Chirp 3 vs GPT-4o Transcribe Diarize
何時該用哪一個 — 綜合評斷,而非基準測試數據表
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 | — |
這兩個模型以不同的單位計費,因此未顯示 Δ — 在兩者之間進行換算需要基於我們未曾實測的假設。上方各費率卡均以其專屬的單位列出。
能力
| Chirp 3 | GPT-4o Transcribe Diarize | |
|---|---|---|
| 語者分段 | 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;供應商未發布的資料列會直接省略,而非自行推測。 完整來源: Chirp 3 · GPT-4o Transcribe Diarize
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-3",
# model="gpt-4o-transcribe-diarize", # 取消註解此行,並註解上一行
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", // 取消註解此行,並註解上一行
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" \ # 取消註解此行,並註解上一行
-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", // 取消註解此行,並註解上一行
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") // 取消註解此行,並註解上一行
.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,因此沒有單一絕對的數字:Chirp 3 和 GPT-4o Transcribe Diarize 在上表中均以各自的單位呈現。請根據您自身的工作負載進行比較 — 本頁頂部的結論說明了實務上的取捨。
我可以在不進行兩次整合的情況下,對 Chirp 3 和 GPT-4o Transcribe Diarize 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 3 和 GPT-4o Transcribe Diarize 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。