Groqとは？AI専用チップ「LPU」の成り立ちと、音声入力・文字起こしに向いている理由

ブログ

「AIの音声入力、もっと速くて正確なものはないかな」と探している方は多いと思います。そこで候補に入れておきたいのが Groq(グロック) です。

GroqはGPUではなく、AIを動かすための専用チップ「LPU」を自社で作っている会社で、そのチップをクラウドのAPIとして使えます。特に 音声の文字起こし(Whisper)が非常に速くて安い ので、音声入力の仕組みを作りたい人には相性が良いサービスです。

この記事では、Groqの成り立ち、得意なこと・苦手なこと、音声入力への使い方をまとめます。

※ 料金や速度の数字は2026年10月時点で公開されている情報をもとにしています。最新の情報は GroqCloudのモデル一覧で確認してください。

イーロン・マスク氏のxAIが作っているAI「Grok」とは別物です。名前が似ていますが、Groq(Q)はチップとAPIの会社です。

1. Groqの成り立ち：Google TPUの生みの親が作った会社

Groqは2016年、アメリカのマウンテンビューで設立されました。

創業者の Jonathan Ross(ジョナサン・ロス) は、Googleで「TPU(Tensor Processing Unit)」というAI専用チップを始めた人物です。 TPUは今でもGoogleのGeminiの学習や実行に使われている、Google独自のAIチップです。

TPUを作ったきっかけは、Google社内の音声認識チームが「計算資源が足りない」と困っていたのを近くで見ていたことだったそうです。業務時間の20%を自由に使える「20%プロジェクト」として始めたTPUは、Google社内で大成功しました。

その後Rossは、Googleの研究部門(Google X)を経てGoogleを離れ、元Googleのエンジニアたちと一緒にGroqを立ち上げます。

創業当初は順調ではなく、資金が尽きかけたり、多くの投資家に出資を断られたりした時期もあったと伝えられています。状況が変わったのは、ChatGPTの登場で学習済みのAIを速く動かす推論需要が一気に増えてからです。

2025年12月のNvidiaとの契約は買収ではなく、Groqは独立した会社として残り、クラウドサービス(GroqCloud)も続いています。 AI用チップで圧倒的なシェアを持つNvidiaが巨額を払ったことからも、Groqの技術がどれだけ注目されていたかがわかります。

2. LPUはGPUと何が違うのか

Groqのチップは LPU(Language Processing Unit) と呼ばれます。

ざっくり言うと、GPUは「何でもこなせる汎用の計算機」で、LPUは「学習済みのAIを速く動かすことだけに絞ったチップ」です。

処理の順番をあらかじめ決めておく設計:コンパイラが実行のタイミングを事前に決めるため、応答時間が安定しやすい
チップ上の高速なメモリ(SRAM)だけを使う:外部メモリへの読み書きが少なく、速くて電力効率が良い
推論専用:AIの学習には使わず、学習済みモデルを動かすことに特化している

その結果、文章を生成する速さは次のようになっています。

	1秒あたりの出力トークン数(目安)
一般的なGPUのAPI	50〜150
Groq(LPU)	約400〜1,000(モデルによる)

日本語で800字程度の回答なら、ほぼ一瞬で返ってくる速さです。

3. Groq APIのメリット

速い

上の表のとおり、文章の生成が一般的なAPIの数倍の速さです。

安い

2026年10月時点の料金(100万トークンあたり)の例です。

モデル	入力	出力
gpt-oss-120b	0.15ドル	0.60ドル
gpt-oss-20b	0.075ドル	0.30ドル

Batch APIやプロンプトキャッシュを使うと50%引きになります。

応答時間が安定しやすい

チップの設計上、応答時間のばらつきが出にくいのが特徴です。ただし、混雑時にはレート制限エラーが出たという第三者の計測もあるので、「完全に一定」ではない点は覚えておきましょう。

すぐ試せる

無料のAPIキーが、クレジットカードの登録なしで取得できます
APIは OpenAI互換 なので、OpenAI向けに書いたコードの接続先URLとモデル名を変えるだけで試せます

特定のサービスに縛られにくい

Groqで動かせるのはオープンモデル(gpt-oss、Qwenなど)なので、同じモデルを他のサービスや自前のサーバーでも動かせます。将来Groqの状況が変わっても、乗り換えが簡単です。

