Chirp 3 vs Seed ASR

vs

Cuál usar y cuándo

Ambos facturan por minuto de audio y ambos diarizan; seed-asr-bigmodel sale 8x más barato, $0.002 frente a $0.016, y acepta archivos mucho más largos - hasta 5 horas y 512MB en su modo asíncrono, frente a una hora en el modo por lotes de chirp-3 - con marcas de tiempo por frase y por palabra. chirp-3 responde con amplitud: 29 locales GA más 82 en vista previa, frente a un conjunto por defecto de mandarín, inglés, cantonés y dialectos chinos en seed-asr-bigmodel, con 39 claves de idioma fijables explícitamente. Elige por duración de la grabación y locale, no por precio.

Precios

Chirp 3 Seed ASR Δ
Por minuto de audio $0.016 $0.002 8×

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio por minuto de audio entre los 12 modelos de voz a texto que se facturan en esta unidad (escala logarítmica)

Chirp 3 · $0.016 Seed ASR · $0.002

Capacidades

Chirp 3 Seed ASR
Diarización de hablantes sí sí
Streaming sí sí
Marcas de tiempo sí sí

Especificaciones

Chirp 3 Seed ASR
Modalidades de entrada audio audio
Modalidades de salida texto texto
Lanzamiento 2025-10-13 2025-12-05
Límites

Decodificación de audio autodetectada

Recognize síncrono <1 min, BatchRecognize de 1 min - 1 h (<=20 min con marcas de tiempo por palabra), StreamingRecognize en tiempo real

diarización de hablantes en BatchRecognize y Recognize (14 idiomas)

marcas de tiempo por enunciado (solo StreamingRecognize), marcas de tiempo por palabra indicadas como no admitidas

transcripción agnóstica al idioma

29 configuraciones regionales GA + 82 en preview

Modo asíncrono de archivo de audio: <512MB, <5 horas, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (también se acepta PCM en bruto), resultados devueltos en un plazo de 3 horas y conservados 7 días

diarización de hablantes mediante enable_speaker_info (solo en la API de archivo de audio, mejor con <=10 hablantes, sin diarización en la API de streaming)

segmentación por frase y por palabra con start_time/end_time mediante show_utterances

identificación de idioma mediante enable_lid

hotwords y contexto de hasta 800 tokens y 20 rondas

facturación por llamada

Idiomas

29 configuraciones regionales GA + 82 en Preview (111 en total) en StreamingRecognize, Recognize y BatchRecognize

la diarización cubre 14 de ellas

Con `language` vacío, el modelo cubre mandarín, inglés, cantonés, shanghainés, minnan y los dialectos de Sichuan y Shaanxi

se pueden fijar explícitamente 39 claves de idioma (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), además de la detección automática opcional (enable_auto_lang)

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 · Seed ASR

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="seed-asr-bigmodel",  # descomenta esta línea, comenta la de arriba
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, Chirp 3 o Seed ASR?

Seed ASR es más barato en Por minuto de audio ($0.002 frente a $0.016, una diferencia de 8.0×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de Chirp 3 frente a Seed ASR 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 Seed ASR 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.

Comparativas relacionadas

De nuestros estudios con mediciones