Mistral: Voxtral Small 24B 2507 STT 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 Small 24B 2507 STT（$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 Small 24B 2507 STT | 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 | - | - |
| 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 | 2026/08/13 | 2026/08/05 |
主な違い
- Mistral: Voxtral Small 24B 2507 STTは入力トークンが33%安くなっています。
詳しく見る
Mistral: Voxtral Small 24B 2507 STT は Mistral の文字起こしモデルです。OpenAI: GPT Transcribe は OpenAI の文字起こしモデルです。どちらも文字起こしカテゴリに属し、どちらも 2026 年 8 月にリリースされ、GPT Transcribe が先に登場し、Voxtral Small が約 1 週間後に続きました。どちらの名前も汎用チャットモデルを示唆していないため、会話を任せられるアシスタントではなく、専用の音声テキスト変換エンドポイントとして扱うべきです。
この 2 つのモデルは、技術的な表面ではほぼ完全に一致しています。どちらも入力モダリティとして音声のみを受け付け、出力モダリティとして文字起こしのみを返します。どちらもコンテキスト長を記載していないため、文書化されたトークンウィンドウで両者を区別することはできません。どちらもサポートされるパラメータを記載していないため、どちらも API を通じてサンプリング、temperature などの調整を行うことはできません。ツール使用、構造化出力、推論について記録された違いはないため、これらの領域で一方が他方にできないことができることを示唆するものは何もありません。具体的な違いの 1 つは入力側のコストです。Voxtral Small は 2 つのうち入力が安い方です。出力価格は区別されていないため、その側はほぼ同じと考えてください。
ほとんどの文字起こし作業では、両モデルは書面上は互換性があるため、決定要因は通常、価格とプロバイダーの好みです。大量の音声を文字起こしし、入力コストが請求額の大部分を占める場合は、Voxtral Small が入力の安い選択肢であるため自然なデフォルトです。チームがすでに OpenAI モデルに標準化している場合、または呼び出す他の OpenAI エンドポイントとの一貫性を求める場合は、GPT Transcribe がそのスタックを統一しますし、それを誤った選択にするような記載された能力差はありません。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、出力をより細かく制御できることを期待して一方を選ぶべきではありません。どちらを呼び出す場合でも、フォーマット、句読点のクリーンアップ、下流の構造化は自分のコードで処理する計画を立ててください。
どちらのモデルも api14 を通じて呼び出す方法は同じです。OpenAI 互換スキーマを使用して、文字起こし形式のリクエストに音声入力を送信し、2 つの間で変わるのはモデル id だけです。Mistral のモデルにルーティングするには "mistralai/voxtral-small-24b-2507-stt" を渡し、OpenAI のモデルにルーティングするには "openai/gpt-transcribe" を渡します。リクエストボディ、ヘッダー、認証はそのままなので、プロバイダーの切り替えは 1 行の変更であり、統合コードを書き直すことなく自分の音声で結果を比較できます。
コミットする前の注意点が 1 つあります。安い入力側が唯一記録された差別化要因であり、それは定性的です。ワークロードが小さい場合、またはコスト重視ではなくレイテンシ重視の場合は、価格差は重要でない可能性があり、どちらのモデルも妥当な選択です。現在の数値についてはこのページのライブ価格表を確認し、実際の音声のサンプルで両方をテストし、許容できる文字起こしを支払ってもよいコストで提供する方に標準化してください。
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"mistralai/voxtral-small-24b-2507-stt"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