Fun-ASR Flash vs Seed ASR
どんなときに、どちらを選ぶか
1 分あたりの料金は丸め誤差の範囲($0.0021 対 $0.002)なので、選択は完全に機能で決まります。seed-asr-bigmodel は音声ファイル API で話者分離を行い(文書上は 10 名以下が最適)、文と単語のタイムスタンプを返し、1 ファイル最大 5 時間を受け付けます。fun-asr-flash は同期のみ、5 分・2GB が上限で分離はありませんが、専門用語のコンテキスト注入があります。短いクリップを素早く返すなら fun-asr-flash、長いものや複数話者なら seed-asr-bigmodel です。
料金
| Fun-ASR Flash | Seed ASR | Δ | |
|---|---|---|---|
| 音声 1 分あたり | $0.0021 | $0.002 | 1× |
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)
対応機能
| Fun-ASR Flash | Seed ASR | |
|---|---|---|
| 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 | 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 | 2026-06 | 2025-12-05 |
| 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。 | 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 | 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 | `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: Fun-ASR Flash · 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="fun-asr-flash",
# 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)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "fun-asr-flash",
// 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: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="fun-asr-flash" \
# -F 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
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "fun-asr-flash",
// 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: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("fun-asr-flash")
// .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(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());よくある質問
Fun-ASR Flash 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 $0.0021、1.0 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。
Fun-ASR Flash 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。
Fun-ASR Flash 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。