音声認識と文字起こし に戻る
機種比較
MAI-Transcribe-2 vs Chirp 3
Compare MAI-Transcribe-2 and Chirp 3 using the same provider-sourced 音声認識と文字起こし rubric.謎のスコアや発明されたベンチマークランキングはありません。
事実確認済み 2026年9月4日
コストを見積もる
利用量を入力すると、見積もりが自動で更新されます。
録音時間を時間単位で入力します。30分＝0.5時間です。追加機能や最低料金で請求額が変わる場合があります。
見積もりの仕組み
税金、ツール、キャッシュ保存・書き込み、無料枠、個別割引は含みません。画像は出力料金のみで、プロンプトや参照画像の料金は含みません。品質モードはモデルごとに異なります。未掲載の設定を無料とは扱いません。
| モデル | アクセス | 合計見積額（USD） |
|---|---|---|
| Chirp 3Google Cloud | Google Cloud | 確認済み料金なし |
| MAI-Transcribe-2Microsoft | Microsoft | 確認済み料金なし |
クイックテイク
MAI-Transcribe-2
Microsoft の高速バッチ文字起こしモデルは、長時間の録音、話者ラベル、単語のタイミング、キーワードのバイアス、クリーンなトランスクリプトまたは逐語的なトランスクリプトに対応します。
こんな方に最適
- 大容量の通話と会議の録音
- 話者と言葉のタイミングが必要なメディア アーカイブ
- マネージド文字起こしモデルを必要とする Azure チーム
気をつけてください
Microsoft の 1 時間/約 10 秒という数字はプロバイダーの主張であり、保証された SLA ではありません。独自のオーディオのベンチマークを行い、プレビュー後の価格、導入地域、クォータ、保持構成を確認します。
Chirp 3
Google Cloud の一般的な音声テキスト変換モデル。多くの言語と地域にわたるストリーミング、ファイル、低コストの動的バッチ文字起こしに使用されます。
こんな方に最適
- 多言語クラウド転写
- リアルタイムとバッチのワークロードを混合するチーム
- リージョンエンドポイントを必要とする Google Cloud アプリケーション
気をつけてください
正確な言語と地域については、Chirp 3 表を確認してください。スピーカー ラベル、タイムスタンプ、適応、およびバッチ動作には、単一のカバレッジ番号では隠蔽できるルート固有の制約があります。
公表された事実を比較する
MAI-Transcribe-2 vs Chirp 3
値には、各プロバイダーが独自に公開している単位と制限が使用されます。空白は、プロバイダーがレビューされた情報源で直接比較可能な値を公開していないことを意味します。
| 音声認識と文字起こし | MAI-Transcribe-2 | Chirp 3 |
|---|---|---|
| 転写価格リストされた処理ルートの音声時間または分あたりの現在のプロバイダーの料金。 | $0.10 / オーディオ時間の期間限定料金 | 標準 $0.016/分 · 動的バッチ $0.003/分 |
| ライブまたはバッチモデルがリアルタイム ストリーム、アップロードされた録画、またはその両方を処理するかどうか。 | 高速バッチおよび長文の文字起こし | ストリーミング、同期、バッチ |
| 言語プロバイダーが公開する言語のカバレッジ。必要に応じて、トレーニングまたは宣伝されたカバレッジを、特別に検証された言語から分離します。 | 60の言語 | 85 以上の言語とロケール |
| スピーカーラベルモデルが誰が発言したか、および公開されている発言者の制限を識別するかどうか。 | はい | 文書化された言語のサブセットをサポート |
| タイムスタンプ利用可能な単語、セグメント、または発話レベルのタイミング情報。 | ワードレベルのタイムスタンプ | ルート制約のあるワードレベルのタイムスタンプ |
| 語彙コントロールキーワードブースティング、カスタムスペル、コンテキスト、プロンプト、またはドメイン用語を改善するその他の方法。 | キーワードバイアス、クリーン/逐語的な出力、自動言語検出 | 音声適応、カスタム語彙、言語検出、ノイズ除去 |
| どこで使用するかプロバイダーによって文書化されたダイレクト API、クラウド カタログ、アプリケーション、または地域のエンドポイント。 | Microsoft Foundry / アズール | Google Cloud 音声テキスト変換 V2 |
選び方
誇大宣伝ではなく、仕事を比較してください。
完了する必要があるジョブから始めて、正確なプロバイダー ルートのコスト、アクセス、ポリシーの詳細を検証します。
MAI-Transcribe-2
Microsoft によれば、Foundry Models に送信されたプロンプト、出力、埋め込み、トレーニング データはモデル プロバイダーには利用できず、許可なく基盤モデルのトレーニングに使用されることはありません。保持および不正行為の監視の詳細は、デプロイされたサービスによって異なります。
Chirp 3
Google によれば、顧客がデータ ログにオプトインしない限り、Speech-to-Text コンテンツはサービスの提供以外には使用されません。ストリーミングおよび同期コンテンツはメモリ内で処理されます。非同期結果は文書化されたとおりに一時的に保持される場合があります。
プロバイダーと API のリンク
よくある質問
MAI-Transcribe-2 と Chirp 3 のよくある質問
MAI-Transcribe-2 と Chirp 3 の主な違いは何ですか?
MAI-Transcribe-2: Microsoft の高速バッチ文字起こしモデルは、長時間の録音、話者ラベル、単語のタイミング、キーワードのバイアス、クリーンなトランスクリプトまたは逐語的なトランスクリプトに対応します。 Chirp 3: Google Cloud の一般的な音声テキスト変換モデル。多くの言語と地域にわたるストリーミング、ファイル、低コストの動的バッチ文字起こしに使用されます。
MAI-Transcribe-2 または Chirp 3 を選択する必要がありますか?
優先順位が 大容量の通話と会議の録音 の場合は、MAI-Transcribe-2 を検討してください。優先順位が 多言語クラウド転写 の場合は、Chirp 3 を検討してください。 Test both with your own data and provider route before committing.
これは MAI-Transcribe-2 と Chirp 3 の比較は Cody ベンチマークに基づいていますか?
いいえ。この比較は、プロバイダーが公開した 音声認識と文字起こし カテゴリの事実を一致させます。普遍的な勝者を主張したり、互換性のないサードパーティのベンチマーク スコアを組み合わせたりするものではありません。