OpenAIが文字起こしAI「GPT Transcribe」と「GPT Live Transcribe」をリリース

OpenAIが文字起こしAI「GPT Transcribe」と「GPT Live Transcribe」をリリースしました。両モデルは専門用語を含む音声でも文脈を理解できるほか、ノイズが含まれる音声でも高精度な文字起こしが可能とアピールされています。

Transcription | OpenAI API
https://developers.openai.com/api/docs/guides/transcription

GPT Transcribeは録音済みの音声ファイルを対象にした文字起こしAIです。時間制の課金システムを採用しており、1分当たりの料金は0.0045ドル(約0.74円)です。

GPT Transcribe Model | OpenAI API
https://developers.openai.com/api/docs/models/gpt-transcribe

GPT Transcribeのベンチマーク結果が以下。whisper-1よりエラー率が低く、高精度な文字起こしが可能です。

GPT Live Transcribeは「話しながら字幕を生成する」といったリアルタイム処理に特化した文字起こしAIです。価格はGPT Transcribeより高めで、1分当たり0.017ドル(約2.78円)です。

GPT Live Transcribe Model | OpenAI API
https://developers.openai.com/api/docs/models/gpt-live-transcribe

ベンチマーク結果は以下の通り。2026年5月に登場したgpt-realtime-whisperよりエラー率が低くなりました。

両モデルはノイズ耐性にも優れており、OpenAIは「楽器を鳴らしながら話してリアルタイム文字起こしする」という例を披露しています。