ニュース

OpenAI、文字起こしモデル「GPT-Live-Transcribe」「GPT-Transcribe」を発表

人間のような対話が可能な「GPT-Live」をトランスクリプションに特化

2026年7月29日 16:20

OpenAI、2つの新しい文字起こしモデルをAPIで提供

　米OpenAIは7月28日（現地時間）、新しい文字起こし（トランスクリプション）モデルを発表した。先日発表された「GPT-Live」の系譜を引く文字起こし特化モデルで、以下の2つのAIモデルがAPIで提供される。

  • GPT-Live-Transcribe：低遅延のライブ文字起こし向け。反応の速さをなによりも重視するアプリケーション向けのストリーミング音声認識モデルで、遅延の調整が可能
  • GPT-Transcribe：録音済みの音声ファイルをあとから正確に文字起こししたい場合（非同期処理）や、まとめて文字起こししたい場合（バッチ処理）向け。Realtimeセッションで確定した発話の最終文字起こしにも対応

　両モデルとも文脈をよりよく理解し、言語や訛りにかかわらず、正確なトランスクリプションが行えるのが特徴。短いフレーズや数字、専門用語にも強く、騒音まみれの環境でも文字起こしできる。

先行モデルよりも低いエラー率。「GPT-Transcribe」の正確さが際立つ

　ビルダー側で録音に関する自由形式の説明（プロンプト）、音声中に登場しうる製品名・薬剤名・略語といった固有の用語（キーワードヒント）、想定される入力言語などをあらかじめ与えておけば、より高い精度が期待できる。

　価格は音声1分あたり、「GPT-Live-Transcribe」が0.017米ドル、「GPT-Transcribe」が0.0045米ドル。

Amazonで購入