Chirp 3 vs Seed ASR

vs

Welches Modell wofür

Beide rechnen pro Audiominute ab und beide trennen Sprecher; seed-asr-bigmodel ist 8x günstiger, $0.002 gegenüber $0.016, und nimmt weit längere Dateien - bis zu 5 Stunden und 512MB im asynchronen Modus, gegenüber einer Stunde im Stapelmodus von chirp-3 - mit Zeitstempeln auf Satz- und Wortebene. chirp-3 antwortet stattdessen mit Breite: 29 GA- plus 82 Vorschau-Locales, gegenüber einem Standardsatz aus Mandarin, Englisch, Kantonesisch und chinesischen Dialekten bei seed-asr-bigmodel, mit 39 explizit setzbaren Sprachschlüsseln. Wählen Sie nach Aufnahmelänge und Locale, nicht nach Preis.

Preise

Chirp 3 Seed ASR Δ
Pro Audiominute $0.016 $0.002 8×

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 3 · $0.016 Seed ASR · $0.002

Fähigkeiten

Chirp 3 Seed ASR
Sprecherdiarisierung ja ja
Streaming ja ja
Zeitstempel ja ja

Spezifikationen

Chirp 3 Seed ASR
Eingabemodalitäten Audio Audio
Ausgabemodalitäten Text Text
Veröffentlicht 2025-10-13 2025-12-05
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

Asynchroner Audiodatei-Modus: <512MB, <5 Stunden, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (rohes PCM wird ebenfalls akzeptiert), Ergebnisse werden innerhalb von 3 Stunden zurückgegeben und 7 Tage aufbewahrt

Sprecher-Diarisierung über enable_speaker_info (nur Audiodatei-API, am besten mit <=10 Sprechern, keine Diarisierung über die Streaming-API)

Satz- und Wortsegmentierung mit start_time/end_time über show_utterances

Sprachidentifikation über enable_lid

Hotwords und Kontext bis zu 800 Token und 20 Runden

Abrechnung pro Aufruf

Sprachen

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

die Diarisierung deckt 14 davon ab

Bei leerem `language` deckt das Modell Mandarin, Englisch, Kantonesisch, Shanghainesisch, Minnan sowie die Dialekte von Sichuan und Shaanxi ab

39 Sprachschlüssel lassen sich explizit festlegen (en-US, zh-CN, yue-CN, ja-JP, ko-KR, id-ID, es-MX, pt-BR, de-DE, fr-FR, fil-PH, ms-MY, th-TH, ar-SA, it-IT, bn-BD, el-GR, nl-NL, ru-RU, tr-TR, vi-VN, pl-PL, ro-RO, uk-UA, az-AZ, bg-BG, cs-CZ, da-DK, fi-FI, hi-IN, hu-HU, kk-KZ, km-KH, my-MM, no-NO, pa-PK, sv-SE, sw-KE, ur-PK), dazu optionale automatische Erkennung (enable_auto_lang)

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 · Seed ASR

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="seed-asr-bigmodel",  # 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 Seed ASR?

Seed ASR ist bei Pro Audiominute günstiger ($0.002 vs. $0.016, Faktor 8.0). Bei anderen Zeilen kann es umgekehrt sein. Die Tabelle oben zeigt alle Preise, und die tatsächlichen Kosten hängen von Ihrem Mix ab.

Kann ich Chirp 3 gegen Seed ASR 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 Seed ASR 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