画像解析API（画像認識API）とは？できること・料金・無料枠を主要4社で比較

画像解析APIは、画像を送るとラベル・文字・顔・物体の位置などをJSONで返すクラウドサービスです。自前でモデルを学習させずに画像認識を組み込めますが、Google・AWS・Microsoft・Oracleで課金の数え方も無料枠の条件も違います。この記事では2026年10月時点の公式価格（価格APIを含む）を突き合わせ、できることの一覧、無料で試せる範囲、動画を解析する場合の分単価、見積もりの組み方、生成AIに置き換えるべき境界までを整理します。

まとめ

• 無料で試すならCloud Vision API。機能ごとに毎月1,000ユニットまで無料で、期限が無い。ラベル検出と文字検出を1,000枚ずつかけても請求は0円。
• 課金は「画像の枚数」ではなく「機能の回数」。Cloud Visionは1画像に2機能で2ユニット、Rekognitionも1画像に2つのAPIを呼べば2枚分の処理として数える。
• AWSの「12か月無料」は2025年7月15日以降の新規アカウントには無い。最大200ドルのクレジット制に変わった。
• 単価はリージョンで変わる。Rekognitionの検出系は米国東部で1,000枚1.00ドル、東京では1.30ドル。
• AzureのImage Analysis API（v3.2・v4.0とも）は2028年9月25日に廃止予定。新規に採用するなら移行先まで含めて決める。
• 生成AIは「高いから使わない」とは言えなくなった。Claude Haiku 5.5なら1000×1000ピクセルの画像1,000枚の入力が約0.13ドルで、無料枠を使い切った後のCloud Visionのラベル検出（1,000ユニット1.50ドル）より安い（指示文と出力の料金は別）。従来型APIを選ぶ理由は価格より、出力の型が固定で再現しやすいことに移っている。

画像解析APIでできること

Google・AWS・Azureの機能対応表

学習済みモデルとして提供される機能は、ベンダーが違ってもおおむね重なります。Cloud Vision APIはリクエストの features に機能名を並べて切り替え、Amazon Rekognition（レコグニション）は機能ごとに別のAPIを呼ぶ、という呼び出し方の差があります。

Cloud Visionの機能はこのほか、色の傾向を返すIMAGE_PROPERTIESと、指定した縦横比で切り抜く範囲を提案するCROP_HINTSがあります。Rekognitionで文書の帳票を読むなら、OCR専用のAmazon Textractを使い分けます。Azureは版で使える機能が割れていて、Image Analysisの概要ページによれば人物検出はv4.0、顔検出・ブランド・ランドマークはv3.2にしかありません。説明文生成は両方の版にありますが、v4.0の説明文生成は一部のリージョンに限られます。

OCI Vision（Oracle）も画像分類・物体検出・文字認識・顔検出を学習済みモデルで提供しています。Oracle APEXと組み合わせた使い方は後半の章で扱います。

画像解析・画像認識・画像分析の呼び分け

この記事では3語を同じ意味で扱います。日本語の製品ページでは、Googleが「Vision AI」、AWSが「画像分析」、Oracleが「AI画像認識」と表記が揺れており、検索する側も「画像解析 api」「画像認識 api」「画像分析api」を混ぜて使っています。

差が出るのは、返ってくる結果の粒度です。画像全体に「犬」というラベルを付けるのが画像分類、座標付きで「ここに犬」と返すのが物体検出、ピクセル単位で領域を塗り分けるのがセマンティックセグメンテーションです。主要4社の学習済みAPIが返すのは分類と検出までで、セグメンテーションは自前のモデルが必要になります。座標が要るのか、ラベルだけで足りるのかを先に決めると候補が絞れます。

主要4サービスの料金と無料枠

Cloud Vision APIは公式の料金ページで、ラベル検出・文字検出・文書の文字検出・顔検出・ランドマーク・ロゴ・セーフサーチ・画像プロパティ・クロップヒントが1,000ユニットあたり$1.50、物体位置検出が$2.25、Web検出が$3.50です。500万ユニットを超えるとラベル検出は$1.00、文字検出などは$0.60に下がります。

