🎁 新規 無料登録、10回の呼び出しを進呈。最大 $1、カード不要。

Chirp 3 vs GPT-4o Transcribe Diarize

vs

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)

APIキーを取得する →

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。

関連する比較

当社の測定調査より