GPT-4o Transcribe Diarize vs Seed ASR

vs

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)

API キーを取得 →

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。

関連する比較

当社の実測レポートより