Rekognitionの$1.00は米国東部（バージニア北部）の価格です。AWSのPrice List APIで東京リージョン（ap-northeast-1）を引くと、Group 1・Group 2とも最初の100万枚が1,000枚あたり$1.30でした。料金ページの既定表示は米国東部なので、国内リージョンで動かす前提の見積もりに$1.00を使うと約23%低く出ます。

Azureは公式の料金ページで単価欄が表示されないことがありますが、Azure Retail Prices APIで東日本リージョンを引くと実額が取れます。Image Analysis Group 1は最初の100万件が1,000件あたり$1.00、100万件超〜1,000万件が$0.65、1,000万件超〜1億件が$0.60、1億件超が$0.40です。Group 2は最初の100万件が$1.50、100万件超が$0.60です。どの機能がどちらのグループに入るかはAzure Visionの料金ページの表で確かめてください。

OCI VisionはOracleの料金ページが自動取得を拒むため、Oracleが公開している価格表API（cetools）で確認しました。画像分析（Image Analysis）が1,000件あたり$0.25、文字認識（OCR）が$1.00で、どちらも最初の5,000件が0ドルの課金帯になっています。画像分析の単価は4社で最も低い水準です。

課金は「1画像」ではなく「1機能×1画像」

見積もりを外す原因はここに集中します。Cloud Vision APIは、1枚の写真にラベル検出と文字検出をまとめてかければリクエストは1回でも2ユニットです。PDFのように複数ページあるファイルは1ページを1画像として数えます。

Rekognitionも同じです。料金ページには「1枚の画像に複数のAPIを実行すると、複数枚の画像を処理したものとして数える」と書かれており、DetectLabelsとDetectTextを同じ画像に呼べば2枚分の課金になります。機能ごとにAPIが分かれている分、呼び出し回数がそのまま請求枚数です。

無料枠の単位と利用期限の違い

Cloud Vision APIの無料枠は機能ごとに毎月1,000ユニットです。Googleの料金例では、ラベル検出700回とランドマーク検出5,300回を使った月の請求が、ラベル検出0ドル、ランドマーク検出は最初の1,000回が無料で残り4,300回に$6.45となっています。1,000枚の画像にラベル検出と文字検出をかけても、どちらも1,000ユニット以内なので請求は発生しません。期限も無いため、月数百枚程度の社内ツールなら無料のまま運用できます。

AWSは2025年7月15日に無料利用枠の仕組みを変えました。Rekognitionの料金ページには今も「アカウント作成から12か月、Group 1とGroup 2でそれぞれ月1,000枚」の枠が載っていますが、同じページに、7月15日以降の新規顧客は最大200ドルのクレジットを受け取る形に変わったと併記されています。AWSの請求ドキュメントでは、作成時に100ドル、所定の操作で最大100ドルが追加され、無料プランは6か月かクレジットを使い切るまでで終わります。これから作るアカウントでは「12か月は無料」という前提で検証計画を立てないでください。

AzureのF0は試用期間ではなく無料の価格レベルで、月5,000件・毎分20件の上限内なら続けて使えます。毎分20件はバッチ処理ではすぐ頭打ちになるので、処理速度の評価には向きません。

動画（映像）を解析するAPIの料金

監視カメラや配信動画を解析する場合は、動画用のAPIに渡す方法と、静止画を切り出して画像APIに送る方法があります。動画用のAPIは「枚」ではなく「分」で課金されるため、どちらが安いかは切り出す頻度と必要な機能で変わります。

