🎁 新規 無料登録、10回の呼び出しを進呈。最大 $1、カード不要。

GPT-4o Transcribe vs Whisper v1

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

この二つは課金単位が違います — whisper-1 は音声 1 分あたり $0.006、gpt-4o-transcribe は 100万音声入力トークンあたり $6 に加えて 100万テキストトークンあたり $2.5 と $10 — ので、両者を結ぶ単一の換算は誠実ではありません。whisper-1 は単語およびセグメント単位のタイムスタンプ、srt/vtt 出力、翻訳エンドポイントを備えますがストリーミングはできません。gpt-4o-transcribe はリアルタイム書き起こしセッションを含めてストリーミングでき、返すのは json か text のみです。字幕と翻訳なら whisper-1、ライブの書き起こしなら gpt-4o-transcribe。

料金

GPT-4o Transcribe Whisper v1 Δ
音声1分あたり $0.006
音声入力 / 1Mトークン $6
テキスト出力 / 1Mトークン $10

これら2つのモデルは課金単位が異なるため、Δは表示されていません — 単位を変換するには、当社が測定していない仮定が必要になります。各カードは上記にてそれぞれの単位で記載されています。

機能

GPT-4o Transcribe Whisper v1
話者ダイアライゼーション なし なし
ストリーミング あり なし
タイムスタンプ なし あり

仕様

GPT-4o Transcribe Whisper v1
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 2025-03-20 2023-03-01
知識のカットオフ 2024-06
制限

mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB

streaming transcription supported (incl. Realtime transcription sessions)

json/text output only

no word timestamps or diarization

mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB

word- and segment-level timestamps (verbose_json), srt/vtt output

no streaming

only model supported on the translations endpoint (to English)

言語

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

Trained on 98 languages

57 listed as supported, the languages that met OpenAI's under-50% word-error-rate threshold across the transcriptions and translations endpoints

最大出力 2K

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: GPT-4o Transcribe · Whisper v1

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="gpt-4o-transcribe",
    # model="whisper-1",  # 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

GPT-4o Transcribe と Whisper v1 ではどちらが安いですか?

課金単位が異なるため、単一の正確な数値はありません:GPT-4o Transcribe と Whisper v1 は上の表においてそれぞれの単位で記載されています。ご自身のワークロードで比較してください — 実用的なトレードオフは、このページ上部の判定に記載されています。

2つの統合を行わずに GPT-4o Transcribe と Whisper v1 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。

GPT-4o Transcribe と Whisper v1 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