新規 無料登録で、呼び出し 10 回分(最大 $1)をお試しいただけます。カード登録は不要です。

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

Synchronous fast recognition, <=5 min / <=2GB per audio

context injection for domain terms

30+ languages

no diarization

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 Multilingual with dialects, the same 30-language list as the Fun-ASR main versions: Chinese (Mandarin, Cantonese, Wu, Hokkien, Hakka, Gan, Xiang, Jin plus regional accents), English, Japanese, Korean, Vietnamese, Thai, Indonesian, Malay, Filipino, Hindi, Arabic, French, German, Spanish, Portuguese, Russian, Italian, Dutch, Swedish, Danish, Finnish, Norwegian, Greek, Polish, Czech, Hungarian, Romanian, Bulgarian, Croatian, Slovak

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