← すべてのモデル

GPT-4o Mini Transcribe

公開日 提供元 OpenAIgpt-4o-mini-transcribe

モデルの位置付け

GPT-4o Mini Transcribe は GPT-4o mini を基盤とする音声テキスト変換モデルで、音声をテキストに書き起こすために使用されます。OpenAI によると、元の Whisper モデルと比較して、単語誤り率、言語識別、書き起こしの精度が改善されています。(developers.openai.com)

機能と用途

  • 音声を受け取り、書き起こしテキストを出力します。録音の書き起こし、字幕の下書き、音声アプリケーションでのテキスト記録に使用できます。
  • OpenAI の音声書き起こし API を通じて利用できます。公式ドキュメントにはリアルタイム書き起こしのワークフローも掲載されています。(developers.openai.com)

制限とステータス

  • 書き起こしには誤りが生じる可能性があるため、重要な内容は元の音声と照合する必要があります。このモデルは画像や動画の入力に対応せず、音声も出力しません。
  • 公式モデルドキュメントには、コンテキストウィンドウは 16,000 token、最大出力は 2,000 token と記載されています。(developers.openai.com)
  • このモデルおよび指定された gpt-4o-mini-transcribe-2025-03-20 スナップショットは非推奨としてマークされています。OpenAI は、gpt-4o-mini-transcribe のサービスを 2027 年 2 月 26 日に終了すると発表し、gpt-transcribe または gpt-live-transcribe への移行を推奨しています。移行時には、必要な出力形式とメタデータを確認する必要があります。(developers.openai.com)
  • 日付のないモデル ID はエイリアスであり、常に 2025 年 3 月のスナップショットを指す保証はありません。指定されたスナップショット ID を使用してバージョンを固定できます。(developers.openai.com)

発表日

公式発表は 2025 年 3 月 20 日に公開されました。入力で指定されたバージョンのスナップショットは gpt-4o-mini-transcribe-2025-03-20 です。(openai.com)

API 料金

OpenAI の公式書き起こしモデル料金表によると、通貨は米ドル(USD)です。入力は 100 万 token あたり $1.25、出力は 100 万 token あたり $5.00 です。公式の推定コストは約 $0.003/分で、これは推定値であり、追加で加算される固定の分単位料金ではありません。料金表はモデル名ごとに掲載されており、この 2025 年のスナップショットの料金は個別には記載されていません。確認日:2026 年 11 月 19 日。(platform.openai.com)

公式ソース