Fun-ASR Flash vs GPT-4o Transcribe Diarize

vs

どんなときに、どちらを選ぶか

どちらも文字起こし専用モデルですが、課金単位が異なります — fun-asr-flashがオーディオ1分あたり$0.0021を請求するのに対し、gpt-4o-transcribe-diarizeはオーディオ入力100万トークンあたり$6.25を請求するため、これらを単一の基準で正確に換算することはできません。5分または2GB未満の単純な同期ジョブで、30以上の言語に対応し、ダイアライゼーションは不要だがドメイン用語のコンテキスト注入が必要な場合は、fun-asr-flashを選択してください。diarized_jsonによる話者ラベルとセグメントのタイムスタンプを備えた組み込みの話者ダイアライゼーションが必要な場合は、25MBのファイル上限、16000トークンのコンテキスト、および30sを超えるオーディオに必須となるchunking_strategyを許容した上で、gpt-4o-transcribe-diarizeを選択してください。

料金

Fun-ASR Flash GPT-4o Transcribe Diarize Δ
音声 1 分あたり $0.0021 - -
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

Fun-ASR Flash GPT-4o Transcribe Diarize
話者分離 なし あり
ストリーミング あり あり
タイムスタンプ - あり

仕様

Fun-ASR Flash 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 2026-06 2025-10
知識カットオフ - 2024-06
制限 同期の高速認識。音声 1 件あたり 5 分以下 / 2GB 以下。専門用語向けのコンテキスト注入。30 以上の言語。話者ダイアライゼーションは非対応。 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 方言を含む多言語対応で、Fun-ASR 本体バージョンと同じ 30 言語のリスト:中国語(標準中国語、広東語、呉語、閩南語、客家語、贛語、湘語、晋語および各地の訛り)、英語、日本語、韓国語、ベトナム語、タイ語、インドネシア語、マレー語、フィリピン語、ヒンディー語、アラビア語、フランス語、ドイツ語、スペイン語、ポルトガル語、ロシア語、イタリア語、オランダ語、スウェーデン語、デンマーク語、フィンランド語、ノルウェー語、ギリシャ語、ポーランド語、チェコ語、ハンガリー語、ルーマニア語、ブルガリア語、クロアチア語、スロバキア語 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: Fun-ASR Flash · 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="fun-asr-flash",
    # 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)

API キーを取得 →

よくある質問

Fun-ASR Flash 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。Fun-ASR Flash 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。

Fun-ASR Flash 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。

Fun-ASR Flash 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。

関連する比較

当社の実測レポートより