Chirp 2 vs Chirp 3

vs

Welches Modell wofür

Gleiche $0.016 pro Audiominute, also ist das neuere chirp-3 die Standardwahl: Es ergänzt Sprechertrennung in Recognize und BatchRecognize über 14 Sprachen und veröffentlicht 29 GA- plus 82 Vorschau-Locales, wo chirp-2 nicht trennt und StreamingRecognize auf 16 Locales begrenzt. Der Tausch betrifft Zeitstempel und Länge - chirp-2 bietet Zeitstempel auf Wortebene und Stapelaufträge von 1 Minute bis 8 Stunden, während chirp-3 Wort-Zeitstempel als nicht unterstützt führt und Stapel bei 1 Stunde deckelt. Nehmen Sie chirp-2, wenn Sie Wortzeiten oder sehr lange Dateien brauchen.

Preise

Chirp 2 Chirp 3 Δ
Pro Audiominute $0.016 $0.016 =

Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite.

Einordnung: Preis pro Audiominute aller 12 Speech-to-Text-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Chirp 2 · $0.016 Chirp 3 · $0.016

Fähigkeiten

Chirp 2 Chirp 3
Sprecherdiarisierung nein ja
Streaming ja ja
Zeitstempel ja ja

Spezifikationen

Chirp 2 Chirp 3
Eingabemodalitäten Audio Audio
Ausgabemodalitäten Text Text
Veröffentlicht - 2025-10-13
Limits

Automatisch erkannte Audiodekodierung

synchrones Recognize <1 Min., BatchRecognize 1 Min. bis 8 Std., StreamingRecognize für Echtzeit

optionale Zeitstempel auf Wortebene

sprachunabhängige Transkription (das Modell leitet die vorherrschende gesprochene Sprache ab und transkribiert in dieser)

keine eigenständige Sprachidentifikation

keine Sprecher-Diarisierung

Sprachübersetzung unterstützt

Automatisch erkannte Audiodekodierung

synchrones Recognize <1 Min., BatchRecognize 1 Min. - 1 Std. (<=20 Min. mit Wort-Zeitstempeln), StreamingRecognize für Echtzeit

Sprecher-Diarisierung in BatchRecognize und Recognize (14 Sprachen)

Zeitstempel auf Äußerungsebene (nur StreamingRecognize), Zeitstempel auf Wortebene als nicht unterstützt gelistet

sprachunabhängige Transkription

29 GA- und 82 Preview-Locales

Sprachen

Je nach Methode unterschiedlich: BatchRecognize bietet die umfassendste Abdeckung, und Recognize liegt „auf dem Niveau von Chirp“

StreamingRecognize ist auf 16 Locales beschränkt (Chinesisch vereinfacht/traditionell, Kantonesisch, Englisch AU/IN/GB/US, Französisch CA/FR, Deutsch, Italienisch, Japanisch, Koreanisch, Portugiesisch (Brasilien), Spanisch ES/US)

29 GA- und 82 Preview-Locales (111 insgesamt) über StreamingRecognize, Recognize und BatchRecognize hinweg

die Diarisierung deckt 14 davon ab

Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: Chirp 2 · Chirp 3

Eine Zeile genügt für den Wechsel

Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="chirp-2",
    # model="chirp-3",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: Chirp 2 oder Chirp 3?

Beide berechnen $0.016 für „Pro Audiominute“. Andere Tarife und die tatsächliche Nutzung können die Gesamtkosten verändern.

Kann ich Chirp 2 gegen Chirp 3 A/B-testen, ohne zweimal zu integrieren?

Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.

Unterstützen Chirp 2 und Chirp 3 Sprecherdiarisierung?

Das beantwortet die Tabelle der Fähigkeiten oben für jedes Modell einzeln, direkt aus der Dokumentation des jeweiligen Anbieters. Diarisierung, Streaming und Zeitstempel stehen dort getrennt, weil sich die Modelle in allen drei Punkten unterscheiden.

Verwandte Vergleiche

Aus unseren Studien mit eigenen Messungen