Chirp 2 vs Chirp 3
どんなときに、どちらを選ぶか
どちらも音声 1 分あたり $0.016 なので、新しい chirp-3 が既定です。Recognize と BatchRecognize で 14 言語の話者分離が加わり、GA 29 とプレビュー 82 のロケールを公開しています。chirp-2 は分離を行わず、StreamingRecognize は 16 ロケールに限られます。引き換えになるのはタイムスタンプと長さで、chirp-2 は単語レベルのタイムスタンプを備え、バッチは 1 分から 8 時間まで扱えますが、chirp-3 は単語タイムスタンプを非対応と記載し、バッチは 1 時間が上限です。単語単位の時刻や非常に長い音声が必要なら chirp-2 を選んでください。
料金
ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。
両モデルの位置:音声 1 分あたりの料金(この課金単位の音声文字起こしモデル全 12 件、対数スケール)
対応機能
仕様
| Chirp 2 | Chirp 3 | |
|---|---|---|
| 入力モダリティ | 音声 | 音声 |
| 出力モダリティ | テキスト | テキスト |
| リリース | - | 2025-10-13 |
| 制限 | 音声デコードは自動判別。同期の Recognize は 1 分未満、BatchRecognize は 1 分〜8 時間、リアルタイムには StreamingRecognize。単語レベルのタイムスタンプは任意。言語非依存の文字起こしに対応(モデルが音声中で優勢な言語を推定し、その言語で文字起こしします)。単体の言語検出は非対応。話者ダイアライゼーションは非対応。音声翻訳に対応。 | 音声デコードは自動判別。同期の Recognize は 1 分未満、BatchRecognize は 1 分〜1 時間(単語タイムスタンプ付きでは 20 分以下)、リアルタイムには StreamingRecognize。話者ダイアライゼーションは BatchRecognize と Recognize で利用可(14 言語)。発話レベルのタイムスタンプは StreamingRecognize のみで、単語レベルのタイムスタンプは非対応と記載。言語非依存の文字起こし。29 の GA ロケール + 82 のプレビューロケール。 |
| 言語 | メソッドによって異なる言語カバレッジ(BatchRecognize が最も広く、Recognize は「Chirp と同等」、StreamingRecognize は 16 ロケールに限定:中国語簡体字/繁体字、広東語、英語 AU/IN/GB/US、フランス語 CA/FR、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語(ブラジル)、スペイン語 ES/US) | StreamingRecognize、Recognize、BatchRecognize 全体で 29 の GA ロケール + 82 のプレビューロケール(合計 111。うち 14 で話者ダイアライゼーションが利用可能) |
仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。 出典の一覧: Chirp 2 · Chirp 3
1 行の変更で切り替え
以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="chirp-2",
# model="chirp-3", # この行のコメントを外し、上の行をコメントアウト
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",
// model: "chirp-3", // この行のコメントを外し、上の行をコメントアウト
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 model="chirp-3" \ # この行のコメントを外し、上の行をコメントアウト
-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-2",
// Model: "chirp-3", // この行のコメントを外し、上の行をコメントアウト
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")
// .model("chirp-3") // この行のコメントを外し、上の行をコメントアウト
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());よくある質問
Chirp 2 と Chirp 3 ではどちらが安いですか?
どちらも「音声 1 分あたり」は $0.016 です。他の単価や使用量によって合計費用は変わります。
Chirp 2 と Chirp 3 の A/B テストは、実装を 2 つ用意せずにできますか?
はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。
Chirp 2 と Chirp 3 は話者分離(ダイアライゼーション)に対応していますか?
上の対応機能の表に、各ベンダーのドキュメントに基づいてモデルごとに記載しています。話者分離、ストリーミング、タイムスタンプを別々の行にしているのは、この 3 点すべてでモデルごとに対応が異なるためです。