Chirp 2 vs Chirp 3
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
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)
Fähigkeiten
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)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "chirp-2",
// model: "chirp-3", // diese Zeile einkommentieren, die darüberliegende auskommentieren
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="chirp-2" \
# -F model="chirp-3" \ # diese Zeile einkommentieren, die darüberliegende auskommentieren
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "chirp-2",
// Model: "chirp-3", // diese Zeile einkommentieren, die darüberliegende auskommentieren
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("chirp-2")
// .model("chirp-3") // diese Zeile einkommentieren, die darüberliegende auskommentieren
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());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.