Scribe v2 / Gemini 3.5 Transcribe / MAI-Transcribe-2 を日本語音源で実測比較してみた

• #バックエンド
• #クラウド
• #DevOps・CI/CD

AIで作成し、掲載基準に基づいて自動選定した要約です。

• ElevenLabs Scribe v2、Gemini 3.5 Transcribe、MAI-Transcribe-2 の3つの音声認識APIを日本語音源で実測比較した
• 逐語＋話者分離モードではMAI-Transcribe-2がScribe v2に次ぐ13.66秒、整形モードではMAI-Transcribe-2が3.35秒で最速
• MAI-Transcribe-2のコストは他社の1/2.2〜1/3.1だが2026年末までの導入価格で長期見積もりには注意が必要