Chirp 3 vs GPT-4o Transcribe Diarize

vs

Quale scegliere e quando

Questi due modelli eseguono entrambi la trascrizione con diarizzazione del parlante, ma fatturano in unità diverse - chirp-3 a $0.016 per minuto di audio contro gpt-4o-transcribe-diarize a $6.25 per milione di token audio di input più $2.5 per milione di token di testo di input e output - quindi nessuna singola conversione tra di essi è onesta. Scegli chirp-3 per lavori lunghi o dal vivo: BatchRecognize va da 1 minuto a 1 ora, StreamingRecognize gestisce il tempo reale e copre 29 localizzazioni GA più 82 in preview, sebbene i timestamp a livello di parola non siano supportati. Scegli gpt-4o-transcribe-diarize per file più brevi sotto i 25MB dove desideri diarized_json con etichette del parlante e timestamp dei segmenti, entro il suo contesto di 16000 token e il limite di output di 2000 token.

Prezzi

Chirp 3 GPT-4o Transcribe Diarize Δ
Al minuto di audio $0.016 - -
Input audio / 1M token - $6.25 -
Output di testo / 1M token - $2.5 -

Questi due modelli si pagano in unità diverse, quindi non mostriamo alcun Δ: per convertirle servirebbe un'ipotesi che non abbiamo misurato. Qui sopra ogni listino è riportato nella propria unità.

Funzionalità

Chirp 3 GPT-4o Transcribe Diarize
Diarizzazione dei parlanti sì sì
Streaming sì sì
Timestamp sì sì

Specifiche

Chirp 3 GPT-4o Transcribe Diarize
Modalità di input audio testo audio
Modalità di output testo testo
Rilascio 2025-10-13 2025-10
Knowledge cutoff - 2024-06
Limiti

Decodifica audio rilevata automaticamente

Recognize sincrono <1 min, BatchRecognize 1 min - 1 ora (<=20 min con i timestamp di parola), StreamingRecognize per il tempo reale

diarizzazione dei parlanti in BatchRecognize e Recognize (14 lingue)

timestamp a livello di enunciato (solo StreamingRecognize), timestamp a livello di parola indicati come non supportati

trascrizione indipendente dalla lingua

29 locale GA + 82 in preview

mp3/mp4/mpeg/mpga/m4a/wav/webm, fino a 25MB

diarizzazione dei parlanti integrata con output diarized_json (etichette dei parlanti + timestamp dei segmenti)

chunking_strategy obbligatorio per audio >30s

nessun supporto per il prompt

Lingue

29 locale GA + 82 in Preview (111 in totale) tra StreamingRecognize, Recognize e BatchRecognize

la diarizzazione ne copre 14

57 lingue elencate per l'endpoint di trascrizione (un unico elenco condiviso da tutti i modelli di trascrizione)

codici ISO 639-1 / 639-3 accettati per i modelli basati su GPT-4o

Output massimo - 2.000

Le specifiche sono riprese dalla documentazione di ciascun provider; se un provider non pubblica un dato, la riga viene omessa e non dedotta. Fonti complete: Chirp 3 · GPT-4o Transcribe Diarize

Passa dall'uno all'altro cambiando una sola riga

In ogni scheda qui sotto ci sono entrambi gli id: le due righe evidenziate sono l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.

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",  # decommenta questa riga, commenta quella sopra
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Ottieni la tua chiave API →

FAQ

Qual è il più economico, Chirp 3 o GPT-4o Transcribe Diarize?

Si pagano in unità diverse, quindi non esiste un numero unico che sia corretto. Nella tabella qui sopra Chirp 3 e GPT-4o Transcribe Diarize compaiono ciascuno nella propria unità. Confrontali sul tuo carico di lavoro: il compromesso pratico è descritto nel verdetto in cima alla pagina.

Posso fare un A/B test di Chirp 3 contro GPT-4o Transcribe Diarize senza due integrazioni?

Sì. Si chiamano entrambi dallo stesso endpoint compatibile con OpenAI, con una sola chiave API. Per passare dall'uno all'altro basta cambiare la stringa del modello in una riga, quindi puoi mandare una parte del traffico a ciascuno e confrontare direttamente i costi.

Chirp 3 e GPT-4o Transcribe Diarize supportano la diarizzazione dei parlanti?

La risposta, modello per modello, è nella tabella delle funzionalità qui sopra, ripresa direttamente dalla documentazione di ciascun provider. Diarizzazione, streaming e timestamp sono voci separate perché i modelli si differenziano su tutte e tre.

Confronti correlati

Dai nostri studi con dati misurati