🎁 新人 免费注册,送 10 次调用,最高 $1,免绑卡。

Chirp 2 vs Chirp 3

vs

何时使用哪一个 — 经过整理的结论,而非基准测试表格

两者同为每音频分钟 $0.016,所以更新的 chirp-3 是默认选择:它在 Recognize 和 BatchRecognize 中增加了说话人分离,覆盖 14 种语言,并公布 29 个 GA 加 82 个预览语言区,而 chirp-2 不做分离、StreamingRecognize 只支持 16 个语言区。代价在时间戳和时长——chirp-2 提供词级时间戳、批处理可从 1 分钟到 8 小时,而 chirp-3 把词级时间戳列为不支持、批处理封顶 1 小时。需要词级时间点或超长文件时选 chirp-2。

定价

Chirp 2 Chirp 3 Δ
每分钟音频 $0.016 $0.016 =

费率取自构建时的实时目录;每个模型页面均附有当前的费率卡。

它们的位置 — 以该计费单位计费的所有 11 个 语音转文本 模型的 每音频分钟的价格(对数刻度)

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

能力

Chirp 2 Chirp 3
说话人分离
流式传输
时间戳

规格

Chirp 2 Chirp 3
输入模态 音频 音频
输出模态 文本 文本
发布日期 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

语言

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

规格转录自各供应商的文档;若供应商未发布某项数据,则直接省略该行,而非进行推断。 完整来源: Chirp 2 · Chirp 3

只需一行代码即可在它们之间切换

两个 ID 都包含在下方的每个选项卡中 — 高亮显示的两行是唯一的修改。相同的端点,相同的密钥,相同的请求结构。

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",  # 取消注释此行,注释上一行
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

获取 API 密钥 →

常见问题

Chirp 2 和 Chirp 3 哪个更便宜?

它们列出的 每分钟音频 相同($0.016),因此价格不是这一项的决定因素——请参考下文的规格与能力。

我可以在不进行两次集成的情况下,对 Chirp 2 和 Chirp 3 进行 A/B 测试吗?

可以。两者均通过同一个兼容 OpenAI 的端点提供服务,并使用同一把 API 密钥——切换只需更改一行模型字符串,因此你可以将一部分流量路由到各个模型并直接比较账单。

Chirp 2 和 Chirp 3 支持说话人分离吗?

上方能力表格依据各供应商的官方文档,针对每个模型回答了此问题——由于各个模型在说话人分离、流式传输和时间戳这三方面均存在差异,因此将它们单独列出。

相关对比

来自我们的实测研究