Chirp 3 vs GPT-4o Transcribe Diarize
Cuál usar y cuándo
Ambos realizan transcripción con diarización de hablantes, pero facturan en unidades diferentes - chirp-3 a $0.016 por minuto de audio frente a gpt-4o-transcribe-diarize a $6.25 por millón de tokens de entrada de audio más $2.5 por millón de tokens de entrada y salida de texto - por lo que ninguna conversión directa entre ellos es honesta. Elige chirp-3 para trabajos largos o en vivo: BatchRecognize abarca de 1 minuto a 1 hora, StreamingRecognize maneja tiempo real y cubre 29 locales en GA más 82 en vista previa, aunque no soporta marcas de tiempo a nivel de palabra. Elige gpt-4o-transcribe-diarize para archivos más cortos de menos de 25MB donde desees diarized_json con etiquetas de hablante y marcas de tiempo de segmento, dentro de su contexto de 16000 tokens y límite de salida de 2000 tokens.
Precios
| Chirp 3 | GPT-4o Transcribe Diarize | Δ | |
|---|---|---|---|
| Por minuto de audio | $0.016 | - | - |
| Entrada de audio / 1M tokens | - | $6.25 | - |
| Salida de texto / 1M tokens | - | $2.5 | - |
Estos dos modelos se facturan en unidades distintas, así que no se muestra ningún Δ: para convertir una en otra habría que asumir algo que no hemos medido. Arriba, cada tarifa aparece en su propia unidad.
Capacidades
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| Diarización de hablantes | sí | sí |
| Streaming | sí | sí |
| Marcas de tiempo | sí | sí |
Especificaciones
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| Modalidades de entrada | audio | texto audio |
| Modalidades de salida | texto | texto |
| Lanzamiento | 2025-10-13 | 2025-10 |
| Corte de conocimiento | - | 2024-06 |
| Límites | 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 |
| Idiomas | 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 |
| Salida máxima | - | 2K |
Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: Chirp 3 · GPT-4o Transcribe Diarize
Cambia de uno a otro con una sola línea
Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.
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", # descomenta esta línea, comenta la de arriba
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", // descomenta esta línea, comenta la de arriba
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" \ # descomenta esta línea, comenta la de arriba
-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", // descomenta esta línea, comenta la de arriba
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") // descomenta esta línea, comenta la de arriba
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());Preguntas frecuentes
¿Cuál es más barato, Chirp 3 o GPT-4o Transcribe Diarize?
Se facturan en unidades distintas, así que no hay una cifra única que sea honesta: en la tabla de arriba, Chirp 3 y GPT-4o Transcribe Diarize aparecen cada uno en su propia unidad. Compáralos con tu propia carga de trabajo; el veredicto, al principio de esta página, explica qué ganas y qué pierdes con cada uno.
¿Puedo hacer pruebas A/B de Chirp 3 frente a GPT-4o Transcribe Diarize sin dos integraciones?
Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.
¿Admiten Chirp 3 y GPT-4o Transcribe Diarize la diarización de hablantes?
La tabla de capacidades de arriba lo indica para cada modelo, según la documentación de su proveedor. La diarización, el streaming y las marcas de tiempo aparecen por separado porque los modelos difieren en las tres cosas.