Chirp 3 vs GPT-4o Transcribe Diarize
Qual usar, quando — veredito curado, não uma tabela de benchmark
Estes dois fazem transcrição com diarização de locutor, mas cobram em unidades diferentes — chirp-3 a $0.016 por minuto de áudio versus gpt-4o-transcribe-diarize a $6.25 por milhão de tokens de entrada de áudio mais $2.5 por milhão de tokens de entrada e saída de texto — então nenhuma conversão única entre eles é honesta. Escolha o chirp-3 para trabalhos longos ou ao vivo: BatchRecognize abrange de 1 minuto a 1 hora, StreamingRecognize lida com tempo real, e cobre 29 localidades em GA mais 82 em preview, embora timestamps no nível da palavra não sejam suportados. Escolha o gpt-4o-transcribe-diarize para arquivos mais curtos com menos de 25MB onde você deseja diarized_json com rótulos de locutor e timestamps de segmento, dentro do seu contexto de 16000 tokens e limite de saída de 2000 tokens.
Preços
| Chirp 3 | GPT-4o Transcribe Diarize | Δ | |
|---|---|---|---|
| Por minuto de áudio | $0.016 | — | — |
| Entrada de áudio / 1M tokens | — | $6.25 | — |
| Saída de texto / 1M tokens | — | $2.5 | — |
Esses dois modelos cobram em unidades diferentes, portanto, nenhum Δ é mostrado — a conversão entre eles exigiria uma suposição que não medimos. Cada cartão está listado em sua própria unidade acima.
Capacidades
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| Diarização de locutor | sim | sim |
| Streaming | sim | sim |
| Timestamps | sim | sim |
Especificações
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| Modalidades de entrada | áudio | texto áudio |
| Modalidades de saída | texto | texto |
| Lançamento | 2025-10-13 | 2025-10 |
| Corte de conhecimento | — | 2024-06 |
| Limites | 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 |
| Idiomas | 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 |
| Saída máxima | — | 2K |
As especificações são transcritas da documentação de cada fornecedor; uma linha que um fornecedor não publica é omitida em vez de ser inferida. Fontes completas: Chirp 3 · GPT-4o Transcribe Diarize
Alterne entre eles com uma linha
Ambos os IDs estão em todas as abas abaixo — o par de linhas destacado é a única edição. Mesmo endpoint, mesma chave, mesmo formato de requisição.
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", # 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: "gpt-4o-transcribe-diarize", // 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="gpt-4o-transcribe-diarize" \ # 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: "gpt-4o-transcribe-diarize", // 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("gpt-4o-transcribe-diarize") // descomente esta linha, comente a linha acima
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());FAQ
Qual é mais barato, Chirp 3 ou GPT-4o Transcribe Diarize?
Eles cobram em unidades diferentes, então não há um único número honesto: Chirp 3 e GPT-4o Transcribe Diarize aparecem cada um em sua própria unidade na tabela acima. Compare-os em sua própria carga de trabalho — o trade-off prático está descrito no veredito no topo desta página.
Posso fazer um teste A/B de Chirp 3 contra GPT-4o Transcribe Diarize sem duas integrações?
Sim. Ambos são servidos pelo mesmo endpoint compatível com OpenAI com uma única chave de API — a troca é uma alteração de uma linha na string do modelo, de modo que você pode rotear uma fração do tráfego para cada um e comparar as faturas diretamente.
Chirp 3 e GPT-4o Transcribe Diarize suportam diarização de locutor?
A tabela de capacidades acima responde a isso por modelo, direto da documentação de cada fornecedor — diarização, streaming e timestamps são listados separadamente porque os modelos diferem nos três.