Chirp 3 vs Seed ASR

vs

Qual usar e quando

Ambos cobram por minuto de áudio e ambos diarizam; o seed-asr-bigmodel sai 8x mais barato, $0.002 contra $0.016, e aceita arquivos bem mais longos - até 5 horas e 512MB no modo assíncrono, contra uma hora no modo em lote do chirp-3 - com carimbos de tempo por frase e por palavra. O chirp-3 responde com amplitude: 29 locais GA mais 82 em prévia, contra um conjunto padrão de mandarim, inglês, cantonês e dialetos chineses no seed-asr-bigmodel, com 39 chaves de idioma fixáveis explicitamente. Escolha pela duração da gravação e pelo local, não pelo preço.

Preços

Chirp 3 Seed ASR Δ
Por minuto de áudio $0.016 $0.002 8×

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)

Chirp 3 · $0.016 Seed ASR · $0.002

Capacidades

Chirp 3 Seed ASR
Diarização de locutor sim sim
Streaming sim sim
Timestamps sim sim

Especificações

Chirp 3 Seed ASR
Modalidades de entrada áudio áudio
Modalidades de saída texto texto
Lançamento 2025-10-13 2025-12-05
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

Modo assíncrono de arquivo de áudio: <512MB, <5 horas, OPUS/WAV/MP3/SPX/OGG/AMR/AAC/M4A (PCM bruto também aceito), resultados retornados em até 3 horas e retidos por 7 dias

diarização de locutores via enable_speaker_info (apenas na API de arquivo de áudio, melhor com <=10 locutores, sem diarização na API de streaming)

segmentação por sentença e por palavra com start_time/end_time via show_utterances

identificação de idioma via enable_lid

hotwords/contexto de até 800 tokens e 20 rodadas

cobrança por chamada

Idiomas

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

a diarização cobre 14 deles

Com `language` vazio, o modelo cobre mandarim, inglês, cantonês, xangainês, minnan e os dialetos de Sichuan e Shaanxi

39 chaves de idioma podem ser fixadas explicitamente (en-US, zh-CN, yue-CN, ja-JP, ko-KR, id-ID, es-MX, pt-BR, de-DE, fr-FR, fil-PH, ms-MY, th-TH, ar-SA, it-IT, bn-BD, el-GR, nl-NL, ru-RU, tr-TR, vi-VN, pl-PL, ro-RO, uk-UA, az-AZ, bg-BG, cs-CZ, da-DK, fi-FI, hi-IN, hu-HU, kk-KZ, km-KH, my-MM, no-NO, pa-PK, sv-SE, sw-KE, ur-PK), além de detecção automática opcional (enable_auto_lang)

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 · Seed ASR

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="seed-asr-bigmodel",  # 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 Seed ASR?

Seed ASR sai mais barato na linha “Por minuto de áudio” ($0.002 contra $0.016, 8.0× 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 Seed ASR 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 Seed ASR 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