Hodaです!
こちらの記事で個人向けの読み上げアプリ「Speechify」を紹介しましたが、実はSpeechifyには 開発者向けのAPI(Speechify AI Labs) も存在します。PDFやWebページを読み上げてくれるあのアプリとは料金体系がまったく別物なので、今回はAPI側の料金にフォーカスして解説していきます。
Speechify API(Speechify AI Labs)とは
Speechify APIは、テキストを音声に変換するTTS機能と、LLM・音声認識(STT)・TTSを一体化した「音声エージェント」機能を、開発者がAPI経由で自社サービスに組み込めるようにしたプロダクトです。標準的なREST APIで、無料アカウントを作ればすぐに呼び出しを試せる設計になっています。

通常のSpeechifyが青を基調としたサイトですが、APIの方は白と黒のシンプルなデザインのサイトになっています。
Speechify側の発表では、自社の音声合成モデル「SIMBA 3.0」が第三者ベンチマーク「Artificial Analysis」の音声品質ランキングで上位に入っており、ElevenLabsやGoogle、Microsoft、Amazonなどより高い評価かつ低価格だとアピールされています。
料金プラン一覧
| プラン | 月額 | TTS含有量 | TTS超過料金 | 音声エージェント含有時間 | 音声エージェント超過料金 | 電話番号 | 同時通話数 |
|---|---|---|---|---|---|---|---|
| Free | $0 | 50,000文字/月(ハードキャップ) | なし(上限で停止) | 60分/月(ハードキャップ) | なし(上限で停止) | BYOC(自前キャリア)のみ | 3 |
| Starter | $10 | 100万文字 | $10 / 100万文字 | 120分 | $0.075/分 | 1件付属 | 6 |
| Pro | $99 | 300万文字 | $8 / 100万文字 | 1,200分 | $0.07/分 | 5件付属 | 12 |
| Scale | $499 | 1,000万文字 | $6 / 100万文字 | 6,000分 | $0.068/分 | 20件付属 | 30 |
| Enterprise | 要問い合わせ | ボリュームディスカウント | - | カスタム | $0.06/分〜 | カスタム割当 | カスタム |
※料金は2026年7月時点で公式サイトに掲載されていた情報をもとにしています。最新価格は必ず公式サイトでご確認ください。
各プランの主な機能
Free
- 1,500以上の音声、30以上の言語に対応
- LLM・STT・TTSがすべて含まれ、追加のパススルー課金なし
- ハードキャップ方式で、想定外の超過請求が発生しない
- BYOC(自前のSIP・Twilioなど)は無制限に利用可能
- 商用利用可・コミュニティサポート
Starter
- 上限を超えると自動チャージで従量課金(ハードキャップなし)
- ボイスクローン、ストリーミング、SSMLに対応
- コミュニティサポート
Pro
- パススルー課金・トークン計算・長期契約が一切不要
- 複数の会話フロー(インバウンド/アウトバウンド)に対応
- GPT-4o・GPT-4.1などの上位モデルやカスタムエンドポイントを利用可能
- ナレッジベース連携・ツール呼び出し(Function Calling)に対応
- プロフェッショナル向けボイスクローン、優先サポート
Scale
- バッチ配信(一括音声生成)に対応
- 同時通話数30と、全プラン中最大のスループット
- 自前のモデルを持ち込めるBYOM(Bring Your Own Model)
- ボイスクローン無制限
- 専任サポート+SLA付き
Enterprise
- カスタムのボリューム・レート契約
- SSO、SOC 2 Type II、カスタムDPAなどセキュリティ要件に対応
- カスタム音声・モデル・外部連携
- 専任のカスタマーサクセス担当者
料金の仕組み(プリペイド残高方式)
Speechify APIの課金は、多くのAPIサービスにある「クレジット」のような独自単位ではなく、プリペイド残高+自動チャージという分かりやすい方式を採用しています。
- TTSは、APIに送信した文字数に応じて課金(空白やSSMLタグはカウント対象外)
- 音声エージェントは会話1分ごとに課金され、LLM推論・音声認識・TTS・オーケストレーションがすべて込み
- 月額プラン料金は「含有量(無料枠)」をカバーする分で、それを超えた分だけ残高から差し引かれる
- 残高が設定した閾値を下回ると、自動チャージ(オートトップアップ)で補充する設定が可能
- 無料プランのみオートトップアップがなく、上限に達すると単純に利用が停止する
実際の管理画面はこんな感じ
僕自身、実際に外国語の学習サイトを運営しています。その中で、自然な読み上げを実現するために、一部でSpeechifyのAPIを利用しています。
APIの使用量は Usage と Billingから確認することができ、 現在どれくらい利用しているか確認できます。
試しに自分のFreeプランの画面を見てみると、こんな感じでした。

無料プランの内訳は「60 voice min + 50K TTS chars」が毎月付与される仕組みですが、画面には Balance $0.49 という表示もあります。「まだ$0.49分使えるのか」と思いきや、これは追加でチャージされた残高ではなく、残っているTTS無料枠を金額換算しただけの参考表示のようです。
実際に計算してみます。
残りのTTS文字数 49,108文字 × Starterプランの超過レート($10 / 100万文字)= 約$0.491
小数点以下の誤差はありますが、ほぼ「$0.49」と一致します。つまりこの金額は「もしStarterプランの単価で換算したら、残っているTTS無料枠はこれくらいの価値ですよ」という目安表示にすぎず、無料プランはハードキャップ方式(オートトップアップなし)なので、実際にこの金額分を追加で使えるわけではなさそうです。
ここで注目したいのが、TTSと音声エージェント(voice min)の消費ペースの差です。
| 項目 | 無料枠 | 残り | 消費率 |
|---|---|---|---|
| Voice min(音声エージェント) | 60分 | 約7分 | 約88% |
| TTS文字数 | 50,000文字 | 49,108文字 | 2%未満 |
TTSはほぼ手つかずで「気前が良い」と感じる一方、Voice minはすでに残り7分しかなく、かなりギリギリの状態でした。
よくある質問(FAQ)
プランはいつでも変更できますか?
