Chirp 3 vs GPT-4o Transcribe Diarize
いつ、どちらを使うべきか — ベンチマーク表ではなく、厳選された評価
これら2つはどちらも話者のダイアライゼーションを伴う文字起こしを行いますが、課金単位が異なります。chirp-3は音声1分あたり$0.016、対するgpt-4o-transcribe-diarizeは100万音声入力トークンあたり$6.25に加え、100万テキスト入出力トークンあたり$2.5であるため、単一の換算を行うことは正確ではありません。長時間のジョブやライブジョブにはchirp-3を選択してください。BatchRecognizeは1分から1時間に対応し、StreamingRecognizeはリアルタイムを処理し、29のGAと82のプレビューロケールをカバーしますが、単語レベルのタイムスタンプはサポートされていません。25MB未満の短いファイルで、話者ラベルとセグメントのタイムスタンプを含むdiarized_jsonが必要な場合は、16000トークンのコンテキストと2000トークンの出力制限の範囲内でgpt-4o-transcribe-diarizeを選択してください。
料金
| Chirp 3 | GPT-4o Transcribe Diarize | Δ | |
|---|---|---|---|
| 音声1分あたり | $0.016 | — | — |
| 音声入力 / 1Mトークン | — | $6.25 | — |
| テキスト出力 / 1Mトークン | — | $2.5 | — |
これら2つのモデルは課金単位が異なるため、Δは表示されていません — 単位を変換するには、当社が測定していない仮定が必要になります。各カードは上記にてそれぞれの単位で記載されています。
機能
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 話者ダイアライゼーション | あり | あり |
| ストリーミング | あり | あり |
| タイムスタンプ | あり | あり |
仕様
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 入力モダリティ | 音声 | テキスト 音声 |
| 出力モダリティ | テキスト | テキスト |
| リリース | 2025-10-13 | 2025-10 |
| 知識のカットオフ | — | 2024-06 |
| 制限 | Auto-detected audio decoding sync Recognize <1 min, BatchRecognize 1 min–1 hr (<=20 min with word timestamps), StreamingRecognize for real-time speaker diarization in BatchRecognize and Recognize (14 languages) utterance-level timestamps (StreamingRecognize only), word-level timestamps listed as unsupported language-agnostic transcription 29 GA + 82 preview locales | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB built-in speaker diarization with diarized_json output (speaker labels + segment timestamps) chunking_strategy required for audio >30s no prompt support |
| 言語 | 29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize diarization covers 14 of them | 57 languages listed for the transcriptions endpoint (one shared list for all transcription models) ISO 639-1 / 639-3 codes accepted for GPT-4o-based models |
| 最大出力 | — | 2K |
仕様は各ベンダーのドキュメントから転記されています。ベンダーが公開していない行は推測せず、省略しています。 すべての出典: Chirp 3 · GPT-4o Transcribe Diarize
1行で切り替え
以下のすべてのタブには両方のIDが含まれています — 変更箇所はハイライトされた2行のみです。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="gpt-4o-transcribe-diarize", # この行をアンコメントし、上の行をコメントアウトします
file=open("meeting.mp3", "rb"),
language="en",
)
print(resp.text)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "chirp-3",
// model: "gpt-4o-transcribe-diarize", // この行をアンコメントし、上の行をコメントアウトします
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="chirp-3" \
# -F model="gpt-4o-transcribe-diarize" \ # この行をアンコメントし、上の行をコメントアウトします
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "chirp-3",
// Model: "gpt-4o-transcribe-diarize", // この行をアンコメントし、上の行をコメントアウトします
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("chirp-3")
// .model("gpt-4o-transcribe-diarize") // この行をアンコメントし、上の行をコメントアウトします
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Chirp 3 と GPT-4o Transcribe Diarize ではどちらが安いですか?
課金単位が異なるため、単一の正確な数値はありません:Chirp 3 と GPT-4o Transcribe Diarize は上の表においてそれぞれの単位で記載されています。ご自身のワークロードで比較してください — 実用的なトレードオフは、このページ上部の判定に記載されています。
2つの統合を行わずに Chirp 3 と GPT-4o Transcribe Diarize のA/Bテストを実施できますか?
はい。両方とも1つのAPIキーで同じOpenAI互換エンドポイントを通じて提供されます — モデル文字列を1行変更するだけで切り替えられるため、トラフィックの一部をそれぞれにルーティングし、請求額を直接比較できます。
Chirp 3 と GPT-4o Transcribe Diarize は話者ダイアライゼーションをサポートしていますか?
上の機能表では、各ベンダーのドキュメントから直接引用してモデルごとに回答しています — ダイアライゼーション、ストリーミング、タイムスタンプは、モデルによってこれら3つすべてが異なるため、個別にリストされています。