなら、公式SDKでベースURLとモデルを変更して使えます。詳しい互換性の範囲は、 APIリファレンス をご覧ください。Avalonは音声1時間あたり0.39米ドルで、秒単位で課金されます。
from openai import OpenAI
client = OpenAI(
api_key="AVALON_API_KEY",
base_url="https://api.aquavoice.com/v1", # supported batch transcription subset
)
client.audio.transcriptions.create(
model="avalon-v1.5",
file=open("audio.wav", "rb"),
)どちらを選ぶべき？
Aqua Voiceは無料で始められるので、支払い前に普段使う言葉でWhisperと比較できます。APIで開発する場合は、Avalon API でOpenAI SDK互換のバッチエンドポイントをご確認ください。
よくある質問
Aqua VoiceはOpenAI Whisperを使っているだけですか？
いいえ。Aqua VoiceはOpenAI Whisperではなく、独自モデルAvalonを使います。技術・AI分野向けに学習され、公開AISpeak-10で97.4%、Whisper Large v3は65.1%を記録しました。2025年10月のOpenASR初登場時にはクローズドソースモデルの中で1位を獲得しています。WhisperはAvalonの比較対象であり、Aqua Voiceの基盤ではありません。
AvalonとOpenAI Whisper APIは何が違いますか？
Avalonは音声入力と専門用語のために開発した独自モデルです。OpenAI Whisper APIは汎用的な音声認識サービスで、OpenAIは現在、GPT-TranscribeやGPT-Live-Transcribeなどの新しいモデルも提供しています。Avalonは標準のOpenAI SDKによるバッチ文字起こしに対応しますが、ストリーミング、単語単位のタイムスタンプ、話者分離など、OpenAIの高度な機能には対応していません。モデル自体は、汎用モデルが専門用語を誤認識しやすい、開発者やAIユーザーの発話に合わせて学習されています。
AvalonはOpenAI Whisperより高精度ですか？
アプリ同士の精度の優劣を確認したわけではありません。自社のAI・専門用語ベンチマークAISpeak-10ではAvalonが97.4%、Whisper Large v3が65.1%を記録し、2025年10月のOpenASR初登場時にAvalonはクローズドソースモデルの中で1位を獲得しました。日常的な発話では差は小さくなり、Whisperやgpt-4o-transcribeも広く使われる優れたモデルです。違いはプログラミング用語、フレームワーク名、CLIコマンドなどで表れます。
Avalon APIはOpenAI Whisper APIとそのまま置き換えられますか？
すべての機能を置き換えられるわけではありません。OpenAI公式のPython・JavaScript SDKは、ベースURLとモデル名を変更することで、Avalonが公開しているバッチ処理の対応範囲で利用できます。OpenAIの高度な音声機能を使う連携を移行する前に、Avalon APIリファレンスをご確認ください。
AvalonはOpenAI Whisper APIより安いですか？
いいえ。音声1時間あたりではOpenAIの方が安価です。Whisperは1分$0.006（約$0.36/時間）、GPT-Transcribeは1分$0.0045（約$0.27/時間）、gpt-4o-mini-transcribeは1分$0.003（約$0.18/時間）、Avalonは$0.39/時間です。これらのOpenAIモデルに無料枠はありません。Avalonは少し高い分、専門的な発話への精度と音声入力に特化したモデルを提供します。一般向けのAqua Voiceアプリには無料Starterプラン（累計1,000語）があり、Proは年払いで月額$8です。
OpenAIの新しい文字起こしモデルはどうですか？
OpenAIは現在、gpt-4o-transcribe、gpt-4o-mini-transcribe、Whisperに加え、ファイル向けのGPT-Transcribe（1分$0.0045）とストリーミング向けのGPT-Live-Transcribe（1分$0.017）を提供しています。いずれも優れた汎用モデルです。Avalonの強みは専門性にあり、技術・AI分野の語彙に特化して学習し、その精度を測定しています。日常会話が中心ならOpenAIのモデルは十分な選択肢です。専門用語が多い音声こそ、Avalonが力を発揮するために作られた領域です。
Aqua VoiceアプリとWhisper APIのどちらを使うべきですか？
完成した製品が欲しいか、開発の部品が欲しいかによります。Aqua VoiceはMac、Windows、iPhone、Android向けの設定不要の音声入力アプリで、デスクトップではリアルタイム入力と画面の文脈理解を提供します。Whisper APIとバッチ専用Avalon APIは、自社ツールに文字起こしを組み込む開発者向けです。入力したいならアプリ、ソフトウェアを作るならOpenAI SDK互換のバッチ処理に対応するAvalon APIを選べます。