はい、ダッシュボードからいつでもアップグレード・ダウングレードが可能です。アップグレードは即時反映され、残り期間分の日割り請求になります。ダウングレードや解約は、現在の請求期間の終了時に反映されます。
隠れた料金(LLMのトークン代など)はありますか?
音声エージェントの分単位料金には、LLM推論・音声認識・TTS・オーケストレーションがすべて含まれています。LLMのパススルー課金やトークン単位の別請求はなく、年間契約の縛りもありません。いつでも解約可能です。
支払い方法は?
主要なクレジットカード・デビットカード(Visa、Mastercard、American Express)に対応し、エンタープライズプランではACH銀行振込も利用できます。決済はStripe経由で処理されます。
長期契約は必要ですか?
いいえ。Starter・Pro・Scaleはすべて月単位の契約で、長期の縛りはありません。エンタープライズプランのみ、ボリュームディスカウント付きの年間契約として構成することも可能です。
電話番号はどのように扱われますか?
有料プランには電話番号が付属しており、Starterは1件、Proは5件、Scaleは20件がダッシュボードから発行できます。どのプラン(無料プランも含む)でも、自前のSIPトランクやTwilioアカウントを接続するBYOCが追加費用なしで利用できます。
プランの上限を超えるとどうなりますか?
無料プランはハードキャップのため、月間のTTS文字数または音声エージェント分数の上限に達すると、次の請求サイクルまで(またはアップグレードするまで)利用が停止します。オートトップアップがないため、想定外の請求は発生しません。Starter・Pro・Scaleにはハードキャップがなく、含有量を超えた分はプランごとの単価(TTSはStarter $10、Pro $8、Scaleが$6/100万文字、音声エージェントはStarter $0.075、Pro $0.07、Scaleが$0.068/分)でプリペイド残高から差し引かれ、オートトップアップで残高を維持できます。上限が近づくと通知が届きます。
他社サービスとの比較について
Speechify自身が公開している比較記事では、自社モデル「SIMBA 3.0」が第三者ベンチマーク「Artificial Analysis」の音声品質ランキングでElevenLabs・Google・Microsoft・Amazon・OpenAIより上位にランクインしつつ、価格は上位10モデル中もっとも安いと位置づけられています。価格面では、ElevenLabsの従量課金が状況によってかなり高額になりやすい点、OpenAIのTTSは1リクエストあたりの文字数制限がありボイスクローン非対応である点、Google・Amazon・Azureは言語対応の広さでは強いもののボイスクローンが標準プランにない点などが、Speechify APIの強みとして挙げられています。
一方で、その記事自体も「キャラクター性の強い、感情表現が重要なコンテンツ(ゲームやフィクション作品など)ではElevenLabsのv3モデルが依然として強い」と認めており、用途によっては他社が適している場合もあるとしています。
無料プランでもクレジットカード登録なしでTTS・音声エージェントの両方を試せる
音声エージェントはLLM・STT・TTSこみの分単位料金で、請求額の見積もりがシンプル
プリペイド残高+オートトップアップ方式で、独自クレジット単位に悩まされない
どのプランでもBYOC(自前キャリア)が無料で使える
無料プランはハードキャップのため、上限に達すると翌サイクルまで利用が止まる
競合との性能・価格比較はSpeechify自身の発表がベースで、第三者による独立検証ではない
ドキュメントやサポートは英語がメインと想定され、日本語での開発サポートは限定的な可能性がある
こんな人におすすめ
| 向いている人 | 向いていない人 |
|---|---|
| 電話AIやカスタマーサポートボットなど音声エージェントを開発したい人 | 個人でPDFや記事を読み上げたいだけの人(通常のSpeechifyアプリで十分) |
| 自社アプリにTTS機能をAPIで組み込みたい開発者 | コードを書かずに使いたい人 |
| LLM・STT・TTSの請求をまとめてシンプルに管理したいチーム | ごくたまにしか音声合成を使わない人 |
| コストを抑えつつ品質の高いTTSモデルを探している企業 | セキュリティ要件が厳しく、まずエンタープライズの個別確認が必要な企業(要問い合わせから) |
まとめ
Speechify APIは、個人向け読み上げアプリとは別に、開発者が音声合成や音声エージェントを自社サービスに組み込むためのプロダクトです。無料プランでハードキャップ・自動課金なしで試せる点、音声エージェントが分単位のオールインワン料金である点は、他の音声APIサービスと比較しても分かりやすい設計だと感じました。
一方で、他社との性能・価格比較はSpeechify自身が発信している情報が中心のため、最終的な採用判断は自分のユースケースで実際に音声品質やレイテンシを検証してから行うことをおすすめします。
最新の料金・プラン内容は変更される可能性があるため、契約前には必ず公式サイトでご確認ください。


