Microsoft AI: MAI-Transcribe 2 対 OpenAI: Whisper 1
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 (≈ ￥3,326)）とOpenAI: Whisper 1（$0.02 / 分 (≈ ￥3)）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 | OpenAI: Whisper 1 | |
|---|---|---|
| プロバイダー | Microsoft | OpenAI |
| 音声 | $21.00 / 分 (≈ ￥3,326) | $0.02 / 分 (≈ ￥3) |
| 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 | 2026/09/03 | 2026/04/27 |
主な違い
- OpenAI: Whisper 1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 が作成した文字起こしモデルです。OpenAI: Whisper 1 は OpenAI が作成した文字起こしモデルです。どちらも同じ文字起こしカテゴリに属するため、文字起こしモデルと別の仕事をするものの間で選ぶのではなく、2 つの音声テキスト変換システムの間で選ぶことになります。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、どちらも汎用のチャットモデルや推論モデルではありません。
スペックを並べてみると、この 2 つのモデルは非常によく似ています。どちらも音声を受け取り、どちらも文字起こしを生成するため、入力と出力のモダリティは一致します。コンテキスト長はどちらにも記載されていないため、比較できる文書化された数値はなく、定性的な比較ではより大きなコンテキストはどちらかに有利とするのではなく不明とされています。ツール対応、構造化出力、推論についても同じです。これらはいずれもどちらか一方のモデル専用とは記載されていません。示されている明確な違いの 1 つは入力の価格で、音声を投入する側としては Whisper 1 の方が安価なモデルです。出力の価格は違いがあるとは示されていないため、そこでは両者は近いものとして扱ってください。対応パラメータはどちらも空であるため、考慮すべきパラメータレベルの違いはありません。
ほとんどの文字起こしタスクでは、選択は能力ではなくコストとプロバイダーの好みで決まります。大量の音声をモデルに通す場合、Whisper 1 の安価な入力価格が経済的なデフォルトになります。それ以外の点では、両者が受け取るものと返すものは一致しているからです。あなたのスタックがすでに Microsoft のモデルを中心に構築されている場合、または Microsoft の文字起こし出力を OpenAI のものと比較評価したい場合は、MAI-Transcribe 2 を呼び出すのが適切です。どちらのモデルもツール、構造化出力、推論をうたっていないため、音声をテキストに変える以上のことを期待してどちらかを選ばないでください。下流の解析、要約、分類は、文字起こしが返された後にあなた自身のコードで行う必要があります。
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。model id を "microsoft/mai-transcribe-2" または "openai/whisper-1" のいずれかに設定して音声を文字起こしエンドポイントに送信すれば、リクエストの残りの形は同一のままです。2 つの切り替えは model id の 1 行の変更であり、同じ音声を両方に通して文字起こしを比較し、本番用にどちらかを選ぶ前に確認するのが容易になります。
どちらかを選んだ後でも、もう一方のモデルを手元に残しておく合理的な理由があります。コストの理由で Whisper 1 に標準化したが、後で既存の Microsoft パイプラインに合わせる必要が出た場合、MAI-Transcribe 2 への切り替えはその model id の変更だけです。逆に、プロバイダーの整合性のために MAI-Transcribe 2 から始めた場合でも、Whisper 1 はボリュームが増えたときにフォールバックできる安価な入力オプションとして残ります。
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"microsoft/mai-transcribe-2"から"openai/whisper-1"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: "openai/whisper-1",
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