Mistral: Voxtral Mini Transcribe 3 対 OpenAI: GPT Transcribe
api14カタログの最新のUSD料金と機能をもとに、Mistral: Voxtral Mini Transcribe 3（$0.01 / 分 (≈ ￥2)）とOpenAI: GPT Transcribe（$0.02 / 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
| Mistral: Voxtral Mini Transcribe 3 | OpenAI: GPT Transcribe | |
|---|---|---|
| プロバイダー | Mistral | OpenAI |
| 音声 | $0.01 / 分 (≈ ￥2) | $0.02 / 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 | 2026/10/20 | 2026/08/05 |
主な違い
- Mistral: Voxtral Mini Transcribe 3は入力トークンが22%安くなっています。
詳しく見る
Mistral: Voxtral Mini Transcribe 3 は Mistral の文字起こしモデルであり、OpenAI: GPT Transcribe は OpenAI の文字起こしモデルです。どちらも同じカテゴリに属するため、たまたま音声を受け付ける汎用チャットモデルや推論モデルではありません。音声をテキストに変換する作業を行うときにどちらかを呼び出し、その選択は広範な機能差ではなく、プロバイダー、コンテキスト、価格によって決まります。
機能面では両者は近接しています。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、どちらも対応パラメータを公開していないため、比較すべきサンプリングやチューニングの余地はありません。データ上の具体的な違いの 1 つはコンテキストです。Voxtral Mini Transcribe 3 はコンテキスト長 65536 トークンと記載されていますが、GPT Transcribe にはコンテキスト長の記載がありません。これは Voxtral が実際により長い音声を扱えることを証明するものではなく、そのウィンドウが文書化されており、もう一方はそうではないというだけです。定性的な比較では、入力価格は Mistral 側がより安いとされ、出力価格はほぼ同じか不明であり、ツール、構造化出力、推論を独自に提供するモデルとしてフラグが立てられているものはありません。同じタスクの 2 つの実装として扱ってください。
両者を選ぶ際は、請求の入力側から始めてください。大量の音声を文字起こしし、入力トークンあたりのコストが重要なら、Voxtral Mini Transcribe 3 はより安い入力オプションであり、その優位性は量が増えるほど大きくなります。スタック全体ですでに OpenAI に標準化している場合、または運用上の理由で文字起こしを他の OpenAI 呼び出しの近くに置きたい場合、GPT Transcribe は妥当なデフォルトであり、小規模では入力の価格差は決定的ではないかもしれません。非常に長い録音があり、計画のために文書化されたトークン予算が欲しい場合、Mistral モデルに記載された 65536 トークンのコンテキストはサイジングの具体的な基準を与えますが、OpenAI モデルには計画に使えるものが何もありません。
どちらを api14 経由で呼び出しても同じように動作します。API は OpenAI 互換だからです。同じリクエスト形状で音声を文字起こしエンドポイントに送信し、変わるのはモデル id だけです。Mistral モデルにルーティングするには "mistralai/voxtral-mini-transcribe-3-0" を、OpenAI モデルにルーティングするには "openai/gpt-transcribe" を使用します。クライアントコード、認証、レスポンス処理はそのままなので、プロバイダーの切り替えは 1 行の変更であり、コミットする前に自分の音声で実際の出力を比較できます。
与えられた事実の中に、機能だけを根拠に一方のモデルが明らかに優れていると言えるケースはありません。どちらも同じ入力と出力のモダリティをカバーし、どちらもツール、構造化出力、推論を追加しないからです。正直な立場としては、OpenAI プロバイダーを好む場合や入力価格が問題にならない場合には GPT Transcribe は引き続き良い選択であり、より安い入力価格や文書化されたコンテキストウィンドウが重要なら Voxtral Mini Transcribe 3 がより良い選択です。
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"mistralai/voxtral-mini-transcribe-3-0"から"openai/gpt-transcribe"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/gpt-transcribe",
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