元記事
記事タイトル
Building an AI tool in a half-day hackathon and hitting $20k/mo
掲載サイト
Indie Hackers
著者
James Fleischmann
出演者・創業者
Louis Pereira
公開日
2026年2月17日
この記事で紹介されているAudioPenは、利用者が話した内容を文字起こしし、重複や言いよどみを取り除き、読みやすい文章へ整えるAIサービスです。
創業者によると、取材時点の月間売上は1万5,000〜2万ドルでした。数字は本人へのインタビューに基づくもので、監査済みとは限りません。元記事にはIndie Hackersの会員サービスやAudioPenへの導線があり、事例紹介であると同時に商業的な内容を含みます。
3分で要約
AudioPenは、最初から大規模なSaaSとして計画された事業ではありません。
創業者のLouis Pereiraが開催した半日の開発企画で、小さな音声入力ツールを独立した製品へ作り直したのが始まりです。初期版はノーコードツールなどを組み合わせて開発されました。
利用者が思いついたことを自由に話すと、AudioPenが音声を文字へ変換します。
ただし、単純な文字起こしではありません。
「あの」「ええと」といった不要な言葉を削り、繰り返しを整理し、話の順序を整えます。現在は音声ファイルのアップロードや、過去の文章を読み込ませて本人に近い文体を作る機能も提供しています。
完成した文章は、メール、日記、企画メモ、記事の下書きなどに使えます。
最初の集客では、創業者がSNSで開発過程や製品を発信しました。その後は口コミによる利用が増え、約2年間で月1万5,000〜2万ドルの売上へ成長したと説明しています。
主要な収益モデル
中心となる収益は、有料利用者から受け取る利用料金です。
売上は次の式で考えられます。
有料利用者数 × 利用料金
AudioPenは、利用者が話した音声をAIで処理するため、利用量に応じて音声認識や文章生成の費用が発生します。
しかし、人間が一件ずつ文字起こしや編集を行う必要はありません。利用者が増えても、作業者の人数を同じ割合で増やさずに売上を伸ばせます。
また、利用者の過去のメモや文体設定がサービス内に蓄積すると、使い続ける理由も強くなります。
開始コスト
最初に必要なのは、PC、音声認識と文章生成の仕組み、簡単なWeb画面、決済機能です。
店舗、在庫、配送設備は必要ありません。
AudioPenも、最初は短期間で作った小さなWebツールでした。需要を確認してから、音声アップロード、文体変更、モバイル利用などへ機能を広げています。
注意すべきなのは、利用者が増えるほどAI処理費用も増えることです。
長時間の音声を低価格で無制限に処理すると、利用されるほど利益が減ります。無料利用の上限、1回の音声時間、月間処理本数を決める必要があります。
必要スキル
高度な独自AIを開発する必要はありません。
重要なのは、既存の音声認識と文章生成を、特定の用途に合わせて組み合わせることです。
AudioPenが売っているのは、音声認識技術そのものではありません。
音声を受け取り、不要な言葉を削り、話の意味を変えず、利用できる文章として返す一連の流れです。
そのため、AIの出力が元の発言から外れていないかを確認する設計、利用者が望む文体や長さを選べる仕組み、API費用を管理する力が必要です。
他人が見落としていたポイント
他人は、音声入力を文字起こしの代替手段として見ていました。
しかし、Louisは、人が困っているのは録音内容を文字にすることではなく、頭の中の考えを読める文章へ整える工程だと考えました。
人は話すことならできます。
しかし、文章にするには、構成を考え、言葉を選び、重複を削り、順番を入れ替えなければなりません。
この編集作業が面倒だから、考えは録音されたまま放置され、記事や企画書にはなりません。
AudioPenは、その間にある編集作業を自動化しました。
顧客が買っているのは文字起こしではありません。
頭の中にしかなかった考えを、保存、共有、再利用できる文章資産へ変えることです。
日本ならどう応用できるか
日本で応用するなら、一般的な音声メモサービスを作るより、利用者と完成する文章を絞る方がよいでしょう。
その一つが、stand.fmの音声配信を、そのままnoteへ掲載できる原稿に変えるサービスです。
stand.fmで話す人は、すでに音声コンテンツを作っています。
