Chirp 2 vs Chirp 3

vs

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

Chirp 2 Chirp 3 Δ
音声 1 分あたり $0.016 $0.016 =

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)

Chirp 2 · $0.016 Chirp 3 · $0.016

対応機能

Chirp 2 Chirp 3
話者分離 なし あり
ストリーミング あり あり
タイムスタンプ あり あり

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)

API キーを取得 →

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。

関連する比較

当社の実測レポートより