Chirp 3 vs GPT-4o Transcribe Diarize

vs

Welches Modell wofür

Beide Modelle führen Transkriptionen mit Sprecherdiarisierung durch, rechnen aber in unterschiedlichen Einheiten ab - chirp-3 mit $0.016 pro Audiominute im Vergleich zu gpt-4o-transcribe-diarize mit $6.25 pro Million Audio-Input-Token plus $2.5 pro Million Text-Input- und Output-Token - , sodass keine einzelne Umrechnung zwischen ihnen aussagekräftig ist. Wählen Sie chirp-3 für lange oder Live-Aufgaben: BatchRecognize reicht von 1 Minute bis 1 Stunde, StreamingRecognize verarbeitet Echtzeit und deckt 29 GA- sowie 82 Preview-Locales ab, obwohl Timestamps auf Wortebene nicht unterstützt werden. Wählen Sie gpt-4o-transcribe-diarize für kürzere Dateien unter 25MB, bei denen Sie diarized_json mit Sprecher-Labels und Segment-Timestamps wünschen, innerhalb seines 16000-token Kontexts und des 2000-token Output-Limits.

Preise

Chirp 3 GPT-4o Transcribe Diarize Δ
Pro Audiominute $0.016 - -
Audio-Eingabe / 1M Tokens - $6.25 -
Text-Ausgabe / 1M Tokens - $2.5 -

Die beiden Modelle werden in unterschiedlichen Einheiten abgerechnet, deshalb zeigen wir kein Δ: Für eine Umrechnung müssten wir etwas annehmen, das wir nicht gemessen haben. Oben steht jeder Preis in seiner eigenen Einheit.

Fähigkeiten

Chirp 3 GPT-4o Transcribe Diarize
Sprecherdiarisierung ja ja
Streaming ja ja
Zeitstempel ja ja

Spezifikationen

Chirp 3 GPT-4o Transcribe Diarize
Eingabemodalitäten Audio Text Audio
Ausgabemodalitäten Text Text
Veröffentlicht 2025-10-13 2025-10
Knowledge-Cutoff - 2024-06
Limits

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

mp3/mp4/mpeg/mpga/m4a/wav/webm, bis 25MB

eingebaute Sprecher-Diarisierung mit diarized_json-Output (Sprecherlabels und Segment-Zeitstempel)

chunking_strategy ist für Audio >30s erforderlich

keine Prompt-Unterstützung

Sprachen

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

die Diarisierung deckt 14 davon ab

57 Sprachen für den Transkriptions-Endpoint gelistet (eine gemeinsame Liste für alle Transkriptionsmodelle)

ISO-639-1- / 639-3-Codes werden für GPT-4o-basierte Modelle akzeptiert

Maximale Ausgabe - 2.000

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 3 · GPT-4o Transcribe Diarize

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-3",
    # model="gpt-4o-transcribe-diarize",  # 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 3 oder GPT-4o Transcribe Diarize?

Die beiden werden in unterschiedlichen Einheiten abgerechnet, eine einzelne belastbare Zahl gibt es deshalb nicht: Chirp 3 und GPT-4o Transcribe Diarize stehen in der Tabelle oben jeweils in ihrer eigenen Einheit. Vergleichen Sie sie mit Ihrem eigenen Workload. Welche Abwägung dahintersteckt, beschreibt das Fazit oben auf dieser Seite.

Kann ich Chirp 3 gegen GPT-4o Transcribe Diarize 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 3 und GPT-4o Transcribe Diarize 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