Chirp 3 vs GPT-4o Transcribe Diarize
Welches und wann — kuratiertes Fazit, keine Benchmark-Tabelle
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-Input / 1M Token | — | $6.25 | — |
| Text-Output / 1M Token | — | $2.5 | — |
Diese beiden Modelle rechnen in unterschiedlichen Einheiten ab, daher wird kein Δ angezeigt — eine Umrechnung zwischen ihnen würde eine Annahme erfordern, die wir nicht gemessen haben. Jede Karte ist oben in ihrer eigenen Einheit aufgeführt.
Fähigkeiten
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| Sprecherdiarisierung | ja | ja |
| Streaming | ja | ja |
| Zeitstempel | ja | ja |
Spezifikationen
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| Input-Modalitäten | Audio | Text Audio |
| Ausgabemodalitäten | Text | Text |
| Veröffentlicht | 2025-10-13 | 2025-10 |
| Wissensgrenze | — | 2024-06 |
| Limits | Auto-detected audio decoding sync Recognize <1 min, BatchRecognize 1 min–1 hr (<=20 min with word timestamps), StreamingRecognize for real-time speaker diarization in BatchRecognize and Recognize (14 languages) utterance-level timestamps (StreamingRecognize only), word-level timestamps listed as unsupported language-agnostic transcription 29 GA + 82 preview locales | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB built-in speaker diarization with diarized_json output (speaker labels + segment timestamps) chunking_strategy required for audio >30s no prompt support |
| Sprachen | 29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize diarization covers 14 of them | 57 languages listed for the transcriptions endpoint (one shared list for all transcription models) ISO 639-1 / 639-3 codes accepted for GPT-4o-based models |
| Maximaler Output | — | 2K |
Die Spezifikationen sind aus der Dokumentation der jeweiligen Anbieter übernommen; eine Zeile, die ein Anbieter nicht veröffentlicht, wird weggelassen und nicht abgeleitet. Vollständige Quellen: Chirp 3 · GPT-4o Transcribe Diarize
Mit einer Zeile zwischen ihnen wechseln
Beide IDs befinden sich in jedem Tab unten — das hervorgehobene Zeilenpaar ist die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiche Request-Struktur.
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)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-3",
// model: "gpt-4o-transcribe-diarize", // 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-3" \
# -F model="gpt-4o-transcribe-diarize" \ # 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-3",
// Model: "gpt-4o-transcribe-diarize", // 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-3")
// .model("gpt-4o-transcribe-diarize") // diese Zeile einkommentieren, die darüberliegende auskommentieren
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Welches ist günstiger, Chirp 3 oder GPT-4o Transcribe Diarize?
Sie rechnen in unterschiedlichen Einheiten ab, daher gibt es keine einzelne eindeutige Zahl: Chirp 3 und GPT-4o Transcribe Diarize erscheinen in der obigen Tabelle jeweils in ihrer eigenen Einheit. Vergleichen Sie sie anhand Ihres eigenen Workloads — der praktische Kompromiss wird im Fazit oben auf dieser Seite beschrieben.
Kann ich Chirp 3 gegen GPT-4o Transcribe Diarize ohne zwei Integrationen A/B-testen?
Ja. Beide werden über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel bereitgestellt — der Wechsel ist eine einzeilige Änderung des Modell-Strings, sodass Sie einen Bruchteil des Traffics an jedes Modell leiten und die Rechnungen direkt vergleichen können.
Unterstützen Chirp 3 und GPT-4o Transcribe Diarize Sprecherdiarisierung?
Die obige Fähigkeitentabelle beantwortet dies pro Modell, direkt aus der Dokumentation des jeweiligen Anbieters — Diarisierung, Streaming und Zeitstempel sind separat aufgeführt, da sich die Modelle bei allen dreien unterscheiden.