Chirp 3 vs Fun-ASR Flash
Qual usar e quando
Ambos cobram por minuto de áudio e o fun-asr-flash sai 7.6x mais barato, $0.0021 contra $0.016 - mas é a ferramenta mais estreita: apenas reconhecimento síncrono, até 5 minutos ou 2GB por arquivo, 30+ idiomas, sem diarização. O chirp-3 cobre 29 locais GA mais 82 em prévia, processa lotes de até uma hora e fluxos em tempo real, e diariza em 14 idiomas. Escolha o fun-asr-flash para clipes curtos em volume; escolha o chirp-3 quando precisar de diarização, arquivos longos ou a lista de locais mais ampla.
Preços
| Chirp 3 | Fun-ASR Flash | Δ | |
|---|---|---|---|
| Por minuto de áudio | $0.016 | $0.0021 | 7.6× |
Tarifas do catálogo em tempo real, lidas no momento do build; a página de cada modelo traz a tabela de preços atual.
Onde cada um fica: preço por minuto de áudio entre os 12 modelos de transcrição de áudio com esta unidade de cobrança (escala logarítmica)
Capacidades
| Chirp 3 | Fun-ASR Flash | |
|---|---|---|
| Diarização de locutor | sim | não |
| Streaming | sim | sim |
| Timestamps | sim | - |
Especificações
| Chirp 3 | Fun-ASR Flash | |
|---|---|---|
| Modalidades de entrada | áudio | áudio |
| Modalidades de saída | texto | texto |
| Lançamento | 2025-10-13 | 2026-06 |
| Limites | Decodificação de áudio detectada automaticamente Recognize síncrono <1 min, BatchRecognize de 1 min - 1 h (<=20 min com timestamps por palavra), StreamingRecognize para tempo real diarização de locutores no BatchRecognize e no Recognize (14 idiomas) timestamps em nível de enunciado (somente StreamingRecognize), timestamps por palavra listados como não suportados transcrição agnóstica de idioma 29 locales GA + 82 em preview | Reconhecimento rápido síncrono, <=5 min / <=2GB por áudio injeção de contexto para termos de domínio mais de 30 idiomas sem diarização |
| Idiomas | 29 locales GA + 82 em Preview (111 no total) entre StreamingRecognize, Recognize e BatchRecognize a diarização cobre 14 deles | Multilíngue com dialetos: a mesma lista de 30 idiomas das versões principais do Fun-ASR: chinês (mandarim, cantonês, wu, hokkien, hakka, gan, xiang, jin e sotaques regionais), inglês, japonês, coreano, vietnamita, tailandês, indonésio, malaio, filipino, híndi, árabe, francês, alemão, espanhol, português, russo, italiano, holandês, sueco, dinamarquês, finlandês, norueguês, grego, polonês, tcheco, húngaro, romeno, búlgaro, croata, eslovaco |
As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: Chirp 3 · Fun-ASR Flash
Troque de um para o outro mudando uma linha
Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.
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="fun-asr-flash", # descomente esta linha, comente a linha acima
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: "fun-asr-flash", // descomente esta linha, comente a linha acima
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="fun-asr-flash" \ # descomente esta linha, comente a linha acima
-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: "fun-asr-flash", // descomente esta linha, comente a linha acima
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("fun-asr-flash") // descomente esta linha, comente a linha acima
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());Perguntas frequentes
Qual é mais barato, Chirp 3 ou Fun-ASR Flash?
Fun-ASR Flash sai mais barato na linha “Por minuto de áudio” ($0.0021 contra $0.016, 7.6× de diferença). Outras linhas podem pender para o outro lado: a tabela acima mostra todos os preços, e o custo real depende do seu mix de uso.
Posso fazer um teste A/B de Chirp 3 contra Fun-ASR Flash sem duas integrações?
Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.
Chirp 3 e Fun-ASR Flash suportam diarização de locutor?
A tabela de capacidades acima responde modelo a modelo, direto da documentação de cada provedor. Diarização, streaming e timestamps aparecem em linhas separadas porque os modelos diferem nos três.