モデルの位置づけ
GLM-ASR は智譜の音声認識モデルで、音声を入力、テキストを出力として音声を書き起こす。公式モデルドキュメントの呼び出し例では、API モデル ID glm-asr が使用されている。(docs.bigmodel.cn)
機能と用途
- 文脈を利用して書き起こしテキストの流暢さと読みやすさを改善する。公式によると、騒音環境下で高い耐干渉性を持つ。
- 中国語、英語および中国の8種類の地方方言に対応する:東北官話、膠遼官話、北京官話、冀魯官話、中原官話、江淮官話、蘭銀官話、西南官話。
- カスタマーサービスの記録、会議や授業の書き起こし、字幕生成、音声対話、音声検索などの場面で利用できる。(docs.bigmodel.cn)
制限
- 耐ノイズ性能は、書き起こし結果に誤りが生じないことを意味しない。重要な内容は人手で確認する必要がある。
- 公式の現在の汎用音声テキスト変換 API ページに記載されているモデルは
glm-asr-2512であり、glm-asrは選択肢として記載されていない。元のモデルの現在の API 利用可否はプラットフォームに確認する必要がある。GLM-ASR-2512 は公式が 2025 年 12 月 10 日に別途発表したバージョンであり、その仕様や価格を本モデルにそのまま適用すべきではない。(docs.bigmodel.cn)
価格
- 中国大陸の公式ドキュメント:GLM-ASR の表示価格は人民元 0.06 元/分。ドキュメントには分単位の全体価格が示されており、入力音声と出力テキストそれぞれの料金は個別に記載されていない。また、課金時の端数処理ルールも説明されていない。公式モデル・価格ページ、確認日:2026-11-18。(docs.bigmodel.cn)
- リリース告知には、新規リリース時の期間限定無料が記載されていたが、このキャンペーンを現在の無料提供の約束とみなすことはできない。(docs.bigmodel.cn)
リリース日と公式情報源
リリース日:2025 年 4 月 23 日。智譜の公式モデル・製品リリース記録。(docs.bigmodel.cn)