Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。

初めてですか？使い方をご紹介しますプレイグラウンド、モデル、APIキーを1分でご案内します。

Chirp 3 vs MAI-Transcribe 2：API料金・コンテキスト・機能を比較 · api14

Google: Chirp 3 対 Microsoft AI: MAI-Transcribe 2

api14カタログの最新のUSD料金と機能をもとに、Google: Chirp 3（$0.06 / 分 (≈ ￥9)）とMicrosoft AI: MAI-Transcribe 2（$21.00 / 分 (≈ ￥3,315)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。

仕様

	Google: Chirp 3	Microsoft AI: MAI-Transcribe 2
プロバイダー	Google	Microsoft
音声	$0.06 / 分 (≈ ￥9)	$21.00 / 分 (≈ ￥3,315)
コンテキストウィンドウ	-	-
最大出力	-	-
入力	audio	audio
出力	transcription	transcription
ツール呼び出し
構造化出力
推論の調整
追加日	2026/05/05	2026/09/03

主な違い

Google: Chirp 3は入力トークンが100%安くなっています。

詳しく見る

Google: Chirp 3 は Google の文字起こしモデルで、api14 にモデル ID google/chirp-3 で掲載されています。Microsoft AI: MAI-Transcribe 2 は Microsoft の文字起こしモデルで、モデル ID microsoft/mai-transcribe-2 で掲載されています。どちらも文字起こしカテゴリに属するため、汎用チャットモデルでも推論モデルでもありません。音声を入力として受け取り、文字起こしを出力として返すために存在します。この 2 つのプロバイダーはクラウド音声サービスにおける直接の競合であり、api14 は単一の API サーフェス上で両方へのアクセスを再販しています。

入手できる事実に基づくと、この 2 つのモデルは形状が非常に似ています。どちらも唯一の入力モダリティとして音声を受け取り、どちらも唯一の出力モダリティとして文字起こしを生成します。どちらもコンテキスト長をトークン数で記載していないため、扱える音声またはテキストのコンテキスト量に文書化された違いはありません。どちらも対応パラメータを記載していないため、この掲載を通じて temperature や prompt 制御などの調整ノブが公開されると期待すべきではありません。どちらのモデルにもツール呼び出し、構造化出力モード、推論モードは記録されていないため、これらの軸で両者を区別することはできません。与えられている唯一の定性的な違いは入力の価格です。Chirp 3 が入力において安い側です。出力の価格は引き分けとして記録されており、つまりこの側では両者はほぼ同じ価格です。したがって、実用的なコスト差があるとすれば入力から生じ、それは Google に有利です。

両者を選ぶ際の判断は、能力セットが一致しているため狭いものになります。ワークロードが入力重視の場合、つまり長い音声ファイルや大量の音声を文字起こしのために送信する場合、Chirp 3 は入力側で安い選択肢であり、妥当なデフォルトです。ワークロードが出力量に支配されている場合、両者はほぼ同じ価格なので、コストはタイブレーカーではなくなり、他の根拠で選べます。たとえば、どちらのプロバイダーの文字起こし品質を自分の音声ですでに検証済みか、あるいは自分の組織がどちらのベンダーとすでに関係を持っているか、といった根拠です。どちらのモデルもツール、構造化出力、推論を公開していないため、どちらでもこれらの機能を前提に計画しないでください。両方とも純粋な音声からテキストへのエンドポイントとして扱い、文字起こしが返ってきた後に下流の解析、整形、抽出を自分のコードで行ってください。

どちらのモデルも api14 を通じて呼び出す方法は同じです。API が OpenAI 互換だからです。音声を api14 キーとともに文字起こしエンドポイントへ送信し、2 つのプロバイダー間で変わる唯一のものはモデル ID 文字列です。Google のモデルにルーティングするには google/chirp-3 を、Microsoft のモデルにルーティングするには microsoft/mai-transcribe-2 を使用します。リクエストの形状、認証ヘッダー、レスポンスの処理は同一のままなので、1 つのフィールドを変更するだけでプロバイダーを切り替えたり、同じ音声で両方を並行して実行し、コミットする前に結果を比較したりできます。これはまた、単一のクライアントライブラリと単一のリトライおよびログ記録コードを維持しながら、両方のベンダーにアクセスできることも意味します。

提供された事実の中に、MAI-Transcribe 2 が技術的な軸で明らかに優れた選択であるケースはありません。能力、コンテキスト、モダリティが異ならず、出力価格もほぼ同じだからです。正直な立場としては、Chirp 3 が入力価格で優位に立ち、Microsoft のモデルは、そのプロバイダーを好む場合、すでにその出力に合わせてパイプラインを調整済みの場合、または単一ベンダーへの依存を避けたい場合に妥当な代替となります。どちらも同じ api14 エンドポイントを通じて到達でき、変わるのはモデル ID だけなので、両方を設定に保持しておくコストはごくわずかです。

文字列1つで切り替え

どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"google/chirp-3"から"microsoft/mai-transcribe-2"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。

Google: Chirp 3の詳細とプレイグラウンド →Microsoft AI: MAI-Transcribe 2の詳細とプレイグラウンド →

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.audio.transcriptions.create({
  model: "microsoft/mai-transcribe-2",
  file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);

Google: Chirp 3 対 Microsoft AI: MAI-Transcribe 2

仕様

主な違い

詳しく見る

文字列1つで切り替え

その他の比較