🎁 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 Seed ASR

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

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

ビルド時のライブカタログの料金です。各モデルのページには現在の料金カードが記載されています。

位置付け — この課金単位におけるすべての11個の音声テキスト変換モデル全体の音声1分あたりの料金 (対数スケール)

Chirp 3 · $0.016 Seed ASR · $0.002
$0.002 · Fun-ASR Realtime $0.016 · Chirp 2

機能

Chirp 3 Seed ASR
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 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
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

Async audio-file mode: <512MB, <5 hours, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (raw PCM also accepted), results returned within 3 hours and retained 7 days

speaker diarization via enable_speaker_info (audio-file API only, best with <=10 speakers, no diarization on the streaming API)

sentence + word segmentation with start_time/end_time via show_utterances

language identification via enable_lid

hotwords/context up to 800 tokens and 20 rounds

per-call billing

言語

29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize

diarization covers 14 of them

With `language` empty the model covers Mandarin, English, Cantonese, Shanghainese, Minnan, Sichuan and Shaanxi dialects

39 language keys can be pinned explicitly (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), plus optional auto-detection (enable_auto_lang)

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 · Seed ASR

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

音声1分あたり においては Seed ASR の方が安価です($0.002 対 $0.016、8.0× の差)。他の行では逆になる可能性があります — 上の表には完全な情報が記載されており、実際のコストは組み合わせに依存します。

2つの統合を行わずに Chirp 3 と Seed ASR 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 Seed ASR 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