4. 苦手なこと

最先端の賢さが必要な作業:GPT、Claude、Geminiのような独自モデルは使えません。複雑な設計や難しい推論は、それらのAPIの方が向いています
非常に長い文章を一度に読ませる作業:多くのモデルは128Kトークンまでで、100万トークン級は扱えません
画像の生成:主な用途ではありません

つまりGroqは、「ほどほどの賢さで良いので、とにかく速く・安く返してほしい」 という場面で力を発揮します。

5. 音声入力・文字起こしにGroqが向いている理由

ここからが本題です。

AIで音声入力をする仕組みは、だいたい次の流れになります。

音声を文字にする(文字起こし)
文字を整える(句読点を付ける、「えーと」などを消す、要約する)
必要なら返事を読み上げる

この流れでは、各段階の待ち時間が積み重なっていきます。話し終わってから文字が出るまでに何秒も待つと、音声入力は使う気がなくなってしまいます。

Groqはこの 1と2の両方が速い のが強みです。

文字起こし:Whisper Large V3は実時間の約217倍、Turbo版は約228倍の速さとされています。1時間の音声でも十数秒で文字になる計算です
料金:Whisperは1時間あたり0.04ドルからと、とても安いです
文字の整形:文字起こしした結果を、そのまま高速なLLM(gpt-oss-20bなど)に渡して整えられます

6. 実際に使ってみる

GroqCloudのコンソールでAPIキーを作成し、環境変数に設定します。

export GROQ_API_KEY="取得したAPIキー"

音声ファイルを文字起こしする

curl https://api.groq.com/openai/v1/audio/transcriptions \
  -H "Authorization: Bearer $GROQ_API_KEY" \
  -F "[email protected]" \
  -F "model=whisper-large-v3-turbo" \
  -F "language=ja"

language=ja を指定すると、日本語として認識させられます。

文字起こしした文章を整える

文字起こしの結果は話し言葉そのままなので、LLMで読みやすく整えます。

curl https://api.groq.com/openai/v1/chat/completions \
  -H "Authorization: Bearer $GROQ_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-oss-20b",
    "messages": [
      {"role": "system", "content": "音声入力の文字起こし結果を、意味を変えずに読みやすい日本語に整えてください。句読点を補い、「えーと」「あの」などのつなぎ言葉は削除してください。"},
      {"role": "user", "content": "（ここに文字起こし結果）"}
    ]
  }'

モデル名は入れ替わることがあるので、モデル一覧で現在使えるものを確認してください。

OpenAIのSDKからそのまま使う

OpenAI互換なので、OpenAIの公式SDKの接続先を変えるだけで使えます。

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://api.groq.com/openai/v1",
    api_key=os.environ["GROQ_API_KEY"],
)

# 1. 文字起こし
with open("voice.m4a", "rb") as f:
    text = client.audio.transcriptions.create(
        model="whisper-large-v3-turbo",
        file=f,
        language="ja",
    ).text

# 2. 整形
result = client.chat.completions.create(
    model="openai/gpt-oss-20b",
    messages=[
        {"role": "system", "content": "音声入力の文字起こし結果を、意味を変えずに読みやすい日本語に整えてください。"},
        {"role": "user", "content": text},
    ],
)
print(result.choices[0].message.content)

これだけで「話す → 読みやすい文章になる」仕組みが作れます。

7. 音声入力以外の使いどころ

リアルタイムのチャットや翻訳:即答が欲しいFAQボットや、会話の同時翻訳
AIエージェントの細かい処理:分類 → 判断 → ツール呼び出しのように、LLMを何十回も呼ぶ処理は1回ごとの速さが効きます
大量のテキストの仕分け:ログの分類、タグ付け、短い要約など、最高性能のモデルでなくても足りる処理

使い分けの例として、「まずGroqで安く速く仕分けて、難しいものだけClaudeなどの賢いモデルに回す」という二段構えもおすすめです。

AIをインテグレートした開発は当事務所にてお手伝いさせていただいております

AIを使った業務の効率化や、音声入力・文字起こしの仕組みづくりなど、当事務所にてご相談をお受けしております。

ご相談などございましたら CONTACT から何なりとお問合せくださいませ。

一覧へ戻る2026-11-12