GoogleのVideo Intelligence APIの料金ページは、1分未満の端数を次の1分に切り上げると明記しています。10秒の短い動画を大量に投げると、1本ごとに1分として数えられます。Rekognition Videoも、同じ区間に複数のAPIを実行すればAPIごとに別々に課金されます。また、Rekognitionのライブ映像（Streaming Video）の解析は2026年4月30日から新規顧客に提供されなくなりました。直近12か月に使っていたアカウントだけが引き続き使えるので、これから監視カメラの映像を流し込む構成を作るなら、AWSでは画像APIにフレームを送る構成か、他社のサービスで設計します。

無料枠やクレジットを使い切った後の単価で比べると、動画1時間にラベル検出をかける費用はVideo Intelligence APIで$6.00、Rekognition Video（東京）で$7.80です。同じ1時間を1秒1枚の静止画に切り出してRekognitionの画像APIに送ると3,600枚で約$4.68になり、こちらのほうが安く見えます。ただし静止画では物体の追跡やショットの切り替わりは取れません。何を検出したいかで単位を選んでください。

費用の見積もり：API利用料とカスタムモデル費用の内訳

学習済みAPIだけで済む場合の計算例

月10万枚の画像にラベル検出と文字検出をかけるケースで比べます。Cloud Vision APIは機能ごとに10万ユニット、無料枠1,000ユニットを引いた9万9,000ユニットに$1.50がかかり、2機能で$297.00です。Rekognitionは2つのAPIで20万枚分の処理となり、米国東部で$200.00、東京で$260.00です。ただしRekognitionのDetectTextが対象とする言語は英語・アラビア語・ロシア語・ドイツ語・フランス語・イタリア語・ポルトガル語・スペイン語で、日本語は含まれません。日本語の文字を読む要件があるなら、Rekognitionは料金以前に比較から外れます。

Rekognition Custom Labelsの推論はリソースの起動時間で課金

汎用ラベルでは足りず、自社の製品型番や部品の欠陥を見分けたい場合は、独自の画像で学習させるカスタムモデルを使います。ここで費用の構造が変わります。Rekognition Custom Labelsは学習が1時間$1.00（東京$1.37）、推論が1時間$4.00で、推論の料金は画像の枚数ではなく推論用のリソースを起動している時間にかかります。料金ページは、停止し忘れると画像を1枚も処理していなくても課金が続くと注意しています。1台を24時間30日動かし続ければ推論だけで$2,880です。

夜間にまとめて処理できる用途なら、起動・処理・停止を自動化するだけで費用は桁で変わります。Azureでカスタムモデルを作るCustom Visionは2028年9月25日に提供を終える予定で、移行先の選び方はAzure Custom Visionの提供終了と移行先で整理しています。

画像解析システムの見積もりには、APIの利用料とは別に、学習用画像の収集とラベル付け、業務システムへの組み込み、精度評価の工数が載ります。月10万枚・2機能の上の試算ではAPI料金が月$200〜$300程度なので、見積もりを比べるときは開発費と運用費（推論リソースの稼働時間を含む）を分けて出してもらうと、比較がしやすくなります。独自データでの学習が必要な案件は、画像認識AIモデル構築のように、データ設計から推論環境まで含めて相談できる体制かどうかも確認してください。

APIの選定基準と採用すべきでない場面

判断の第一は、すでに使っているクラウドに合わせることです。上の計算例のとおり月10万枚規模でも社による差は月数十ドルで、認証・権限管理・請求・監査ログを既存の基盤に寄せられる利点のほうが大きくなります。第二に、必要な機能が学習済みモデルに含まれているか。ロゴ・ランドマーク・Web上の類似画像ならCloud Vision、顔の照合や保護具の着用判定ならRekognition、画像の説明文ならAzureが単独で持っています。第三に処理量で、月数千枚までは無料枠の性格が支配的、月数百万枚では課金帯の逓減が効きます。

Azureを新規に選ぶ場合は、Image Analysis APIが2028年9月25日に廃止予定であることを織り込んでください。Microsoftの移行ガイドは、対象がv3.2とv4.0の両方で、廃止後は呼び出しが失敗すると明記しています。2年程度で作り替える前提のシステムでなければ、最初から移行先の候補で組むほうが手戻りが少なくなります。

