# Transync AI の価格を評価したあと、私は $0 で自前のリアルタイム会議翻訳を作った（1回あたりコスト16元） > Transync AI は個人版 $8.99/月、企業版 $24.99/席/月、時間超過なら時間カードの追加購入も必要だ。私は AI 協働で自前のものを作った：1回の会議につき台湾ドル16元だけ、完全なコスト分解と開発記録つき。 - Author: Paul Kuo（郭曜郎） - Date: 2026-03-12 - Pillar: 知性と秩序 / Intelligence & Order - Tags: 人間機械協働, スーパー個人, リアルタイム翻訳, 音声認識, AIリテラシー, Transync AI, リアルタイム翻訳ツール比較, Groq - Canonical: https://paulkuo.tw/ja/articles/ai-collab-realtime-translator/ - Language: Japanese (日本語) - Translation: AI-translated from the zh-Hant (Traditional Chinese) original - Original (zh-Hant): https://paulkuo.tw/articles/ai-collab-realtime-translator.md - Site index for LLMs: https://paulkuo.tw/llms.txt - Idea file (goal, constraints, tradeoffs, acceptance criteria; written in zh-Hant; feed it to your agent to rebuild this project): https://paulkuo.tw/articles/ai-collab-realtime-translator.idea.md --- 私が三年近く使ってきた文字起こしサービス Good Tape が、ちょうど今日で期限切れになった。請求書を引っ張り出して計算してみた：€476、だいたい台湾ドルで一万七千元だ。私は Pro プランだった。今月の使用量を見てみる：残り20時間。
▶ 要約を聴く
AI 合成音声・著者本人の声のクローン
## なぜ自分で作りたかったのか AI Agent の進歩が速すぎるからだ！すでに仕事のやり方が変わっている。加えて、会議が多い。台日、中英、たまに東南アジアのパートナーもいる。 公平に言えば、三年前の Good Tape は良いツールだった。これはデンマークのチームが作ったもので、安全性と正確さを売りにしている。だがそれが解決するのは「事後」の問題だ：録音を終えてアップロードし、文字起こしが終わるのを待つ。リアルタイムの認識はなく、翻訳もなく、要約もない。 私は三年で €476（台湾ドル約一万七千元）を払い、文字起こし機能を手にした。当時はこういう機能があるだけで驚きだったが、もし「その場で」、たとえば会議がまさに進行中に、相手が日本語を話せば即座に中国語が見られるなら、それはもっと素晴らしい。会議のあとにゆっくり整理するのではなく。 現在の市場にあるリアルタイム翻訳の競合はこうだ： - **Transync AI**：$8.99/月（10時間）、私が欲しいものに最も近い機能で、リアルタイム音声翻訳 + 会議要約 + 60言語がある。だがアプリのインストールが要り、時間を超えると別途時間カードを買う（$7.99/10hr から）。使うほど高くつく。 - **JotMe**：$9-15/月、107言語、ただし Chrome Extension に紐づく - **Wordly**：企業向け価格、時間単位のパック購入、10時間からだ - **KUDO**：年間ライセンス、価格は非公開、大企業を狙う - **Palabra**：デスクトップアプリのインストールが要り、特定の会議ソフトに紐づく 私が欲しかったものは、実のところごく単純だ：ブラウザを開けば使え、何もインストールせず、スマホでもパソコンでもよく、外国人との会議で AI の助けを借りながら理解でき、しかもコストが透明で制御できる。一昨日も共有したとおり、自分で作ることに決めた。 ## ツールの名は「リアルタイム会議記録｜アゴラ広場」、私の個人サイトに配置した - 🎙 **リアルタイム音声認識**：話したその場で文字になる、録音し終えてから変換するのではない - 🌍 **12言語のリアルタイム翻訳**：繁体中国語、簡体中国語、英、日、韓、ベトナム、タイ、インドネシア、独、西、仏、ポルトガル - 📋 **AI 会議要約**：ワンクリックで要点整理 + ToDo + 決議を生成 - 📖 **用語集**：専門用語の対照を自前で設定し、翻訳の一貫性を確保 - 🖥 **字幕モード**：全画面の黒背景に大きな文字、プロジェクターの会議室用 - ⬇️ **全文エクスポート**：TXT / CSV、Excel に放り込める - 💰 **リアルタイムコスト追跡**：一件ごとの API 呼び出しがいくらかかったか、透明に見える - 🔐 **三層認証**：Google / LINE / Facebook OAuth + 招待コード フロントエンド 2,533 行、バックエンド 2,148 行。一つの HTML ファイルに一つの Cloudflare Worker を加えたものだ。 ## 技術的に最も面白い部分：三経路の音声認識ルーティング 音声認識は、一社の API を選べば済むものではない。言語ごとに最適解が違う。言語に応じてエンジンを自動で切り替える： ![三経路の音声認識ルーティング構成](/images/articles/ai-collab-realtime-translator-stt-routing.png) - 🇹🇼 **中国語** → Qwen3-ASR（アリババクラウド Qwen チーム、WebSocket ストリーミング） - 🇺🇸 **英語** → whisper-large-v3-turbo（LPU ハードウェアアクセラレーション、200×+ のリアルタイム速度） - 🌐 **その他言語** → Deepgram Nova-3（WebSocket ストリーミング） 翻訳は一律で Claude Haiku 4.5（Anthropic）を使い、さらにストリーミング出力で、翻訳結果は一文字ずつ出てくる。全部訳し終えてから表示するのではない。出力品質を考慮しただけでなく、コストも考えた。 - **Groq**：$0.02/hr、英語が最も安い - **Qwen**：~$0.40/hr、中国語の認識率97%+、専門用語（方言にも対応）も正確だ - **Deepgram**：$200 の無料枠、多言語をまとめてカバー 1回1時間の中英会議なら、API コストは約 $0.50 USD。台湾ドルで16元だ。換算してみよう：私が Good Tape に払った €476 は、自作ツールなら950回超の会議を開けることに等しい。Transync AI の $8.99/月を一年使えば $108、同じ金額で216回開ける。 ## だがこの記事が本当に言いたいのは技術ではない このツールを作るプロセスは、実のところ「どう AI と協働するか」を学ぶプロセスだった。私はエンジニアではない。私の経歴はライフサイエンス、神学、農産物EC、循環経済などだ。コードを書くのは私にはとても難しい。最初の起業のテーマは Fintech の SAAS を作ることだったが、ツールもサービスも一式、七人のチームの助けに頼っていた。 私にはこんな感覚がある。AI と協働するには、プログラミングの能力だけでなく、ある新しい素養が要るはずだ（まだうまく言えないのだが）。 ### 問題を分解することはコードを書くより重要だ Groq の連携は「Groq を追加して」の一言で動くわけではない。私はそれを二つの Phase に分けた：Phase A ではバックエンドで先に API エンドポイントを作り、デプロイし、疎通を検証する。Phase B ではフロントエンドで言語ルーティングを作り、選んだ言語に応じて自動でエンジンを切り替えさせる。 各 Phase は独立して検証できる。壊れても半分しか壊れず、全体が吹き飛ぶことはない。この分け方は AI が教えてくれたものではなく、何度もの失敗から学んだものだ。一度に欲張りすぎると、途中でトークンが尽きるかコンテキストが圧縮され、ついでに前に正しく作った部分まで壊してしまう。 ### 正しく問うほうが、AI に直接書かせるより効果的だ 「翻訳ツールを作って」とは言わない。そうではなく、こう言う：「今ある WebSocket proxy の方式は Groq には使えない。あれは REST API で WebSocket ではないからだ。フロントエンドを chunked HTTP 方式に変え、3秒ごとに音声を一区切りにして POST する必要がある。onstop + restart のループで race condition は起きるか？」 こういう問いこそ、役に立つ答えが得られる。 ### 機能を書き終えても終わりではない、コードレビューをする 私は Claude に、書き終えたばかりのコードをエンジニアの視点で検査してもらった。結果、本当に三つの問題を見つけ出した：Groq が連続で失敗したときに完全に無言になる、MediaRecorder の closure の安全性の問題、アニメーション効果が新しいエンジンで発火しない。 この三つのバグは私自身では見つけられない。だが「この問いを問う」べきだとは知っていた。 ### AI は自分から巡回してはくれない Fitbit の健康データが何日も壊れていたのを、私がたまたま尋ねたから気づいた。根本原因は、ある function が引数を一つ渡し忘れていて、スケジュール実行のたびに無言で失敗していたことだ。AI は夜中に起きてシステムが壊れていないかを検査してはくれない。何を問うべきか、いつ問うべきかを、こちらが知っておかねばならない。 ## これは新しい仕事の体感だ かつて私たちは「情報リテラシー」と言った。検索ができ、情報の真偽を判断できることを指す。いま私たちに必要なのは「AIリテラシー」かもしれない： - 大きな問題を、AI が処理できる小さな問題に分解する方法を知っている - 技術的な制約条件を記述し、AI に実行可能な案を出させる方法を知っている - いつ AI の出力を信頼すべきか、いつ自分で検証すべきかを知っている - AI の能力の境界がどこにあるかを知っている。AI はあなたの代わりに書き、調べ、レビューしてくれるが、何をすべきかを自分から考えてはくれない これはエンジニアの専売特許ではない。これは AI をうまく活かしたいすべての人に必要な能力だ。 私はコードを書けない。だが AI と協働して一つのリアルタイム翻訳ツールを作りたかった（話が合わなければ即ソフトを作る、がすでに現実になった）。