Chirp 2

Especificaciones y límites

• El id oficial del modelo en Speech-to-Text V2 es chirp_2 (con guion bajo)
• GA, con expansión regional GA (us-central1/europe-west4/asia-southeast1) el 2025-01-27
• facturado por audio

según documentación oficial de Google ↗

Usa Chirp 2 en 30 segundos

Compatible con OpenAI: cambia el base_url y conserva tu SDK. 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());

Acerca de Chirp 2

• Google lo posiciona como una mejora sobre el Chirp original tanto en precisión como en velocidad, a la vez que añade marcas de tiempo a nivel de palabra, adaptación del modelo (sesgo por frases) y traducción de voz.
• Ofrece puntuación y mayúsculas automáticas, transcripción agnóstica al idioma, en la que el modelo infiere el idioma predominante del audio y transcribe en él, y filtrado de lenguaje soez, y admite reconocimiento en streaming, síncrono y por lotes para audio desde menos de un minuto hasta ocho horas, el techo por lotes más alto de cualquier modelo Chirp.
• El streaming cubre dieciséis configuraciones regionales, mientras que el modo por lotes lleva el soporte de idiomas más extenso de la familia.
• Las marcas de tiempo a nivel de palabra son opcionales y hay que activarlas, y Google señala que la calidad y la velocidad de transcripción se degradan ligeramente cuando están activas; el valor de confianza por palabra que devuelve está documentado como no siendo una puntuación de confianza real.
• La adaptación acepta palabras y frases simples, pero no se admiten los tokens de clase ni las clases personalizadas.
• La traducción de voz funciona con pares asimétricos, veintisiete idiomas de origen hacia el inglés de Estados Unidos y dieciocho destinos a partir de él, y la normalización forzada y un reductor de ruido completan el conjunto de funciones.
• La única carencia significativa es la diarización de hablantes, que Google lista como no admitida; esa capacidad es la razón para pasar a Chirp 3.
• La disponibilidad se limita a un pequeño conjunto de regiones.
• Synthorai sirve la transcripción de Chirp 2 a través de su endpoint de audio compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar