OpenAI、録音・リアルタイム文字起こし音声モデル「GPT-Live-Transcribe」

Impress 2026-07-29 03:33 元記事

予習

この記事のキーワード — タップで意味

×24

音声

おんせい

1. voice; speech; sound of a voice 2. sound (e.g. of a TV)

×10

言語

げんご

language

×8

録音

ろくおん

(audio) recording

×6

発話

はつわ

utterance; speech

×6

話者

わしゃ

1. speaker; narrator 2. speaker (of a language)

OpenAIは、API向けの音声文字起こしモデル「GPT-Live-Transcribe」と「GPT-Transcribe」を提供開始した。GPT-Live-Transcribeは、会話中の音声をリアルタイムで文字にする用途に対応し、料金は音声1分あたり0.017ドル。GPT-Transcribeは、録音済みの音声ファイルや複数ファイルの一括処理に適する。両モデルには、録音の内容や場面、固有名詞、専門用語、想定する言語などを事前に伝えられる。これらの情報を手がかりに、アクセントのある発話や複数言語の会話、短い言葉、数字、専門用語などの文字起こし精度を高められる。 GPT-Live-Transcribeは、音声が届くたびに文字起こしの途中結果を順次返す。結果を表示する速さは5段階から選べ、速さを優先するか、より多くの音声を確認してから結果を返すかを調整できる。単語ごとの発話時刻や、話者識別には対応しない。 GPT-Transcribeは最大25MBの音声ファイルに対応。mp3、mp4、mpeg、mpga、m4a、wav、webm形式を利用できる。処理完了後に全文を受け取れるほか、処理中の文字を順次表示することも可能。音声から判別した言語も返す。話者を記録する場合は「gpt-4o-transcribe-diarize」を使用する。最大4人分の短い音声サンプルを登録すると、各発言を登録済みの話者に対応付けられる。単語ごとの発話時刻やsrt、vtt形式の字幕、録音済み音声の英語翻訳には「whisper-1」を利用する。録音に関する情報を事前に与えた評価では、GPT-Live-Transcribeが音声の内容を正しく捉えた割合は38.5%から44.6%に向上。GPT-Transcribeも41.6%から45.2%に高まった。 Common Voiceの22言語における文字起こしの誤り率は、GPT-Live-Transcribeが19.70%、GPT-Transcribeが19.27%。実際の利用環境に近い音声を使った9言語の評価では、それぞれ9.60%と8.98%だった。 We're introducing two new transcription models in the API: • GPT-Live-Transcribe: built for low-latency live transcription. • GPT-Transcribe: optimized for asynchronous transcription of completed audio files and batch workloads. Both models better understand context and… pic.twitter.com/T4rQpKaGmk — OpenAI Developers (@OpenAIDevs) July 28, 2026

OpenAIは、API向けの音声文字起こしモデル「GPT-Live-Transcribe」と「GPT-Transcribe」を提供開始した。GPT-Live-Transcribeは、会話中の音声をリアルタイムで文字にする用途に対応し、料金は音声1分あたり0.017ドル。GPT-Transcribeは、録音済みの音声ファイルや複数ファイルの一括処理に適する。両モデルには、録音の内容や場面、固有名詞、専門用語、想定する言語などを事前に伝えられる。これらの情報を手がかりに、アクセントのある発話や複数言語の会話、短い言葉、数字、専門用語などの文字起こし精度を高められる。 GPT-Live-Transcribeは、音声が届くたびに文字起こしの途中結果を順次返す。結果を表示する速さは5段階から選べ、速さを優先するか、より多くの音声を確認してから結果を返すかを調整できる。単語ごとの発話時刻や、話者識別には対応しない。 GPT-Transcribeは最大25MBの音声ファイルに対応。mp3、mp4、mpeg、mpga、m4a、wav、webm形式を利用できる。処理完了後に全文を受け取れるほか、処理中の文字を順次表示することも可能。音声から判別した言語も返す。話者を記録する場合は「gpt-4o-transcribe-diarize」を使用する。最大4人分の短い音声サンプルを登録すると、各発言を登録済みの話者に対応付けられる。単語ごとの発話時刻やsrt、vtt形式の字幕、録音済み音声の英語翻訳には「whisper-1」を利用する。録音に関する情報を事前に与えた評価では、GPT-Live-Transcribeが音声の内容を正しく捉えた割合は38.5%から44.6%に向上。GPT-Transcribeも41.6%から45.2%に高まった。 Common Voiceの22言語における文字起こしの誤り率は、GPT-Live-Transcribeが19.70%、GPT-Transcribeが19.27%。実際の利用環境に近い音声を使った9言語の評価では、それぞれ9.60%と8.98%だった。 We're introducing two new transcription models in the API: • GPT-Live-Transcribe: built for low-latency live transcription. • GPT-Transcribe: optimized for asynchronous transcription of completed audio files and batch workloads. Both models better understand context and… pic.twitter.com/T4rQpKaGmk — OpenAI Developers (@OpenAIDevs) July 28, 2026

この記事の単語 (67)

×24

音声

おんせい

1. voice; speech; sound of a voice 2. sound (e.g. of a TV)

×10

言語

げんご

language

×8

文字

もじ

1. letter (of alphabet); character 2. writing

×8

対応

たいおう

1. correspondence (to); equivalence 2. suitability; coordination; matching; being appropriate (for)

×8

録音

ろくおん

(audio) recording

×6

発話

はつわ

utterance; speech

×6

結果

けっか

1. result; consequence; outcome; effect 2. coming to fruition; bearing fruit

×6

話者

わしゃ

1. speaker; narrator 2. speaker (of a language)

×4

起こす

おこす

1. to raise; to raise up; to set up; to pick up 2. to wake; to wake up; to waken; to awaken

×4

複数

ふくすう

plural; multiple; several

×4

内容

ないよう

contents; content; substance; matter; detail; import

×4

専門用語

せんもんようご

technical term

×4

事前

じぜん

prior; beforehand; in advance; before the fact; ex ante

×4

情報

じょうほう

1. information; news; intelligence; advices 2. information; data contained in characters, signals, code, etc.

×4

文字起こし

もじおこし

tape transcription; transcribing from recorded tape; audio-typing

×4

順次

じゅんじ

in order; sequential; seriatim

×4

表示

ひょうじ

1. indication; expression; showing; manifestation; demonstration 2. display; displaying

×4

速さ

はやさ

1. speed; velocity; quickness; rapidity 2. earliness

×4

単語

たんご

word; vocabulary; (usually) single-character word

×4

時刻

じこく

1. time; (the) hour 2. favourable time; opportunity; chance

×4

最大

さいだい

biggest; greatest; largest; maximum

×4

形式

けいしき

1. form (as opposed to substance); formality 2. method; system; style

×4

登録

とうろく

registration; accession; register; entry; record

×4

評価

ひょうか

1. valuation; appraisal; evaluation; assessment; estimation; rating; judging 2. appreciation; recognition; acknowledgement; rating highly; praising

×2

提供

ていきょう

1. offer; tender; providing; supplying; making available; donating (blood, organs, etc.) 2. sponsoring (a TV program)

×2

開始

かいし

start; commencement; beginning; initiation

×2

用途

ようと

use; service; purpose

×2

料金

りょうきん

fee; charge; fare

×2

一括処理

いっかつしょり

batch processing

×2

適する

てきする

to fit; to suit

×2

両

りょう

1. both (hands, parents, sides, etc.) 2. counter for carriages (e.g. in a train); counter for vehicles

×2

場面

ばめん

1. scene; setting; place (where something happens); scenario; case 2. scene (in a movie, play); shot

×2

固有名詞

こゆうめいし

proper noun

×2

想定

そうてい

hypothesis; supposition; assumption

×2

伝える

つたえる

to convey; to report; to transmit; to communicate; to tell; to impart; to propagate; to teach; to bequeath

×2

手掛かり

てがかり

1. clue; lead; key; trail; scent; track 2. handhold; hold

×2

数字

すうじ

numeral; figure; digit; numeric character

×2

精度

せいど

precision; accuracy

×2

高める

たかめる

to raise; to lift; to boost; to enhance

×2

届く

とどく

1. to reach; to touch; to get to; to carry (of sound) 2. to be delivered; to arrive

×2

度

たび

time (three times, each time, etc.); times

×2

段階

だんかい

grade; level; stage; class; phase; steps; order; gradation

×2

選ぶ

えらぶ

to choose; to select

×2

優先

ゆうせん

preference; priority; precedence

×2

確認

かくにん

confirmation; verification; validation; review; check; affirmation; identification

×2

調整

ちょうせい

adjustment; regulation; coordination; reconciliation; tuning; fixing; tailoring

×2

識別

しきべつ

discrimination; discernment; identification

×2

処理

しょり

processing; dealing with; treatment; disposition; disposal

×2

完了

かんりょう

1. completion; conclusion 2. perfect (tense, form, aspect)

×2

全文

ぜんぶん

whole passage; full text; whole sentence; full paragraph

×2

受け取る

うけとる

1. to receive; to get; to accept 2. to take; to interpret; to understand

×2

可能

かのう

possible; potential; practicable; feasible

×2

判別

はんべつ

distinction; discrimination; distinguishing; discernment

×2

記録

きろく

1. record; minutes; document 2. record (e.g. in sports); results; score

×2

使用

しよう

use; application; employment; utilization; utilisation

×2

各

かく

each; every; all

×2

発言

はつげん

statement; remark; observation; utterance; speech; proposal

×2

字幕

じまく

subtitles; captioning

×2

関する

かんする

to concern; to be related

×2

与える

あたえる

1. to give (esp. to someone of lower status); to bestow; to grant; to confer; to present; to award 2. to provide; to afford; to offer; to supply

×2

正しい

ただしい

1. right; correct 2. proper; righteous; just; honest; truthful; lawful

×2

捉える

とらえる

1. to catch; to capture; to seize; to arrest; to grab; to catch hold of 2. to grasp (e.g. meaning); to perceive; to capture (e.g. features)

×2

向上

こうじょう

elevation; rise; improvement; advancement; progress

×2

高まる

たかまる

to rise; to swell; to be promoted

×2

誤り率

あやまりりつ

error rate

×2

実際

じっさい

1. reality; actuality; truth; fact; actual conditions 2. practice (as opposed to theory)

×2

環境

かんきょう

environment; circumstance