画像解析APIを採用すべきでない場面もあります。画像を外部に送信できない案件では候補になりません。医療画像、本人確認書類、機密図面などは、クラウドへの送信自体が契約や規程で禁じられていることがあります。文字の読み取りが目的ならTesseract OCRのように自社サーバーに置けるエンジンが先に検討対象になり、Tesseractの精度と商用利用の条件を確認しておくと判断が早まります。

結果に厳密な再現性が要る場面も向きません。クラウド側のモデルはベンダーの判断で更新され、同じ画像でもラベルや信頼度スコアが時期によって変わります。監査や品質基準の根拠として結果を残す用途では、版を固定できる自社モデルを検討してください。

生成AI（マルチモーダルLLM）との使い分け

Claude・GPT・Geminiといった生成AIは画像を直接受け取り、「この請求書から発行日と金額を抜き出して」のような自然文の指示に答えます。課金は画像をトークンに換算した量で決まります。Claudeの場合、公式ドキュメントが示す計算式は「横÷28の切り上げ×縦÷28の切り上げ」で、1000×1000ピクセルの画像は1,296トークンです。

Claude Haiku 5.5の入力単価は100万トークンあたり$0.10（プロンプトが10万トークン以下の場合）、Claude Opus 5.5は$4です（Claudeの料金表）。ここに指示文と出力のトークンが加わります。出力の単価はHaiku 5.5で100万トークンあたり$0.50なので、1枚につき200トークンの回答を返させても1,000枚で$0.10の上乗せです。Geminiは既定の解像度設定で画像1枚を1,120トークンと数え、Gemini 4 Argonの入力単価は2026年11月30日まで$2.00、12月1日から$4.00なので、1,000枚で約$2.24（12月以降は約$4.48）です。

単価だけを見れば、軽量な生成AIは従来型APIより安い水準まで来ています。それでも従来型APIを選ぶ理由は残ります。返るラベルと信頼度の形式が固定され、同じ画像に同じ形のJSONが返るので、後段の処理を書きやすいこと。機能単位の定額なので、1件あたりの費用が指示文や回答の長さで変わらないこと。逆に、レイアウトが一定しない帳票から必要な項目だけを抜く、写真の状況を文章で説明させる、複数の条件を組み合わせて判定させる、といった処理は生成AIのほうが短い実装で済みます。OCRの領域ではdots.mocrのようなマルチモーダルな文書解析モデルも実用段階に入っています。

実務では、固定ラベルで足りる一次分類を従来型APIに任せ、例外や自由記述が要るものだけ生成AIに回す併用が組みやすい構成です。

Cloud Vision APIの最小構成での実行手順

Cloud Vision APIはREST経由でJSONを送るだけで動きます。Google Cloudコンソールで、プロジェクトの作成、課金の有効化、Cloud Vision APIの有効化、APIキーの発行の順に進めます。APIキーはそのままだと全APIに使えるので、発行後に「APIの制限」でCloud Vision APIだけに絞っておきます。

以下はmacOSのターミナルで、環境変数 API_KEY に発行したキーを入れ、カレントディレクトリに sample.jpg を置いた状態で実行する例です。

curl -X POST \
  "https://vision.googleapis.com/v1/images:annotate?key=$API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "requests": [{
      "image": { "content": "'"$(base64 -i sample.jpg)"'" },
      "features": [
        { "type": "LABEL_DETECTION", "maxResults": 5 },
        { "type": "TEXT_DETECTION" }
      ]
    }]
  }'

Base64化のコマンドはOSで違います。macOSのbase64 -i sample.jpgに対し、Linux（GNU coreutils）ではbase64 -w0 sample.jpgと書きます。GNU版は既定で76文字ごとに改行を入れるため、-w0で折り返しを止めないとJSONが壊れます。

