Chirp 2

Especificações e limites

• O id oficial do modelo no Speech-to-Text V2 é chirp_2 (com sublinhado)
• GA, com expansão regional de GA (us-central1/europe-west4/asia-southeast1) em 2025-01-27
• cobrado por áudio

conforme documentação oficial da Google ↗

Use o Chirp 2 em 30 segundos

Compatível com OpenAI: troque a base_url, mantenha seu SDK. POST /v1/audio/transcriptions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="chirp-2",
    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-2",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="chirp-2" \
  -F file=@meeting.mp3

package 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-2",
		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-2")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Sobre o Chirp 2

• O Google o posiciona como uma melhoria em relação ao Chirp original tanto em precisão quanto em velocidade, adicionando timestamps por palavra, adaptação de modelo (viés por frases) e tradução de fala.
• Ele oferece pontuação e capitalização automáticas, transcrição agnóstica de idioma, na qual o modelo infere o idioma predominante do áudio e transcreve nele, e filtragem de palavrões, e suporta reconhecimento em streaming, síncrono e em lote para áudio de menos de um minuto até oito horas, o maior teto em lote de qualquer modelo Chirp.
• O streaming cobre dezesseis locales, enquanto o modo em lote traz o suporte a idiomas mais extenso da família.
• Os timestamps por palavra são opcionais, e o Google observa que a qualidade e a velocidade da transcrição degradam ligeiramente quando estão ativos; o valor de confiança por palavra que ele retorna está documentado como não sendo uma pontuação de confiança real.
• A adaptação aceita palavras e frases simples, mas tokens de classe e classes customizadas não são suportados.
• A tradução de fala funciona em pares assimétricos, vinte e sete idiomas de origem para o inglês dos EUA e dezoito destinos a partir dele, e a normalização forçada e um redutor de ruído completam o conjunto de recursos.
• A única lacuna significativa é a diarização de locutores, que o Google lista como não suportada; essa capacidade é a razão para migrar para o Chirp 3.
• A disponibilidade é limitada a um pequeno conjunto de regiões.
• A Synthorai serve a transcrição do Chirp 2 pelo seu endpoint de áudio compatível com OpenAI.

Perguntas frequentes

Modelos relacionados

Comparar