Chirp 2

Spezifikationen & Limits

• Die offizielle Speech-to-Text-V2-Modell-id lautet chirp_2 (mit Unterstrich)
• GA, mit regionaler GA-Erweiterung (us-central1/europe-west4/asia-southeast1) am 2025-01-27
• Abrechnung pro Audio

laut Offizielle Google-Dokumentation ↗

Chirp 2 in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/audio/transcriptions

from openai import OpenAI

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

resp = client.audio.transcriptions.create(
    model="chirp-2",
    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",
  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 file=@meeting.mp3

package 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",
		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")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Über Chirp 2

• Google positioniert es als Verbesserung des ursprünglichen Chirp in Genauigkeit und Geschwindigkeit und ergänzt Zeitstempel auf Wortebene, Model Adaptation (Phrasen-Biasing) und Sprachübersetzung.
• Es bietet automatische Interpunktion und Großschreibung, sprachunabhängige Transkription, bei der das Modell die vorherrschende gesprochene Sprache ableitet und in dieser transkribiert, sowie einen Schimpfwortfilter und unterstützt Streaming-, synchrone und Batch-Erkennung für Audio von unter einer Minute bis zu acht Stunden, der längsten Batch-Obergrenze aller Chirp-Modelle.
• Streaming deckt sechzehn Locales ab, während Batch die umfangreichste Sprachunterstützung der Familie trägt.
• Zeitstempel auf Wortebene sind opt-in, und Google merkt an, dass Transkriptionsqualität und -geschwindigkeit bei aktivierten Zeitstempeln leicht nachlassen; der zurückgegebene Konfidenzwert auf Wortebene ist dokumentiert als kein echter Konfidenzwert.
• Adaptation nimmt einfache Wörter und Phrasen entgegen, Klassen-Token und benutzerdefinierte Klassen werden jedoch nicht unterstützt.
• Die Sprachübersetzung arbeitet mit asymmetrischen Paaren, siebenundzwanzig Ausgangssprachen nach US-Englisch und achtzehn Zielsprachen daraus, und erzwungene Normalisierung sowie ein Denoiser runden den Funktionsumfang ab.
• Die eine erhebliche Lücke ist die Sprecher-Diarisierung, die Google als nicht unterstützt führt; genau diese Fähigkeit ist der Grund, auf Chirp 3 zu wechseln.
• Die Verfügbarkeit beschränkt sich auf einen kleinen Satz von Regionen.
• Synthorai stellt die Chirp-2-Transkription über seinen OpenAI-kompatiblen Audio-Endpoint bereit.

FAQ

Verwandte Modelle

Vergleichen