このリクエストはfeaturesを2つ指定しているので、画像1枚で2ユニットです。レスポンスは labelAnnotations と textAnnotations が並んだJSONで返ります。labelAnnotations は description と score（信頼度）を持ちますが、textAnnotations に含まれるのは locale・description・boundingPoly で、score はありません。本番でサーバーから呼ぶ場合は、APIキーよりサービスアカウントの認証を使うほうが鍵の漏えい時の影響を絞れます。

AWSで同じことを試す場合のAPI設計と費用の詳細は、Amazon Rekognitionの解説記事で扱っています。

OCI VisionとOracle APEXのローコード連携設定

Oracle APEXを使っている環境なら、OCI Visionの呼び出しはローコードで組めます。APEXのRESTデータソースは外部APIをデータベースの表と同じ感覚で扱えるため、業務画面から画像解析を呼ぶ構成にしやすいのが利点です。

手順は3段階です。OCIコンソールでユーザーのAPIキーを作り、秘密鍵・フィンガープリント・テナンシOCID・ユーザーOCIDを控えます。次にAPEXの「ワークスペース・ユーティリティ」でWebクレデンシャルを作成し、認証タイプにOCIを指定して4項目を登録します。最後にRESTデータソースを作り、エンドポイントにOCI VisionのanalyzeImageを指定して、Webクレデンシャルを紐付けます。analyzeImageはPOSTで呼ぶ操作なので、リクエスト本文に解析する画像と使う機能を指定し、返ったJSONの項目をページの表示やプロセスに割り当てるところまで設定して初めて画面から使えます。

リクエストの署名はAPEX側が生成するので、OCI固有の署名仕様を実装する必要はありません。秘密鍵はPEM形式の改行を崩さずに貼り付けます。401（NotAuthenticated）は、Oracleのエラー一覧で「必要な認証情報が無いか誤っている」と定義されています。返ってきたら、Webクレデンシャルに登録したOCID・フィンガープリント・秘密鍵が同じAPIキーの組み合わせになっているかを確かめます。

よくある質問

画像解析APIと画像認識APIは違うものですか？

この記事では同じものとして扱っています。どちらの語で探しても、Cloud Vision API・Amazon Rekognition・Azure Vision・OCI Visionといった同じサービス群に行き着きます。ただし対応している機能は製品ごとに違うので、本文の機能対応表で確かめてください。

無料で使える画像認識APIはありますか？

Cloud Vision APIが機能ごとに毎月1,000ユニットを期限なしで無料にしています。AzureはF0で月5,000件（毎分20件まで）です。AWSは2025年7月15日以降に作ったアカウントでは最大200ドルのクレジットから差し引く形で、無料プランは6か月で終わります。

1,000枚の画像を解析するといくらかかりますか？

Cloud Vision APIでラベル検出と文字検出をかけるなら、どちらも機能ごとの無料枠に収まり0円です。Rekognitionで同じ2機能を使うと2,000枚分の処理になり、無料枠が無いアカウントでは米国東部で$2.00、東京で$2.60です。

動画の解析にも使えますか？

動画用のAPIがあり、課金は分単位です。Video Intelligence APIのラベル検出は1分$0.10で機能ごとに月1,000分まで無料、Rekognition Videoは保存済み動画が1分$0.10（東京$0.13）です。

画像を外部に送らずに解析できますか？

できます。文字認識ならTesseract OCRのようなオープンソースのエンジンを自社サーバーに置く構成が定番です。精度調整の手間は増えますが、画像がネットワークの外に出ないため、機密文書や個人情報を扱う案件で選ばれます。

関連記事

• Amazon Rekognitionとは？できること・API・料金と自前モデルとの使い分け【2026年版】
• Azure Custom Visionとは？2028年9月の提供終了と移行先の選び方
• 物体検出とは？仕組み・代表手法の比較から実装判断までエンジニア向けに解説
• Amazon Textractとは？機能・料金・使い方と他OCRとの違いを解説
• Tesseractとは？読み方・日本語の精度・商用利用とPSM/OEM設定【5.5.3で実測】