Chirp 2 vs Chirp 3
vs
什麼情況選哪一個
兩者同為每音訊分鐘 $0.016,所以較新的 chirp-3 是預設選擇:它在 Recognize 和 BatchRecognize 中增加了語者分離,涵蓋 14 種語言,並公布 29 個 GA 加 82 個預覽語言區,而 chirp-2 不做分離、StreamingRecognize 只支援 16 個語言區。代價在時間戳和時長——chirp-2 提供詞級時間戳、批次處理可從 1 分鐘到 8 小時,而 chirp-3 把詞級時間戳列為不支援、批次處理封頂 1 小時。需要詞級時間點或超長檔案時選 chirp-2。
定價
費率取自網站建置時的即時目錄;各模型頁面都列有最新的價目。
兩者的相對位置:每分鐘音訊的價格,涵蓋同一計費單位下全部 12 個語音轉文字模型(對數尺度)
$0.002 · Fun-ASR Realtime $0.017 · GPT Realtime Whisper
功能
規格
| Chirp 2 | Chirp 3 | |
|---|---|---|
| 輸入模態 | 音訊 | 音訊 |
| 輸出模態 | 文字 | 文字 |
| 發布日期 | - | 2025-10-13 |
| 限制 | 音訊解碼自動偵測;同步 Recognize 小於 1 分鐘,BatchRecognize 1 分鐘至 8 小時,StreamingRecognize 用於即時場景;可選詞級時間戳;語言無關轉寫(模型會推斷音訊中最主要的語言並以該語言轉寫);不支援獨立的語言偵測;不支援語者分離;支援語音翻譯 | 音訊解碼自動偵測;同步 Recognize 小於 1 分鐘,BatchRecognize 1 分鐘至 1 小時(帶詞級時間戳時不超過 20 分鐘),StreamingRecognize 用於即時場景;BatchRecognize 與 Recognize 支援語者分離(14 種語言);句級時間戳(僅 StreamingRecognize),詞級時間戳列為不支援;語言無關轉寫;29 個 GA 加 82 個預覽 locale |
| 語言 | 因方法而異:BatchRecognize 覆蓋最廣,Recognize 則「與 Chirp 相當」;StreamingRecognize 僅限 16 個 locale(簡體中文/繁體中文、粵語、英語 AU/IN/GB/US、法語 CA/FR、德語、義大利語、日語、韓語、葡萄牙語(巴西)、西班牙語 ES/US) | StreamingRecognize、Recognize 與 BatchRecognize 合計 29 個 GA 加 82 個預覽 locale(共 111 個);其中 14 個支援語者分離 |
改一行程式碼就能在兩者之間切換
下面每個頁籤都列了這兩個模型 ID,要改的只有醒目標示的那兩行。端點、金鑰和請求格式都不變。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="chirp-2",
# model="chirp-3", # 取消這一行的註解,並把上一行註解掉
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",
// model: "chirp-3", // 取消這一行的註解,並把上一行註解掉
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 model="chirp-3" \ # 取消這一行的註解,並把上一行註解掉
-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-2",
// Model: "chirp-3", // 取消這一行的註解,並把上一行註解掉
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")
// .model("chirp-3") // 取消這一行的註解,並把上一行註解掉
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());常見問題
Chirp 2 和 Chirp 3 哪個比較便宜?
兩者的「每分鐘音訊」同為 $0.016。其他費率與實際用量仍可能影響總費用。
可以只串接一次,就對 Chirp 2 和 Chirp 3 做 A/B 測試嗎?
可以。兩個模型都走同一個 OpenAI 相容端點,用的也是同一把 API 金鑰,切換時只要改一行裡的模型名稱字串。你可以把一部分流量分別導到兩邊,再直接比較帳單。
Chirp 2 和 Chirp 3 支援語者分離嗎?
上方的功能表依各供應商的官方文件,逐一列出每個模型的支援情況。語者分離、串流和時間戳記分開列,是因為這三項各模型的支援程度都不一樣。