Chirp 3 vs Seed ASR

vs

Quale scegliere e quando

Entrambi fatturano al minuto di audio ed entrambi diarizzano; seed-asr-bigmodel costa 8x meno, $0.002 contro $0.016, e accetta file molto più lunghi - fino a 5 ore e 512MB in modalità asincrona, contro un'ora per la modalità a lotti di chirp-3 - con timestamp di frase e di parola. chirp-3 risponde con l'ampiezza: 29 locale GA più 82 in anteprima, contro un insieme predefinito di mandarino, inglese, cantonese e dialetti cinesi in seed-asr-bigmodel, con 39 chiavi di lingua impostabili esplicitamente. Scegli in base alla durata delle registrazioni e al locale, non al prezzo.

Prezzi

Chirp 3 Seed ASR Δ
Al minuto di audio $0.016 $0.002 8×

Tariffe lette dal catalogo live al momento della build; il listino aggiornato è sulla pagina di ciascun modello.

Dove si collocano: prezzo al minuto di audio tra tutti i modelli di speech-to-text con questa unità di fatturazione (12, scala logaritmica)

Chirp 3 · $0.016 Seed ASR · $0.002

Funzionalità

Chirp 3 Seed ASR
Diarizzazione dei parlanti sì sì
Streaming sì sì
Timestamp sì sì

Specifiche

Chirp 3 Seed ASR
Modalità di input audio audio
Modalità di output testo testo
Rilascio 2025-10-13 2025-12-05
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

Modalità asincrona su file audio: <512MB, <5 ore, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (accettato anche il PCM grezzo), risultati restituiti entro 3 ore e conservati 7 giorni

diarizzazione dei parlanti tramite enable_speaker_info (solo API su file audio, resa migliore con <=10 parlanti, nessuna diarizzazione sull'API di streaming)

segmentazione in frasi e parole con start_time/end_time tramite show_utterances

identificazione della lingua tramite enable_lid

hotword/contesto fino a 800 token e 20 round

fatturazione per chiamata

Lingue

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

la diarizzazione ne copre 14

Con `language` vuoto il modello copre mandarino, inglese, cantonese, shanghainese, minnan e i dialetti del Sichuan e dello Shaanxi

39 chiavi di lingua possono essere fissate esplicitamente (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), oltre al rilevamento automatico opzionale (enable_auto_lang)

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 · Seed ASR

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="seed-asr-bigmodel",  # 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 Seed ASR?

Seed ASR costa meno alla voce Al minuto di audio ($0.002 contro $0.016, 8.0× di differenza). Altre voci potrebbero dire il contrario: la tabella qui sopra riporta il listino completo, e il costo reale dipende dal tuo mix di utilizzo.

Posso fare un A/B test di Chirp 3 contro Seed ASR 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 Seed ASR 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