Speech-to-Text は正常に処理された音声の量に基づいて月ごとに請求され、15 秒単位で切り上げて計算されます。
Cloud Console で現在の課金ステータス（使用状況や現在の請求額を含む）を確認するには、[お支払い] ページをご覧ください。アカウントの管理について詳しくは、Cloud Billing のドキュメントまたは課金と支払いのサポートをご覧ください。
料金表
| 機能 | 標準モデル （動画と拡張音声電話を除くすべてのモデル） |
プレミアム モデル* （動画、拡張音声電話） |
||
|---|---|---|---|---|
| 0～60 分 | 60 分超～100 万分まで | 0～60 分 | 60 分超～100 万分まで | |
| 音声認識（データロギングなし - デフォルト） | 無料 | $0.006/15 秒** | 無料 | $0.009/15 秒** |
| 音声認識（データロギングあり） | 無料 | $0.004/15 秒** | 無料 | $0.006/15 秒** |
* プレミアム モデルは現在、英語（米国）でのみご利用いただけます。
** 各リクエストは 15 秒単位で切り上げられます。
Cloud Speech-to-Text の使用料金は、いくつかの要因によって変わります。
- 使用する認識モデルの種類（標準またはプレミアム）
- データロギングを使用しているかどうか
- ソース音声のチャンネル数
Cloud Speech-to-Text には、音声認識に使用できるさまざまな種類の機械学習モデルがあります。これらのモデルのうち、拡張音声通話モデルと動画モデルの 2 つは、高度な認識性能を備えています。これらのモデルはそれぞれ特定のユースケースに合わせて調整され、適切に使用すると高品質な結果を得られます。
データロギングを有効にすると、Cloud Speech-to-Text に送信された音声データを Google が記録するのを許可したことになります。このデータは、Google が音声文字変換に使用する機械学習モデルの改善のために利用されます。そのため、データロギングを有効にした場合の Cloud Speech-to-Text の料金は割安に設定されています。
この料金は、個人向けデバイス（スマートフォンやタブレット、ノート PC、デスクトップ PC など）上のアプリケーション用です。Speech-to-Text API を組み込み機器（自動車、テレビ、アプライアンス、スピーカーなど）で使用する場合には、使用承認と使用料金について Google までお問い合わせください。
各リクエストは 15 秒単位で切り上げられます。たとえば、それぞれに 7 秒の音声が含まれる 3 つのリクエストは、45 秒（3×15 秒）の音声として $0.018 が請求されます。15 秒単位で切り上げられるときに、小数点以下の秒数も対象になります。つまり、15.14 秒は 30 秒として請求されます。
月あたりの利用は 100 万分までとなります。音声の使用が 100 万分/月を超える場合は、詳細をプロジェクトの Speech-to-Text 割り当てリクエストでお知らせください。
音声チャンネルごとに課金されます。audioChannelCount に 1 より大きい値を設定すると、チャンネルごとに認識をリクエストする場合と同じように、チャンネルごとに課金が行われます。また、リクエストは各チャンネルの累積金額に基づいて請求されます。
Google Cloud Platform の費用
認識する音声ファイルを Google Cloud Storage に保存する場合や、他の Google Cloud Platform リソース（Google App Engine インスタンスなど）を Cloud Speech-to-Text と併用する場合は、そのサービスの利用料も請求の対象となります。現行料金に基づいてその他の費用を試算するには、Google Cloud Platform の料金計算ツールをご利用ください。