AniMate に「耳」を：音声認識 API の無料クレジット（ASR/STT）
キャラクターに話しかけるには、リアルタイム音声認識（ASR／STT とも呼ばれます）のプロバイダーが必要です。会話モデル選びと違うのは、最初に見るべきが価格ではなく言語だという点。自分が話す言語をストリーミングで認識できないなら、どんなに大きなクレジットも無意味です。言語・レイテンシ・コストという選び方から、各社の無料枠と招待特典、キーの戻し方まで、この 1 ページにまとめました。
音声認識を選ぶ前に決めておきたい 3 つのこと
1. 対応言語 —— ここで足切りされる
自分の言語に対応しているかは、必ずリアルタイム ストリーミング認識で確認します。1 つの言語だけなら固定が最安定。文中で中国語と英語が混ざる、日本語・韓国語に切り替える、という使い方では、自動言語検出や会話途中の言語切り替えに対応したモデルを選びましょう。また「録音ファイルの文字起こし」と「リアルタイム ストリーミング」は対応言語が異なることが多く、デスクトップ会話で使うのはストリーミング側です。
2. レイテンシ
話し終えた瞬間に文字が流れる体験は、サーバーとの距離で決まります。近いノードほど最初の文字が早く、話しかけの割り込み（barge-in）も自然に動きます。海外プロバイダーを使う場合は、経路の安定性がそのまま体感品質になります。
3. コスト
会話モデルと同じ 3 段構えです。登録クレジット（AssemblyAI $50、Deepgram $200）、毎月更新される無料時間（Speechmatics は毎月 8 時間、Qwen の Paraformer は約 10 時間）、そして使い切った後の単価。ストリーミング認識は高くても 1 時間あたり数ドルで、デスクトップ会話の使用量ならほぼ気にならない水準です。
無料枠と対応言語の一覧
2026 年 8 月時点の情報で、AniMate が対応する音声認識プロバイダーのみを掲載しています。特典は変動するため、登録ページが最新の情報源です。
| プロバイダー | ストリーミング対応言語 | 無料枠 | カード要否 |
|---|---|---|---|
| AssemblyAI | 中国語、英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語 | $50 クレジット（数百時間相当） | 不要 |
| Deepgram Nova-3 | 中国語（簡体/繁体/広東語）、英語、日本語、韓国語、スペイン語など 36 言語以上 | $200 クレジット（約 750 時間） | 不要 |
| Speechmatics | 中国語（簡体/繁体）、英語、日本語、韓国語など 55 言語以上 | 毎月 8 時間無料 ＋ $100 クレジット | 不要 |
| Qwen AI（アリババ系） | 標準中国語、広東語、四川語などの方言、英語（中国語＋英語の混在に対応） | Paraformer が毎月約 10 時間無料（毎月更新） | 実名認証のみ、カード不要 |
| ElevenLabs Scribe v2 | 中国語、英語、日本語など 90 言語以上（自動言語検出・会話中の切り替え対応） | 無料プランで月約 30 分 | 不要 |
言語リストは各社のドキュメントが最新の情報源で、モデルの更新とともに広がっています。多言語で話す場合は AniMate の「言語範囲」設定で自動検出をオンのままにしましょう。
プロバイダー個別レビュー
AssemblyAI：第一の推奨 —— 登録が最もスムーズ
無料枠：新規アカウントに $50 のクレジット。ストリーミング単価で数百時間相当があり、デスクトップ会話なら何年も持ちます。AniMate の既定プリセットがそのまま使えます。
登録の手順：メール登録 → キー作成 → AniMate に貼り付け。カード不要で、海外プロバイダーの中で最もつまずきがありません。
注意点：モデルは Universal ストリーミング系を選択。言語範囲は AniMate の設定で調整し、中国語＋英語が混ざるなら自動検出をオンに。
Deepgram：最大のクレジット、多言語の守備範囲
無料枠：$200 クレジット（ストリーミング約 750 時間）、カード不要。一回限りの特典としては最も大きい。
登録の手順：メール登録 → コンソールでキー作成。
注意点：中国語は Nova-3 系モデルを使います（Flux 対話モデルは中国語非対応）。簡体・繁体・広東語のほか日本語・韓国語もカバー。友人招待のプログラムはなく、$200 の登録クレジットがすべての特典です。
Speechmatics：毎月 8 時間がずっと無料
無料枠：Free プランに毎月 480 分（8 時間）、公式にカード不要を明記。登録で $100 クレジットも。55 言語以上で中国語・日本語・韓国語をカバー。
登録の手順：登録後、コンソールで API キーを作成。
注意点：毎月の無料時間は繰り越されません。ヘビーユーザーは別プロバイダーと併用を。招待プログラムもありません。
Qwen AI（アリババ系）：中国語方言に強い
無料枠：Paraformer リアルタイムモデルに約 36,000 秒（10 時間）の無料時間が毎月 1 日にリフレッシュされて付与されます。毎月補填されるのはこの会社だけです。
登録の手順：platform.qianwenai.com でキーを作成。中国国内ノードで、中国語のレイテンシが最も良好です。
注意点：標準中国語に加え広東語・四川語などの方言に対応。キャラに方言を話させたいならこれ一択です。上限で停止するスイッチをオンにし、無料枠の条件はコンソールで確認を。
ElevenLabs：低レイテンシだが無料枠は小さめ
無料枠：月 10,000 クレジット。リアルタイム STT は毎分 330 クレジットを消費するため、実質月 30 分ほど。味見用と割り切るのが吉です。
登録の手順：登録のみでカード不要。Scribe v2 Realtime の低レイテンシが持ち味です。
注意点：TTS も ElevenLabs にするなら、1 アカウントで会話の両方向が賄えます。
キーを AniMate に戻す
- AniMate の設定 → AI サービスを開き、音声認識サービスの「ASR を追加」をクリック。
- プロバイダーを選び、API キーを貼り付けます。
- 認識モデルと言語範囲を設定：1 言語なら固定、言語が混ざるなら「自動検出」。
- 保存してマイクに一言。文字起こしされれば成功です。デフォルトに設定すれば、キャラクターがあなたの声を聞き取れるようになります。
よくある質問
実際どれくらいの認識時間を使う？
ほとんどの人は 1 日数分です。そのペースなら AssemblyAI の $50 や Deepgram の $200 は 1 年以上持ち、Speechmatics の月 8 時間や Qwen の月 10 時間はまず使い切れません。
録音では中国語対応と書いてあるのに使えないことがある？
デスクトップ会話はリアルタイム ストリーミングだからです。ファイル文字起こしの方が対応言語が多い会社もあります。登録前に「streaming」の言語リストを確認しましょう。AniMate の ASR プリセットはストリーミング能力に合わせて調整済みです。
割り込み（話しかけの被せ）に設定は必要？
ありません。割り込みは AniMate 側の設定で、リアルタイム音声出力を有効にすれば動きます。認識プロバイダーは文字起こしだけを担います。
無料枠を使い切ったら？
別のプロバイダーの枠を受け取るか、同じプロバイダーでチャージを。1 時間あたり数ドル×1 日数分の使用量なら、継続コストはごくわずかです。
「耳」ができたら、次は「声」を
会話モデルと音声合成の無料枠は残りの 2 本のガイドで。3 つ揃えば音声会話が完成します。