Chirp 3 vs GPT-4o Transcribe Diarize
Quale scegliere e quando — verdetto curato, non una tabella di benchmark
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 | |
|---|---|---|---|
| Per minuto di audio | $0.016 | — | — |
| Input audio / 1M token | — | $6.25 | — |
| Output di testo / 1M token | — | $2.5 | — |
Questi due modelli fatturano in unità diverse, quindi non viene mostrato alcun Δ — convertirli richiederebbe un'assunzione che non abbiamo misurato. Ogni scheda è elencata sopra nella propria unità.
Capacità
| 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 |
| Cutoff di conoscenza | — | 2024-06 |
| Limiti | 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 |
| Lingue | 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 |
| Output massimo | — | 2K |
Le specifiche sono trascritte dalla documentazione di ciascun fornitore; una riga che un fornitore non pubblica viene omessa anziché essere dedotta. Fonti complete: Chirp 3 · GPT-4o Transcribe Diarize
Passa dall'uno all'altro con una sola riga
Entrambi gli id sono presenti in ogni scheda qui sotto — la coppia di righe evidenziata è 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)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", // decommenta questa riga, commenta quella sopra
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" \ # decommenta questa riga, commenta quella sopra
-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", // decommenta questa riga, commenta quella sopra
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") // decommenta questa riga, commenta quella sopra
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Qual è più economico, Chirp 3 o GPT-4o Transcribe Diarize?
Fatturano in unità diverse, quindi non esiste un singolo numero onesto: Chirp 3 e GPT-4o Transcribe Diarize appaiono ciascuno con la propria unità nella tabella sopra. Confrontali sul tuo carico di lavoro — il compromesso pratico è descritto nel verdetto in cima a questa pagina.
Posso fare un A/B test di Chirp 3 contro GPT-4o Transcribe Diarize senza due integrazioni?
Sì. Entrambi sono serviti tramite lo stesso endpoint compatibile con OpenAI con una singola chiave API — il passaggio richiede la modifica della stringa del modello in una sola riga, quindi puoi instradare una frazione del traffico verso ciascuno e confrontare direttamente le fatture.
Chirp 3 e GPT-4o Transcribe Diarize supportano la diarizzazione dei parlanti?
La tabella delle funzionalità sopra risponde a questa domanda per ogni modello, direttamente dalla documentazione di ciascun fornitore — diarizzazione, streaming e timestamp sono elencati separatamente perché i modelli differiscono su tutti e tre.