🎁 新用戶 免費註冊,送 10 次呼叫,最高 $1,免綁卡。

Chirp 2 vs Chirp 3

vs

何時該用哪一個 — 綜合評斷,而非基準測試數據表

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

Chirp 2 Chirp 3 Δ
每分鐘音訊 $0.016 $0.016 =

費率取自建置時的即時目錄;各模型頁面皆附有目前的費率卡。

它們的相對位置 — 在此計費單位下,所有 11 個 語音轉文字 模型的 每分鐘語音的價格(對數尺度)

Chirp 2 · $0.016 Chirp 3 · $0.016
$0.002 · Fun-ASR Realtime $0.016 · Chirp 2

能力

Chirp 2 Chirp 3
語者分段
串流
時間戳記

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

Auto-detected audio decoding

sync Recognize <1 min, BatchRecognize 1 min–8 hrs, StreamingRecognize for real-time

optional word-level timestamps

language-agnostic transcription (the model infers the prevalent spoken language and transcribes in it)

no standalone language detection

no speaker diarization

speech translation supported

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

語言

Varies by method: BatchRecognize offers the most extensive coverage and Recognize is "on par with Chirp"

StreamingRecognize is limited to 16 locales (Chinese Simplified/Traditional, Cantonese, English AU/IN/GB/US, French CA/FR, German, Italian, Japanese, Korean, Portuguese (Brazil), Spanish ES/US)

29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize

diarization covers 14 of them

規格摘錄自各供應商的文件;供應商未發布的資料列會直接省略,而非自行推測。 完整來源: Chirp 2 · Chirp 3

只需一行程式碼即可在兩者間切換

以下每個頁籤中都有這兩個 ID — 醒目提示的這兩行是唯一的修改處。相同的端點,相同的金鑰,相同的請求結構。

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",  # 取消註解此行,並註解上一行
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

取得 API 金鑰 →

常見問題

Chirp 2 和 Chirp 3 哪個比較便宜?

兩者列出的 每分鐘音訊 相同($0.016),因此價格無法決定勝負 — 請參閱下方的規格與功能。

我可以在不進行兩次整合的情況下,對 Chirp 2 和 Chirp 3 進行 A/B 測試嗎?

可以。兩者皆透過同一個相容 OpenAI 的端點提供服務,並使用同一把 API 金鑰 — 切換只需更改一行的模型字串,因此您可以將部分流量分別導向兩者並直接比較帳單。

Chirp 2 和 Chirp 3 支援語者分段嗎?

上方的功能表根據各廠商的官方文件回答了每個模型的支援情況 — 語者分段、串流與時間戳記是分開列出的,因為模型在這三方面的支援皆有所不同。

相關比較