Microsoft AI: MAI-Transcribe 2 対 Mistral: Voxtral Mini Transcribe 3
api14カタログの最新のUSD料金と機能をもとに、Microsoft AI: MAI-Transcribe 2（$21.00 / 分 (≈ ￥3,315)）とMistral: Voxtral Mini Transcribe 3（$0.01 / 分 (≈ ￥2)）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
| Microsoft AI: MAI-Transcribe 2 | Mistral: Voxtral Mini Transcribe 3 | |
|---|---|---|
| プロバイダー | Microsoft | Mistral |
| 音声 | $21.00 / 分 (≈ ￥3,315) | $0.01 / 分 (≈ ￥2) |
| コンテキストウィンドウ | - | 65,536 |
| 最大出力 | - | 52,428 |
| 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 | 2026/09/03 | 2026/10/20 |
主な違い
- Mistral: Voxtral Mini Transcribe 3は入力トークンが100%安くなっています。
詳しく見る
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。Mistral: Voxtral Mini Transcribe 3 は Mistral の文字起こしモデルで、モデル ID mistralai/voxtral-mini-transcribe-3-0 で掲載されています。どちらも同じカテゴリに属するため、文字起こしモデルと汎用チャットモデルの比較ではなく、2 つの音声認識オプションの間での選択になります。Microsoft は 2026-09-03 にモデルをリリースし、Mistral は 2026-10-20 にモデルをリリースしました。
機能面では、両者は形として近いです。どちらも音声を入力として受け取り、文字起こしを出力として返し、対応パラメータはどちらも記載されていないため、ツール呼び出し、構造化出力の制御、推論オプションはどちらにもありません。文書化された最も明確な違いはコンテキスト長です。Voxtral Mini Transcribe 3 は 65536 トークンのコンテキストウィンドウを記載していますが、MAI-Transcribe 2 はコンテキスト長をまったく記載していません。どちらにもベンチマークや品質スコアが示されていないため、これは実際に一方がより長い音声を扱えるという主張ではなく、文書化されている内容の実際の違いとして扱ってください。もう 1 つの明示された違いは価格です。Voxtral Mini Transcribe 3 は入力において安価なモデルです。出力価格は異なるとは示されていないため、それだけをもって一方がエンドツーエンドで安く運用できると仮定しないでください。
両者を選ぶ際は、実際に確認できる実用的な制約から始めてください。公開されたコンテキストウィンドウとより低い入力価格を持つモデルを求めるなら、Voxtral Mini Transcribe 3 が素直な既定の選択肢です。特に、入力音声が利用の大部分を占める大量の文字起こしではそうです。すでにスタックの他の部分で Microsoft モデルに標準化している場合、または MAI-Transcribe 2 を他の Microsoft 製品と並べて評価したい場合、記載された事実の中にそれを除外するものはありません。単にコンテキストとコストに関する公開情報が少ないだけです。どちらのモデルも調整可能なパラメータを公開していないため、統合作業の中心はプロンプトエンジニアリングやツール設定ではなく、音声の処理、チャンク分割、返された文字起こしの保存方法になります。
API が OpenAI 互換であるため、api14 経由でどちらのモデルを呼び出す場合も方法は同じです。api14 キーを使って音声を文字起こしエンドポイントに送信し、2 つの間で変わるのはモデル ID の文字列だけです。Microsoft モデルを使いたい場合は microsoft/mai-transcribe-2 を使用し、Mistral モデルを使いたい場合は mistralai/voxtral-mini-transcribe-3-0 を使用します。リクエストの形式、認証、レスポンスの処理は同一のままなので、1 つのフィールドを編集するだけで切り替えられます。また、自分の音声で結果を比較したい場合は実行時に両者の間でルーティングすることもできます。
あまり明白でない選択が依然として理にかなうケースが 1 つあります。チームに既存の Microsoft ツール、請求、コンプライアンスの取り決めがある場合、Voxtral Mini Transcribe 3 の方が入力で安価であっても、MAI-Transcribe 2 の方が適している可能性があります。周辺の統合コストが呼び出しごとの差を上回ることがあるためです。ここでの定性的な記述はどちらが安いかを示すだけで、どれだけ安いかは示さないため、コミットする前にこのページの最新の価格表で現在の料金を確認してください。
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"microsoft/mai-transcribe-2"から"mistralai/voxtral-mini-transcribe-3-0"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。
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: "mistralai/voxtral-mini-transcribe-3-0",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
その他の比較
- AssemblyAI: Universal-3.6 Pro 対 Mistral: Voxtral Mini Transcribe 3
- AssemblyAI: Universal-3.6 Pro 対 Mistral: Voxtral Small Transcribe 3
- AssemblyAI: Universal-3.6 Pro 対 Moondream: Parakeet Ultra
- AssemblyAI: Universal-3.6 Pro 対 NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Mini Transcribe 3 対 Mistral: Voxtral Small Transcribe 3
- Mistral: Voxtral Mini Transcribe 3 対 Moondream: Parakeet Ultra
- Mistral: Voxtral Mini Transcribe 3 対 NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Small Transcribe 3 対 Moondream: Parakeet Ultra