Chirp 3 vs Fun-ASR Flash

vs

どんなときに、どちらを選ぶか

どちらも音声 1 分あたりで課金され、fun-asr-flash は 7.6 分の 1 の $0.0021 対 $0.016 です。ただし対象は狭く、同期認識のみ、1 ファイル 5 分または 2GB まで、30 以上の言語、話者分離なし。chirp-3 は GA 29 とプレビュー 82 のロケールを covering し、バッチは 1 時間まで、リアルタイムのストリームも扱い、14 言語で分離を行います。短いクリップを大量に処理するなら fun-asr-flash、分離や長いファイル、広いロケールが必要なら chirp-3 を選んでください。

料金

Chirp 3 Fun-ASR Flash Δ
音声 1 分あたり $0.016 $0.0021 7.6×

ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。

両モデルの位置:音声 1 分あたりの料金(この課金単位の音声文字起こしモデル全 12 件、対数スケール)

Chirp 3 · $0.016 Fun-ASR Flash · $0.0021

対応機能

Chirp 3 Fun-ASR Flash
話者分離 あり なし
ストリーミング あり あり
タイムスタンプ あり -

仕様

Chirp 3 Fun-ASR Flash
入力モダリティ 音声 音声
出力モダリティ テキスト テキスト
リリース 2025-10-13 2026-06
制限 音声デコードは自動判別。同期の Recognize は 1 分未満、BatchRecognize は 1 分〜1 時間(単語タイムスタンプ付きでは 20 分以下)、リアルタイムには StreamingRecognize。話者ダイアライゼーションは BatchRecognize と Recognize で利用可(14 言語)。発話レベルのタイムスタンプは StreamingRecognize のみで、単語レベルのタイムスタンプは非対応と記載。言語非依存の文字起こし。29 の GA ロケール + 82 のプレビューロケール。 同期の高速認識。音声 1 件あたり 5 分以下 / 2GB 以下。専門用語向けのコンテキスト注入。30 以上の言語。話者ダイアライゼーションは非対応。
言語 StreamingRecognize、Recognize、BatchRecognize 全体で 29 の GA ロケール + 82 のプレビューロケール(合計 111。うち 14 で話者ダイアライゼーションが利用可能) 方言を含む多言語対応で、Fun-ASR 本体バージョンと同じ 30 言語のリスト:中国語(標準中国語、広東語、呉語、閩南語、客家語、贛語、湘語、晋語および各地の訛り)、英語、日本語、韓国語、ベトナム語、タイ語、インドネシア語、マレー語、フィリピン語、ヒンディー語、アラビア語、フランス語、ドイツ語、スペイン語、ポルトガル語、ロシア語、イタリア語、オランダ語、スウェーデン語、デンマーク語、フィンランド語、ノルウェー語、ギリシャ語、ポーランド語、チェコ語、ハンガリー語、ルーマニア語、ブルガリア語、クロアチア語、スロバキア語

仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。 出典の一覧: Chirp 3 · Fun-ASR Flash

1 行の変更で切り替え

以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="chirp-3",
    # model="fun-asr-flash",  # この行のコメントを外し、上の行をコメントアウト
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

API キーを取得 →

よくある質問

Chirp 3 と Fun-ASR Flash ではどちらが安いですか?

音声 1 分あたりは Fun-ASR Flash のほうが安くなります($0.0021 対 $0.016、7.6 倍の差)。ほかの行では逆になることもあります。料金の全体は上の表に掲載しており、実際のコストは利用の内訳によって変わります。

Chirp 3 と Fun-ASR Flash の A/B テストは、実装を 2 つ用意せずにできますか?

はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。

Chirp 3 と Fun-ASR Flash は話者分離(ダイアライゼーション)に対応していますか?

上の対応機能の表に、各ベンダーのドキュメントに基づいてモデルごとに記載しています。話者分離、ストリーミング、タイムスタンプを別々の行にしているのは、この 3 点すべてでモデルごとに対応が異なるためです。

関連する比較

当社の実測レポートより