新人 免费注册,送 10 次调用,最高 $1,无需绑卡。

Chirp 2 vs Chirp 3

vs

什么时候选哪个

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。

价格

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

价格取自构建时的实时目录,最新价格见各模型页面。

两个模型所处的位置:全部 12 个按同一单位计费的语音转文字模型的每分钟音频价格分布(对数刻度)

Chirp 2 · $0.016 Chirp 3 · $0.016

能力

Chirp 2 Chirp 3
说话人分离 否 是
流式输出 是 是
时间戳 是 是

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

规格照录自各供应商的文档;供应商没有公布的项目,对应的行直接省略,不做推断。 完整来源: Chirp 2 · Chirp 3

改一行代码就能在两个模型之间切换

下方每个标签页里都有两个模型 ID,高亮的那两行是唯一要改的地方。端点不变,API key 不变,请求结构也不变。

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 key →

常见问题

Chirp 2 和 Chirp 3 哪个更便宜?

两个模型的「每分钟音频」价格相同($0.016),所以这一项上价格分不出高下,请看下方的规格与能力。

不用分别集成两次,就能对 Chirp 2 和 Chirp 3 做 A/B 测试吗?

可以。两个模型走同一个 OpenAI 兼容端点,用同一个 API key,切换时只要改一行里的模型名,所以可以给两个模型各分一部分流量,直接对比账单。

Chirp 2 和 Chirp 3 支持说话人分离吗?

上方的能力表格按各供应商的官方文档,逐个模型回答了这个问题。说话人分离、流式输出和时间戳三项分开列出,因为不同模型在这三项上的支持情况都不一样。

相关对比

我们的实测研究