GPT-4o Transcribe Diarize vs Seed ASR
どんなときに、どちらを選ぶか
この二つは課金単位が違います — gpt-4o-transcribe-diarize は 100万音声入力トークンあたり $6.25 に加えて 100万テキストトークンあたり $2.5、seed-asr-bigmodel は音声 1 分あたり一律 $0.002 — ので、両者を結ぶ単一の換算は誠実ではありません。どちらも話者分離を行います。seed-asr-bigmodel は最大 5 時間・512MB のファイルを単語タイムスタンプ付きで受け付け、OpenAI 側は 25MB 上限で 30 秒を超えると chunking_strategy が必須です。OpenAI 形のパイプラインで diarized_json が要るなら gpt-4o-transcribe-diarize、分単位課金の長時間録音なら seed-asr-bigmodel。
料金
| GPT-4o Transcribe Diarize | Seed ASR | Δ | |
|---|---|---|---|
| 音声 1 分あたり | - | $0.002 | - |
| 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
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| 話者分離 | 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
| GPT-4o Transcribe Diarize | Seed ASR | |
|---|---|---|
| 入力モダリティ | テキスト 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 | 2025-12-05 |
| 知識カットオフ | 2024-06 | - |
| 制限 | 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。 | 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 | 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) | `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) |
| 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: GPT-4o Transcribe Diarize · 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="gpt-4o-transcribe-diarize",
# 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: "gpt-4o-transcribe-diarize",
// 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="gpt-4o-transcribe-diarize" \
# -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: "gpt-4o-transcribe-diarize",
// 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("gpt-4o-transcribe-diarize")
// .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
GPT-4o Transcribe Diarize と Seed ASR 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。GPT-4o Transcribe Diarize と Seed ASR 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。
GPT-4o Transcribe Diarize 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。
GPT-4o Transcribe Diarize 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。