Fun-ASR Flash vs Seed ASR
Cuál usar y cuándo
Las tarifas por minuto difieren solo por un redondeo ($0.0021 frente a $0.002), lo que deja la elección enteramente en las capacidades: seed-asr-bigmodel diariza en su API de archivos de audio (documentada como óptima con 10 hablantes o menos), devuelve marcas de tiempo por frase y palabra y acepta hasta 5 horas por archivo, mientras que fun-asr-flash es solo síncrono, limitado a 5 minutos y 2GB, sin diarización pero con inyección de términos de dominio en contexto. Elige fun-asr-flash para respuesta rápida en clips cortos, seed-asr-bigmodel para todo lo largo o con varios hablantes.
Precios
| Fun-ASR Flash | Seed ASR | Δ | |
|---|---|---|---|
| Por minuto de audio | $0.0021 | $0.002 | 1× |
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)
Capacidades
| Fun-ASR Flash | Seed ASR | |
|---|---|---|
| Diarización de hablantes | no | sí |
| Streaming | sí | sí |
| Marcas de tiempo | - | sí |
Especificaciones
| Fun-ASR Flash | Seed ASR | |
|---|---|---|
| Modalidades de entrada | audio | audio |
| Modalidades de salida | texto | texto |
| Lanzamiento | 2026-06 | 2025-12-05 |
| Límites | Reconocimiento rápido síncrono, <=5 min / <=2GB por audio inyección de contexto para términos de dominio más de 30 idiomas sin diarización | 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 | Multilingüe con dialectos, la misma lista de 30 idiomas que las versiones principales de Fun-ASR: chino (mandarín, cantonés, wu, hokkien, hakka, gan, xiang y jin, además de acentos regionales), inglés, japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, hindi, árabe, francés, alemán, español, portugués, ruso, italiano, neerlandés, sueco, danés, finés, noruego, griego, polaco, checo, húngaro, rumano, búlgaro, croata y eslovaco | 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: Fun-ASR Flash · 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="fun-asr-flash",
# model="seed-asr-bigmodel", # 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: "fun-asr-flash",
// model: "seed-asr-bigmodel", // 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="fun-asr-flash" \
# -F model="seed-asr-bigmodel" \ # 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: "fun-asr-flash",
// Model: "seed-asr-bigmodel", // 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("fun-asr-flash")
// .model("seed-asr-bigmodel") // 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, Fun-ASR Flash o Seed ASR?
Seed ASR es más barato en Por minuto de audio ($0.002 frente a $0.0021, una diferencia de 1.0×). 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 Fun-ASR Flash 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 Fun-ASR Flash 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.