AI の文字起こし代が月1万円を超えて、アプリの料金の設計を見直した

Gemini（Google の AI）の費用が月1万円を超えた原因は、録音した音声をそのまま AI に送っていたことでした。音声は1秒あたり約32トークン（AI の料金の単位）を使うので、文字起こしを iPhone の中で行い、AI には文字だけを送る形に変えました。あわせて、アプリの料金の設計（無料の枠、広告、課金の方法）も最初から見直しています。

接客の録音を AI で採点する仕組みは、もともと私たちのグループの中だけで使う社内の道具でした。Google のスプレッドシートと Apps Script で動き、録音した音声をそのまま AI（Google の Gemini）に送って、文字起こしと採点をしていました。

この仕組みは、AI の費用が月1万円を超えていました。社内の1グループだけでこの費用です。ほかの会社にも使ってもらうアプリ（TalkLens）として作り直すにあたって、費用の構造と料金の設計を、最初から見直しました。

Gemini の費用が高かった原因は、音声をそのまま送っていたこと

AI に音声を送ると、音声の長さに応じて料金がかかります。設計書の計算では、音声は1秒あたり約32トークン（AI の料金の単位）を使い、10分の録音で約19,200トークンになります。接客の録音は長いので、件数が増えるほど費用がふくらみます。

ただ、iPhone 内蔵の文字起こしには弱点がありました。実際の接客の録音で比べると、お客様の声を拾いきれなかったのです。そこで、AI の文字起こしも選べる作りに改めています。その話は別の記事に書きました。

アプリ開発iPhone 内蔵の文字起こしは、AI の56%しか言葉を拾えなかった：接客の録音で比べた結果iPhone 内蔵の文字起こし（Apple の SpeechTranscriber）と、クラウドの AI（Gemini）を、95分の接客の録音で比べました。内蔵は30秒で終わる一方、拾えた文字は AI の56%で、お客様の声が抜けていました。方式を選べる作りにした経緯です。

無料の枠は「試してもらうため」のもの

一般に売るアプリには、無料で試せる枠が必要です。けれども、無料の利用者にも AI の費用はかかります。そこで、無料の枠の位置づけを先に決めました。

オーナーは、試してもらうには採点が50回あれば十分だと考えました。その後、採点の回数ではなく「クレジット」で数える仕組みに変えた時に、5店舗ほどの組織が試すには足りないと分かり、枠を見直しています。

広告は「課金すると消える」ものとして置く

無料の枠には、広告を出し、機能も一部に限ることにしました。課金すると、広告は消えます。

課金は、アプリの中ではなく Web の Stripe で

一般に売る版の課金は、アプリの中の購入（アプリ内課金）ではなく、Web の決済サービス Stripe で行うことにしました。このアプリは、会社や店舗がまとめて契約する業務用のサービスで、支払うのは店舗のオーナーです。オーナーは Web の専用の画面にログインし、プランの申し込み、変更、解約をします。

まとめ

• AI の費用が高かった原因は、音声をそのまま AI に送っていたこと
• 文字起こしを iPhone の中で行い、AI には文字だけを送る形にした（AI の文字起こしも選べる）
• 無料の枠は導入を決める人が試すためのもの。広告を出し、課金すると消える
• 無料の枠を期間限定にするかは、あとから切り替えられるようにした
• 課金は、アプリ内課金ではなく、Web の Stripe でオーナーが行う