Chirp 3 vs GPT-4o Transcribe Diarize
どんなときに、どちらを選ぶか
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 / 100 万トークン | - | $6.25 | - |
| テキスト出力 / 100 万トークン | - | $2.5 | - |
この 2 つのモデルは課金単位が異なるため、Δ は表示していません。単位をそろえて換算するには、当社が実測していない仮定を置く必要があるためです。それぞれの料金は、上の表に各モデルの単位のまま掲載しています。
対応機能
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 話者分離 | 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 |
| 知識カットオフ | - | 2024-06 |
| 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。 | mp3/mp4/mpeg/mpga/m4a/wav/webm、最大 25MB。diarized_json 出力による話者ダイアライゼーションを内蔵(話者ラベルとセグメントのタイムスタンプ)。30 秒を超える音声には chunking_strategy が必要。prompt 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) | transcriptions エンドポイントに掲載された 57 言語(すべての文字起こしモデルで共通のリスト。GPT-4o ベースのモデルでは ISO 639-1 / 639-3 のコードを受け付けます) |
| 最大出力 | - | 2,000 |
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 · GPT-4o Transcribe Diarize
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="gpt-4o-transcribe-diarize", # 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)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", // この行のコメントを外し、上の行をコメントアウト
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" \ # この行のコメントを外し、上の行をコメントアウト
-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", // この行のコメントを外し、上の行をコメントアウト
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") // この行のコメントを外し、上の行をコメントアウト
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());よくある質問
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、単一の数値では公平に比べられません。Chirp 3 と GPT-4o Transcribe Diarize の料金は、上の表にそれぞれの単位で掲載しています。ご自身のワークロードで比較してください。実用上のトレードオフは、このページ冒頭の結論で説明しています。
Chirp 3 と GPT-4o Transcribe Diarize 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 GPT-4o Transcribe Diarize 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。