🎁 新規 無料登録、10回の呼び出しを進呈。最大 $1、カード不要。

Fun-ASR Flash 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

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

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)

Fun-ASR Flash · $0.0021 Seed ASR · $0.002
$0.002 · Fun-ASR Realtime $0.016 · Chirp 2

機能

Fun-ASR Flash Seed ASR
話者ダイアライゼーション 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
制限

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

context injection for domain terms

30+ languages

no diarization

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 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

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: Fun-ASR Flash · 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="fun-asr-flash",
    # 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

Fun-ASR Flash 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 $0.0021、1.0× 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 Fun-ASR Flash 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。

Fun-ASR Flash 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