GPT Transcribeとは？
GPT Transcribe（gpt-transcribe）は、録音済みファイル、ストリーミングによるファイルの文字起こし、Realtime文字起こしセッションで確定したターンを対象とするOpenAIの音声認識モデルです。2026年7月28日に 公開されました。2026年8月26日、OpenAIは開発者に対し、whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe、gpt-4o-transcribe-diarizeが2027年2月26日に終了すると通知し、後継としてgpt-transcribeとストリーミング用のgpt-live-transcribeを挙げました。
自由形式のコンテキスト、想定されるキーワードのリスト、複数の言語ヒントを受け付け、録音済みファイルから部分的なテキストをストリーミングできます。ファイルは25 MBまでで、形式はmp3、mp4、mpeg、mpga、m4a、wav、webmです。
GPT Transcribeの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| gpt-transcribe | $0.0045 per minute ($4.50 per 1,000 minutes) | Batchには対応しません |
| gpt-live-transcribe | $0.017 per minute | ストリーミング |
音声1分あたり$0.0045（1,000分あたり$4.50）。Batchには対応しません。ストリーミング用のgpt-live-transcribeは1分あたり$0.017です。
GPT Transcribeは使う価値があるか？
GPT Transcribeは、置き換える対象のモデルより優れていますが、できることは狭くなっています。Artificial Analysisの計測ではAA-WERが3.3%で、GPT-4o Transcribeの4.0%を上回り、料金は$6.00ではなく1,000分あたり$4.50です。しかしOpenAIのガイドによれば、単語のタイムスタンプはwhisper-1でのみ、話者ラベルはgpt-4o-transcribe-diarizeでのみ機能し、どちらも2027年2月26日に終了します。
精度では中位です。ElevenLabs Scribe v2は1,000分あたり$3.67で2.2%、Gemini 3.5 Transcribeは$5.00で2.6%、MicrosoftのMAI-Transcribe-2は$1.67で2.0%を記録し、処理速度は実時間の307倍です。GPT Transcribeは55.8倍です。GroqでホストされるWhisper Large v3 Turboは1,000分あたり$0.67で4.6%です。精度は劣りますが、価格は7分の1です。
移行による請求額の変化は一様ではありません。whisper-1やgpt-4o-transcribeを使うチームは25%節約できます。しかしgpt-4o-mini-transcribeは1分あたり$0.003なので、そこから移ると請求額は5割増えます。キーワードリストは製品名や専門用語に役立ちますが、OpenAIは、キーワードはヒントであって出力に必ず含まれるものではないと注意しており、リストの形式が不正だとリクエスト全体が拒否されます。
データの扱いは確かな強みです。OpenAIは/v1/audio/transcriptionsを、不正利用監視のための保存がなく、Zero Data Retentionの対象としています。APIの音声は既定で学習に使われず、文字起こしは米国と欧州のデータレジデンシーに対応します。診療所や法律事務所にとっては、単語誤り率の1ポイントより価値があります。
真価を発揮する場面
メモアプリでwhisper-1の連携を保守するバックエンドエンジニア
2027年2月の終了前に移行する
モデル名を変え、単一のlanguageフィールドをlanguagesリストに置き換えます。コストは1分あたり$0.006から$0.0045に下がりますが、単語のタイムスタンプを返すのはwhisper-1だけなので、timestamp_granularitiesに依存する機能は動かなくなります。
顧客との通話を文字起こしする50人規模の法律事務所のコンプライアンス責任者
ベンダーのサーバーに音声を残さずに文字起こしを得る
ファイル文字起こしのエンドポイントは不正利用監視のログを保存せず、Zero Data Retentionの対象で、APIデータは既定で学習に使われません。月2万分なら請求額は$90です。話者の特定には、引き続き人手か別のツールが必要です。
200席のコンタクトセンターの運用マネージャー
品質評価のために月50万分の通話を文字起こしする
この量ではGPT Transcribeは月$2,250です。Artificial Analysisの掲載価格では、MAI-Transcribe-2は約$835、Scribe v2は$1,835です。品質評価の多くに必要な、オペレーターと顧客の発話の区別はできません。
導入前に確認すること
- 導入
- modelをgpt-transcribeにして/v1/audio/transcriptionsへPOSTを1回送ります。25 MBを超えるファイルは圧縮するか分割する必要があり、できれば文の区切りで分割して、プロンプトでコンテキストを引き継ぎます。
- 連携
- ファイル文字起こしとRealtime文字起こしセッションのみ。Chat Completions、Responses、Batch、translationsエンドポイントでは使えません。出力はテキストと検出された言語を含むJSONです。
- データとプライバシー
- APIの音声は、オプトインしない限り学習に使われません。/v1/audio/transcriptionsエンドポイントには不正利用監視のための保存がなく、Zero Data Retentionの対象です。文字起こしセッションは米国と欧州のデータレジデンシーに対応します。
- 大規模利用時のコスト
- 月10万分で$450で、ボリューム割引やBatch割引はありません。同じ量のライブ音声をgpt-live-transcribeで処理すると$1,700です。
- 制限
- 1ファイル25 MBまで。リクエストはBuildティアで毎分5,000、Launchで10,000、Growで30,000です。単語のタイムスタンプも話者ラベルもありません。不正なキーワードや長すぎるプロンプトはリクエスト全体の拒否につながります。
良い点
- AA-WERは3.3%で、GPT-4o Transcribeより優れ、価格は25%安くなります
- 文字起こしエンドポイントには不正利用監視のための保存がなく、ZDRの対象です
- キーワード、コンテキスト、複数言語のヒントに対応します
- Realtime文字起こしセッションで使えます
気になる点
- 単語のタイムスタンプも話者ラベルもありません
- Scribe v2、Gemini 3.5 Transcribe、MAI-Transcribe-2より精度が劣ります
- gpt-4o-mini-transcribeより50%高くなります
- ファイルは25 MBまでで、Batch割引はありません
おすすめの人
2027年2月までにWhisperやGPT-4o Transcribeから移行しなければならず、話者ラベルやタイムスタンプを必要としないOpenAI APIのユーザー。
GPT Transcribeの代替
GPT Transcribe：よくある質問
- GPT Transcribeは使う価値があるか？
- OpenAIを使う組織にとって妥当なアップグレードです。ただし、その前提となる旧モデルの廃止で話者ラベルとタイムスタンプが失われ、このモデルはそれを取り戻しません。 評価は5点満点中3.9点です。
- GPT Transcribeの料金は？
- 音声1分あたり$0.0045（1,000分あたり$4.50）。Batchには対応しません。ストリーミング用のgpt-live-transcribeは1分あたり$0.017です。
- GPT Transcribeの欠点は？
- 単語のタイムスタンプも話者ラベルもありません; Scribe v2、Gemini 3.5 Transcribe、MAI-Transcribe-2より精度が劣ります; gpt-4o-mini-transcribeより50%高くなります; ファイルは25 MBまでで、Batch割引はありません.
- GPT Transcribeは誰に向いているか？
- 2027年2月までにWhisperやGPT-4o Transcribeから移行しなければならず、話者ラベルやタイムスタンプを必要としないOpenAI APIのユーザー。
- チームや本番環境でGPT Transcribeを使うと費用はいくらか？
- 月10万分で$450で、ボリューム割引やBatch割引はありません。同じ量のライブ音声をgpt-live-transcribeで処理すると$1,700です。
- GPT Transcribeは企業データを扱っても安全か？
- APIの音声は、オプトインしない限り学習に使われません。/v1/audio/transcriptionsエンドポイントには不正利用監視のための保存がなく、Zero Data Retentionの対象です。文字起こしセッションは米国と欧州のデータレジデンシーに対応します。
- GPT Transcribeの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はElevenLabs Scribe v2, Gemini 3.5 Transcribe 、 Deepgram Nova-3です。
回答確認日：2026年10月26日