Chirp 3 vs Seed ASR

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、どちらも話者分離を行います。seed-asr-bigmodel は 8 分の 1 の $0.002 対 $0.016 で、はるかに長いファイルを受け付けます — 非同期モードで最大 5 時間・512MB、chirp-3 のバッチは 1 時間 — 文単位と単語単位のタイムスタンプ付きです。chirp-3 が返すのは広さで、GA 29 とプレビュー 82 のロケール。seed-asr-bigmodel の既定は北京語・英語・広東語と中国語方言で、39 の言語キーを明示指定できます。価格ではなく、録音の長さとロケールで選んでください。

料金

Chirp 3 Seed ASR Δ
音声 1 分あたり $0.016 $0.002 8×

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 Seed ASR · $0.002

対応機能

Chirp 3 Seed ASR
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 Seed ASR
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 2025-12-05
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。 非同期の音声ファイルモード:512MB 未満、5 時間未満、OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A(生の PCM も受け付け)。結果は 3 時間以内に返り、7 日間保持されます。話者ダイアライゼーションは enable_speaker_info で利用(音声ファイル API のみ、話者 10 人以下が最適、ストリーミング API では非対応)。show_utterances により start_time/end_time 付きの文および単語の分割。enable_lid による言語判定。ホットワード/コンテキストは最大 800 トークン、20 ラウンドまで。課金は呼び出し単位。
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) `language` を空にした場合の標準中国語、英語、広東語、上海語、閩南語、四川方言、陝西方言に加えて、明示的に固定できる 39 の言語キー(en-US, zh-CN, yue-CN, ja-JP, ko-KR, id-ID, es-MX, pt-BR, de-DE, fr-FR, fil-PH, ms-MY, th-TH, ar-SA, it-IT, bn-BD, el-GR, nl-NL, ru-RU, tr-TR, vi-VN, pl-PL, ro-RO, uk-UA, az-AZ, bg-BG, cs-CZ, da-DK, fi-FI, hi-IN, hu-HU, kk-KZ, km-KH, my-MM, no-NO, pa-PK, sv-SE, sw-KE, ur-PK)、および任意の自動検出(enable_auto_lang)

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 · Seed ASR

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="seed-asr-bigmodel",  # 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 Seed ASR ではどちらが安いですか?

音声 1 分あたりは Seed ASR のほうが安くなります($0.002 対 $0.016、8.0 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 Seed ASR 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 Seed ASR 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