しかし、それをnoteにも載せようとすると、音声を聞き直し、文字起こしを修正し、重複を削り、見出しやタイトルを付ける必要があります。
30分話すことはできても、そこから改めて記事を書くのは面倒です。
そこで、stand.fmの音声ファイルを入れると、次の内容を自動生成します。
note向けタイトル、冒頭文、見出し、本文、ハッシュタグ、元の音声配信への誘導文。
顧客が買うのは、文字起こしではありません。
一度話した内容を、もう一度書き直さずに、検索される文章コンテンツとして再利用できることです。
特に、仕事の専門知識を発信し、note、講座、コンサル、商品販売へつなげている配信者が候補になります。
過去の音声が数十本、数百本ある人なら、古い配信をnote記事へ変える一括変換にも需要が考えられます。
5つの勝ち筋フィルター
① 中央値か、外れ値か
評価：★★★★☆
音声認識や文章生成は珍しくありません。
しかし、「stand.fmの音声をnote原稿にする」と用途を限定すれば、誰が何のために使うかが明確になります。
② 古くからある市場か
評価：★★★★★
一つのコンテンツを、音声、記事、SNSなどへ再利用する需要は以前からあります。
発信者はすでに、文字起こし、編集、記事制作に時間や費用を使っています。
③ 期待値1以上のサイコロを何度も振れるか
評価：★★★★★
最初は音声ファイルを受け取り、既存AIで原稿を作るだけで試せます。
対象者、文章の長さ、料金、出力形式を変えて何度も検証できます。設備や在庫も残りません。
④ 粗利益率は高いか
評価：★★★★☆
原稿生成を自動化できれば、人件費を抑えられます。
一方、人間が毎回文章を細かく直すと、記事制作代行になり、労働集約型へ戻ります。
⑤ 再現性はあるか
評価：★★★★☆
音声取得、文字起こし、文章整理、見出し生成という工程は標準化できます。
ただし、誰にでも当てはまる無難な文章では、発信者本人の魅力が消えます。話していない結論を追加せず、本人の言葉を残す設計が必要です。
どうなったら失敗するのか
最大の死亡条件は、AIらしい一般論の記事を大量に作ることです。
話し手の体験や言葉遣いを削りすぎると、本人が書いた文章に見えません。
次に危険なのが、人間による修正を増やしすぎることです。
1本300円の商品に30分の編集を加えれば、注文が増えるほど忙しくなり、利益が残りません。
また、音声配信者全体を狙うのも危険です。
趣味で雑談している人の多くは、note原稿に料金を払いません。仕事や商品販売につながる発信者に絞る必要があります。
早期に確認したいKPI
確認すべき数字は、音声の変換本数、生成原稿のコピー率、投稿率、再利用率、有料化率、1本当たりAI処理費用です。
特に重要なKPIは、生成した原稿が実際にnoteへ投稿された割合です。
原稿を作っても投稿されなければ、利用者の仕事を終わらせていません。
最初に取り組むアクション
最初に売る最小の商品
stand.fmの音声1本を、note向けのタイトル、見出し、本文、ハッシュタグへ自動変換します。
投稿は利用者本人が行い、事業者側では原則として人手による編集をしません。
最初の顧客候補
stand.fmで専門知識を発信し、すでにnote、講座、コンサル、商品販売を行っている人です。
過去配信が多く、文章化できずに放置している人ほど強く困っています。
最初の集客方法
stand.fmで音声とnoteを併用している配信者へ、無料変換を1本提供します。
完成した記事を本人に見てもらい、どこを直したか、実際に投稿したかを確認します。
投入する費用と時間の上限
検証期間は1か月。利用者は20人。初期費用は3万円以内とします。
料金は、1本300〜500円、月4本980〜1,480円、月10本1,980〜2,980円程度から試します。
過去配信10本の一括変換は、2,980〜4,980円を目安にします。
継続または撤退を判断する基準
20人中10人以上が生成原稿をnoteへ投稿し、5人以上が翌月も利用すれば継続します。
人間の修正が毎回必要になる場合は、対象者や出力形式をさらに絞ります。
利用者が自分でChatGPTへ音声を入れる方法と比べて違いを感じない場合は、本人の文体保持、過去記事との重複確認、タイトル生成など、専用サービスとしての価値を見直します。
この事業の本質は、音声を文字に変えることではありません。一度話した知識を、検索され、読まれ続ける文章資産へ変えることです。
コメント