Chirp 3 vs GPT-4o Transcribe Diarize
什麼情況選哪一個
這兩者皆具備語者分段的轉錄功能,但計費單位不同 —— chirp-3 每音訊分鐘收費 $0.016,而 gpt-4o-transcribe-diarize 每百萬音訊輸入 token 收費 $6.25,外加每百萬文字輸入和輸出 token 收費 $2.5 —— 因此兩者之間無法以單一標準公允換算。針對長音訊或即時任務,請選擇 chirp-3:BatchRecognize 涵蓋 1 分鐘到 1 小時,StreamingRecognize 處理即時音訊,且支援 29 個 GA 以及 82 個預覽版語言地區,但不支援詞級時間戳記。針對 25MB 以下較短的檔案,若您需要包含語者標籤及段落時間戳記的 diarized_json,且能接受其 16000-token 的上下文與 2000-token 的輸出上限,請選擇 gpt-4o-transcribe-diarize。
定價
| Chirp 3 | GPT-4o Transcribe Diarize | Δ | |
|---|---|---|---|
| 每分鐘音訊 | $0.016 | - | - |
| 音訊輸入 / 1M tokens | - | $6.25 | - |
| 文字輸出 / 1M tokens | - | $2.5 | - |
這兩個模型的計費單位不同,所以不顯示 Δ:要在兩者之間換算,就得套用一個我們沒有實測過的假設。上方的價目各自以原本的單位列出。
功能
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 語者分離 | 是 | 是 |
| 串流 | 是 | 是 |
| 時間戳記 | 是 | 是 |
規格
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 輸入模態 | 音訊 | 文字 音訊 |
| 輸出模態 | 文字 | 文字 |
| 發布日期 | 2025-10-13 | 2025-10 |
| 知識截止日期 | - | 2024-06 |
| 限制 | 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 | mp3/mp4/mpeg/mpga/m4a/wav/webm, up to 25MB built-in speaker diarization with diarized_json output (speaker labels + segment timestamps) chunking_strategy required for audio >30s no prompt support |
| 語言 | 29 GA + 82 Preview locales (111 total) across StreamingRecognize, Recognize and BatchRecognize diarization covers 14 of them | 57 languages listed for the transcriptions endpoint (one shared list for all transcription models) ISO 639-1 / 639-3 codes accepted for GPT-4o-based models |
| 最大輸出 | - | 2K |
規格摘錄自各供應商的文件;供應商沒有公布的項目就直接略過,不自行推測。 完整來源: Chirp 3 · GPT-4o Transcribe Diarize
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-3",
# model="gpt-4o-transcribe-diarize", # 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-3",
// model: "gpt-4o-transcribe-diarize", // 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-3" \
# -F model="gpt-4o-transcribe-diarize" \ # 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-3",
// Model: "gpt-4o-transcribe-diarize", // 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-3")
// .model("gpt-4o-transcribe-diarize") // 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 3 和 GPT-4o Transcribe Diarize 哪個比較便宜?
兩者的計費單位不同,沒辦法用一個數字公允地比較:上表中 Chirp 3 和 GPT-4o Transcribe Diarize 各自以原本的單位列出。請拿你自己的工作負載來比,實務上怎麼取捨,本頁最上方的結論有說明。
可以只串接一次,就對 Chirp 3 和 GPT-4o Transcribe Diarize 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 3 和 GPT-4o Transcribe Diarize 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。