Chirp 3 vs GPT-4o Transcribe Diarize

vs

Qual usar e quando

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 -

Estes dois modelos cobram em unidades diferentes, então nenhum Δ é mostrado: converter uma na outra exigiria uma suposição que não medimos. Acima, os preços de cada um aparecem na sua própria unidade.

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

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

mp3/mp4/mpeg/mpga/m4a/wav/webm, até 25MB

diarização de locutores integrada com saída diarized_json (rótulos de locutor + timestamps de segmento)

chunking_strategy obrigatório para áudio >30s

sem suporte a prompt

Idiomas

29 locales GA + 82 em Preview (111 no total) entre StreamingRecognize, Recognize e BatchRecognize

a diarização cobre 14 deles

57 idiomas listados para o endpoint de transcrições (uma lista única para todos os modelos de transcrição)

códigos ISO 639-1 / 639-3 aceitos nos modelos baseados em GPT-4o

Saída máxima - 2.000

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 · GPT-4o Transcribe Diarize

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="gpt-4o-transcribe-diarize",  # descomente esta linha, comente a linha acima
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

Obtenha sua chave de API →

Perguntas frequentes

Qual é mais barato, Chirp 3 ou GPT-4o Transcribe Diarize?

Eles cobram em unidades diferentes, então não existe um número único que seja honesto: na tabela acima, Chirp 3 e GPT-4o Transcribe Diarize aparecem cada um na sua unidade. Compare os dois na sua própria carga de trabalho; o trade-off na prática 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. 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 GPT-4o Transcribe Diarize 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.

Comparações relacionadas

Dos nossos estudos com medições